社会网络环境下基于群体一致性的概率语言多属性大群体决策方法

针对社会网络环境下,决策者的偏好表达为概率语言信息的多属性大群体决策问题,提出一种新的、基于群体一致性的概率语言多属性大群体决策方法。首先,针对现实决策中存在决策者隶属于多个社区集群参与决策的情况,提出社区子模块隶属度的概念并对其进行预处理;其次,通过改进Louvain社区探测算法对群体决策者进行聚类分析;然后,将最大共识序列挖掘算法拓展至概率语言多属性群决策领域,提出一种基于群体一致性的共识测度方法及共识达成模型;最后,通过算例验证本文方法的有效性,并进行对比分析说明本文方法的合理性及优势。     

基于多智能体强化学习的多机器人协作策略研究

研究了一种基于智能体动作预测的多智能体强化学习算法. 在多智能体系统中,学习智能体选择动作不可避免地要受到其他智能体执行动作的影响,因此强化学习系统需要考虑多智能体的联合状态和联合动作.基于此,提出使用概率神经网络来预测其他智能体动作的方法,从而构成多智能体联合动作,实现了多智能体强化学习算法. 此外,研究了该方法在足球机器人协作策略学习中的应用,使多机器人系统能够通过与环境的交互学习来掌握行为策略,从而实现多机器人的分工和协作.     

Hybrid hierarchical trajectory planning for a fixed-wing UCAV performing air-to-surface multi-target attack

This paper considers the problem of generating a flight trajectory for a single fixed-wing unmanned combat aerial vehicle (UCAV) performing an air-to-surface multi-target attack (A/SMTA) mission using satellite-guided bombs. First, this problem is formulated as a variant of the traveling salesman problem (TSP), called the dynamic-constrained TSP with neighborhoods (DCTSPN). Then, a hierarchical hybrid approach, which partitions the planning algorithm into a roadmap planning layer and an optimal control layer, is proposed to solve the DCTSPN. In the roadmap planning layer, a novel algorithm based on an updatable probabilistic roadmap (PRM) is presented, which operates by randomly sampling a finite set of vehicle states from continuous state space in order to reduce the complicated trajectory planning problem to planning on a finite directed graph. In the optimal control layer, a collision-free state-to-state trajectory planner based on the Gauss pseudospectral method is developed, which can generate both dynamically feasible and optimal flight trajectories. The entire process of solving a DCTSPN consists of two phases. First, in the offline preprocessing phase, the algorithm constructs a PRM, and then converts the original problem into a standard asymmetric TSP (ATSP). Second, in the online querying phase, the costs of directed edges in PRM are updated first, and a fast heuristic searching algorithm is then used to solve the ATSP. Numerical experiments indicate that the algorithm proposed in this paper can generate both feasible and near-optimal solutions quickly for online purposes.     

概率鲁棒镇定控制器的研究

将统计学习理论中的经验概率一致收敛特性应用到鲁棒控制中,针对具有实参数不确定性的控制系统,研究了概率鲁棒镇定控制器的设计问题.给出了设计概率鲁棒镇定控制器的前提条件,采用基于经验概率一致收敛特性的随机化算法设计概率鲁棒镇定控制器的具体步骤和方法.研究表明,与传统方法相比,在概率意义下采用随机化算法设计概率鲁棒镇定控制器具有设计方法简单、计算量小的优点.计算实例表明了该算法的有效性.     

城市道路人车冲突和碰撞概率微观模型研究

利用临界间隙理论,定义了城市道路行人过街的安全感知特征;在此基础上,利用概率论方法,研究行人与机动车之间的交通冲突和碰撞微观机理,分别推导出人车冲突和碰撞概率微观模型.采用贝叶斯全概率公式和蒙特卡洛仿真方法求出具体的概率值,来分析行人安全感知、驾驶人反应时间、车流量及车速等对行人安全造成的影响.最后,基于人车冲突概率的90%置信水平,建立了行人过街的危险度评价指标,从而为交通管制实施提供最佳依据.     

基于概率鲁棒性的锅炉过热汽温串级PID控制器

基于概率鲁棒性理论,针对过热汽温这类工况参数对模型参数有较大影响的对象,提出一种固定参数的串级鲁棒PID控制器设计方法。根据被控对象模型的参数摄动范围及概率密度分布,计算闭环系统满足性能设计要求的概率作为优化算法的目标函数,利用遗传算法对串级PID控制器参数进行优化,用Monte-Carlo实验对控制系统进行鲁棒性检验。仿真结果表明,基于概率鲁棒的串级PID控制器对于对象工况参数引起的模型参数不确定性具有较好的鲁棒性,系统可以兼顾多个工况点的性能,以最大概率满足设计要求,最大限度地挖掘了固定参数串级PID控制器对模型参数具有不确定性对象的控制能力。     

概率安全评估方法综述

概率安全评估是系统安全性工程的一项重要内容,是合理决策和改进设计的基础.本文对现有文献中的概率安全评估方法进行了总结、分类,对各种方法的建模框架进行了阐述,并指出了其存在的缺陷.最后指明了需要进一步研究的方向.     

基于柔性神经树模型的股票市场风险预测

利用柔性神经树模型的改进结构优化算法对影响股票市场的过程参数进行筛选,在精确度较高的前提下在比较短的时间内找到影响股票市场风险的重要参数。在柔性神经树模型的学习过程中,该算法的进化代数不是一个固定值,而是以误差率来控制进化代数,试验证明此算法使模型最优,效率和精确度非常高。柔性神经树模型的结构和参数优化分别由概率增强式程序进化和模拟退火算法完成。研究结果表明该改进方法对预测股票市场风险是非常有效的。     

大规模无线传感器网络中近似静态分簇的高效概率覆盖协议

为在大规模无线传感器网络中获得较好的网络性能,提出一种基于近似静态分簇的高效概率覆盖协议EPCSC. 该协议通过近似静态分簇节省网络资源,保持网络连通性. 根据网络QoS期望值选择必需节点数目来保证网络服务质量,实行簇头轮换机制,并在簇头间构建近似Prim最小生成树来有效延长网络生命期. 仿真结果表明,EPCSC协议能有效降 低控制开销,显著延长网络生命期,提供满足应用期望的网络服务质量.     

风电出力分析中的相依概率性序列运算

针对序列运算中随机变量间可能存在的非独立情形,应用Copula理论建立了相依概率性序列运算理论与方法。根据Copula理论推导了非独立情形下序列运算的形式:每次计算中除了将序列取值对应的概率相乘之外,还要乘以由随机变量之间的相依结构所确定的修正量。给出了利用相依概率性序列运算进行建模与计算的流程。将相依概率性序列运算应用于多风电场总出力的概率分布的计算,验证了该理论的正确性和有效性。该文工作进一步发展了序列运算理论,在不确定性分析领域具有良好的应用前景。