遗传算法在网上谈判支持系统中的应用研究

从 8 0年代后期首次出现谈判支持系统至今 ,国外许多学者从不的角度对其进行了大量的研究 ,而国内在这方面的研究尚处于起步阶段 .网上谈判支持系统不仅要为谈判人提供方便的交流媒介 ,更要为其提供合理的协调解 ,以减少冲突 ,提高谈判的成功率 .目前 ,对于网上谈判支持系统中谈判解支持的研究 ,尚未取得重大突破 ,采用的方法仅仅局限于效用函数法、对策分析法以及国内近期研究出的基于兴趣点的选择方案搜索算法等等 .但是 ,这些方法在实际应用中很难方便、及时地为谈判人提供有效的建议解或方案支持 ,无法满足网上谈判的实际需求 .本文针对遗传算法的全局收敛性快速寻优、可并行性寻优以及模拟自然进化过程解决最优问题等特点 ,尝试着将遗传算法用于网上谈判支持系统中 ,为谈判人提供对于双方而言满意的协调解 ,对此 ,文中进行了一系列的理论分析及实践检验 ,证明了这种方法的可行性及特殊的优越性 .     

两种跟踪低阶模型的模型参考自适应控制方案设计与仿真

采用滤波器降阶和系统分解，并将部分因式看成未建模动态，进而转化成扰动的方法，分别设计了两种高阶系统跟踪低阶参考模型的模型参考自适应控制(MRAC)方案。使用低阶参考模型简化了系统结构。仿真验证了方案的有效性。     

神经网络自适应控制器设计

对前馈神经网络用于动态系统的辨识、自适应控制进行了分析和数学推导，给出了自适应神经网络控制器的设计方法．最后通过仿真实例进行了说明．     

关于大数混合基表示的算法与问题

本文基于求解ｎ个简单同余方程组的思想给出了一个求解同余方程组的算法，算法将花费３ｎ次模运算及ｎ次求逆元运算，优于牛顿迭代法。对大数的混合基表示提出了扩张问题与压缩问题，并证明了扩张问题与其求解问题是线性等价的，而压缩问题的难度小于扩张问题。     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

Genetic algorithm-based wide-band deterministic maximum likelihood direction finding algorithm

1 .INTRODUCTIONThe problemof esti mating direction of arriving waveusing array signal processing has wide applications inradar ,sonar ,seismology,astronomy and mobile andsatellite communication system, and has receivedmuch attentionin recent years .But the current liter-ature about direction finding algorithmpays more at-tention to narrow-band signal ,that is to say band-width of signal is far smaller than center frequency ofsignal and so envelop of signal keeps invariant in thesensors of …     

基于像素特征的路面裂缝图像自适应滤噪

分析了破损路面图像的像素点区域特征，针对不同区域提出加权邻域滤波和自适加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能根据图像的区域特征自适应的进行滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

ISAT方法在射流火焰PDF计算中的应用

描述了一种应用于湍流反应流场中，用以减少化学反应计算时间的有效方法——当地自适应建表方法，并对之做了改进，使其可以适用于变时间步长环境下的计算流场．应用此方法计算甲烷／空气湍流射流扩散火焰问题，结果显示同直接数值积分方法比较，当地自适应建表方法可以在保证满足计算精度要求的条件下有效的减少化学反应计算时间．     

基于BP神经网络的增益量化中的阶距自适应

本文分析了G.728语音编码算法增益固定量化的缺陷,设计了精确表示增益的自适应量化方案。采用BP神经网络对增益的量化步长进行非线性自适应量化,并提出一种新的用于训练BP神经网络的数据的获取方法。     

Using genetically-defined rodent strains for the identification of hippocampal traits relevant for two-way avoidance behavior: a non-invasive approach

Summary Genetically-defined rodent strains permit the identification of hippocampal traits which are of functional relevance for the performance of two-way avoidance behavior. This is exemplified here by analyzing the relationship between infrapyramidal mossy fibers (a tiny projection terminating upon the basal dendrites of hippocampal pyramidal neurons) and two-way avoidance learning in about 800 animals. The necessary steps include 1) identification of structural traits sensitive to selective breeding for extremes in two-way avoidance, 2) testing the robustness of the associations found by studying individual and genetical correlations between hippocampal traits and behavior, 3) establishing causal relationships by Mendelian crossing of strains with extreme structural traits and studying the behavioral consequences of such structural randomization, 4) confirming causal relationships by manipulating the structural variable in inbred (isogenic) strains, thereby eliminating the possibility of genetic linkage, and 5) ruling out the possibility of spurious associations by studying the correlations between the hippocampal trait and other behaviors known to depend on hippocampal functioning.In comparison with the classical lesion approach for identifying relationships between brain and behavior, the present procedure appears to be superior in two aspects: it is non-invasive, and it focuses automatically on those brain traits which are used by natural selection to shape behaviorally-defined animal populations, i.e., it reveals the natural regulators of behavior.