系统人力资源的Petri网分配模型研究

人力资源的合理分配和使用是复杂系统分析和设计过程中的一项重要内容 .本文尝试利用Peri网这一图形化的数学工具 ,从人力资源的角色类划分入手 ,在详细分析和规定其内部结构和行为规则的基础上 ,建立了描述人力资源内部结构的量化分配模型 ,基于该模型的严格定义 ,给出了一种规范化的人力资源分配算法.     

基于着色Petri网的无人机侦察战术规划

无人机(unmanned aerial vehicle,UAV)战术规划问题是UAV作战的核心,本文以UAV战术规划中的资源分配和目标推理为研究对象,针对传统Petri网不能准确模拟战术规划中资源及任务正负效应建模问题,在阐述了利用传统Petri网将总体任务按计划及目标顺序进行层次分解后,采用着色Petri网对网间结构...     

安全Petri网位置不变式的一种生成算法

Petri网是一种系统设计和分析的有用工具,在系统测试中有着广泛的应用.利用安全Petri网的特点,提出一种由安全Petri网可达树和带自环的m阶完全图来计算位置不变式的生成算法.     

Modeling of combined Bayesian networks and cognitive framework for decision-making in C2

The command and control (C2) is a decision-making process based on human cognition, which contains operational, physical, and human characteristics, so it takes on uncertainty and complexity. As a decision support approach, Bayesian networks (BNs) provide a framework in which a decision is made by combining the experts’ knowledge and the specific data. In addition, an expert system represented by human cognitive framework is adopted to express the real-time decision-making process of the decision maker. The combination of the Bayesian decision support and human cognitive framework in the C2 of a specific application field is modeled and executed by colored Petri nets (CPNs), and the consequences of execution manifest such combination can perfectly present the decision-making process in C2.       

基于生成对抗与卷积神经网络的调制识别方法

自动调制识别在频谱监测和认知无线电中占有重要地位.针对现有调制识别算法在低信噪比条件下识别率低的问题,提出一种基于生成对抗网络(generative adversarial network,GAN)和卷积神经网络(convolu-tional neural network,CNN)的数字信号调制识别方法.在利用平滑伪W...     

基于BDI的嵌套网模型及其在模拟对抗中的应用

针对复杂对抗系统的自适应和涌现性等特征,提出了一种将嵌套网模型结合BDI(belief,desire,intention)范例理论的多组织模型。主要贡献在于:有效地拓展了系统自身的动态适应性和稳定性;规划出一整套用于对抗模型平台的静态数据组织方式,并给出了各中间对抗过程的综合模型;针对实际问题,研究了仿真对抗过程的层次描述结构,并讨论了相关的运行机制。该模型的提出降低了建模复杂度,提高了模型的柔性度,有效地揭示了对抗本身的本质特征和推演规律,体现了模型在求解复杂自适应问题的强大优势。     

语义Web服务自动组合的有色网验证模型

Web服务组合是面向服务的计算模式下应用构造的主要方式,而现有的组合方法与实施框架缺乏有效的验证机制,从而产生大量无效的组合结果.针对这一问题,提出一种具有正确性分析与验证功能的Web服务自动组合系统框架.其核心是利用有色Petri网对基于OWL-S的服务组合系统进行形式化建模,通过对组合模型的模拟执行及对其动态性能的全面分析,预测组合服务的执行结果,从而提高组合的可靠性.另外,该框架采用智能Agent技术,可有效实现组合过程的自动化.     

基于生成对抗网络的肺结节良恶性诊断算法

针对实性肺结节CT影像数据量少、人工标注耗时耗力等问题,提出一种结合生成对抗网络和集成学习的实性肺结节良恶性计算机辅助诊断方法.首先,使用基于梯度惩罚的生成对抗网络对肺结节CT影像数据集进行扩充,缓解由数据量少、样本类别不均衡导致的模型过拟合.然后,利用卷积神经网络进行CT影像特征提取,并通过主成分分析对深度特征进行降维.最后,联合CT图像特征和有效临床信息,采用集成学习方法构建分类模型预测实性肺结节良恶性.基于多中心临床数据分析表明,相比于传统卷积神经网络模型,所提出方法有更好的预测性能.     

递阶着色Petri网在面向对象设计中的应用

基于Ｐｅｔｒｉ网的节点过多阻碍其广泛应用,在着色Ｐｅｔｒｉ网和递阶着色Ｐｅｔｒｉ网的基础上,分析了递阶着色Ｐｅｔｒｉ网在结构上与面向对象方法的共同之处及其相互联系．指出递阶着色Ｐｅｔｒｉ网可以大大简化Ｐｅｔｒｉ网建模,同时提出了一种把递阶着色Ｐｅｔｒｉ网用于离散事件动态系统的面向对象软件设计的一般方法,并通过对一个柔性制造系统实例的面向对象分析和递阶着色Ｐｅｔｒｉ网的建模,最终指导控制软件的开发．     

基于生成对抗网络的配电网与多微网随机调度

随着可再生能源机组以多微网的形式接入配电网,其出力的不确定性会给配电网与多微网调度带来挑战。因此,如何对配电网与多微网中可再生能源的特性进行分析,准确把握可再生能源的出力特性,建立考虑可再生能源出力特性的配电网与多微网调度模型,成为目前亟待研究和解决的问题。本文提出了一种基于Wasserstein生成对抗网络的配电网与多微网日前随机调度方法。首先针对风电以及光伏日前预测的不确定性,采用基于Wasserstein生成对抗网络的数据驱动算法,对风电和光伏出力预测误差进行场景生成;对于生成的风光出力场景,基于K-mediods场景削减法得到风光典型场景;在配电网与多微网调度目标函数中综合考虑调度的经济性指标以及韧性指标,基于场景法模拟可再生能源出力的不确定性,建立配电网与多微网日前随机调度模型并求解。仿真结果表明,所提的配电网与多微网随机调度模型在可再生能源出力场景生成方面,相比于传统假定概率分布的生成方法,其生成的场景更接近实际场景。