用面向对象程序设计神经网络的算法类库

依据面向对象的程序（ＯＯＰ）设计的优越性,用Ｃ＋＋语言,针对神经网络ＢＰ算法和ＧＡ算法,编写了神经网络及其算法类库：目的是为神经网络学习算法的发展和深入及其应用于工程提供方便和有利工具．且给出利用该类库实现的非线性系统辨识结果     

有色噪声中多个周期相近信号参数的估计算法

本文提出了一种“谐波组清除算法”来估计周期信号的参数。该算法不仅计算简单并可获得较高的频率分辨率,而且对信号模型具有较强的鲁棒性。最后,用数值仿真数据与实测直升机噪声数据对该算法进行了检验。     

图像目标的可视识别与智能跟踪

本文研究图像目标的可视识别与跟踪,给出了图像目标识别印章模型和系统总体设计方案。在此基础上,采用智能跟踪算法,实现了正常跟踪、判断、预测和记忆跟踪的功能,而且跟踪方式随着环境条件的变化而变化。正常跟踪算法的图像代数描述是简明的,与算法是内在一致的。通过给出两个实时可视跟踪的实例说明在实时ＤＳＰ可视跟踪系统上算法的性能及其可行性。     

小波阈值改进及在光谱信号去噪处理中的应用

针对宽光谱膜厚监控系统输出的光谱信号,通过改进Donoho阈值函数,对阈值加入微调因子,使与噪声幅度相近或小于噪声幅度的信号小波系数阈值减小,有利于其小波系数的保留。另一方面使噪声的小波系数的阈值增大,有利于其小波系数的滤除,使小波阈值滤波算法具有自适应性。通过实验表明该算法有效地抑制噪声,很好地保留了信号的细节信息,信号的峰值误差为0.7%—1.0%,峰位误差为0.1%—0.3%;提高了系统的监控准确度。     

基于多机场终端区交通态势的航班延误预测

为了针对性地制定后续优化措施,以降低多机场终端区内航班延误所带来的不利影响,并提高多机场系统内各机场的运营效率,进行多机场终端区航班延误的预测研究。首先,考虑多机场终端区交通态势对航班延误的影响,在对多机场终端区交通态势进行分析的基础上,建立了6个描述终端区交通态势的指标。接着,构建反向传播（back propagation,BP）神经网络航班延误预测模型,将终端区交通态势指标、航班信息和天气环境数据等作为输入,航班延误时间作为输出,并利用粒子群优化算法（particle swarm optimization,PSO）优化BP神经网络进行训练。通过实例验证和分析,基于多机场终端区交通态势的航班延误预测能够有效提高预测准确率,同时,通过粒子群优化BP神经网络的预测模型预测准确率均高于一般的考虑交通态势的BP和遗传算法优化的BP神经网络模型（genetic algorithm and back propagation,GA-BP）。     

三维微波成像中基于对比源反演的扩展方法

采用基于非线性对比源反演算法的成像方法来重建放置在微波暗室内的三维电介质目标。在成像方法中采用正则化方法和频率跳变(frequency hopping, FH)方法等扩展手段。三维实测微波数据的实验设置是多频率、多收发分置的。三维实测微波数据的重建结果验证了基于对比源反演算法的扩展成像方法在三维微波成像中应用的可行性和精确性,是一种有应用前景的解决三维微波成像问题的处理方法。     

Memetic algorithm for multi-mode resource-constrained project scheduling problems

A memetic algorithm （MA） for a multi-mode resourceconstrained project scheduling problem （MRCPSP） is proposed. We use a new fitness function and two very effective local search procedures in the proposed MA. The fitness function makes use of a mechanism called ＂strategic oscillation＂ to make the search process have a higher probability to visit solutions around a ＂feasible boundary＂. One of the local search procedures aims at improving the lower bound of project makespan to be less than a known upper bound, and another aims at improving a solution of an MRCPSP instance accepting infeasible solutions based on the new fitness function in the search process. A detailed computational experiment is set up using instances from the problem instance library PSPLIB. Computational results show that the proposed MA is very competitive with the state-of-the-art algorithms. The MA obtains improved solutions for one instance of set J30.     

网络化制造模式下基于改进蚁群算法的供应链调度优化研究

为制定网络化制造（networked manufacturing,NM）模式下供应链合作成员间的动态调度策略,构建了由制造商、协同设计商以及客户组成的三层动态调度模型;在生产能力约束、多目标优化约束等制约因素下,采用时间函数、成本函数和延期惩罚函数三个目标函数对调度问题进行描述;使用改进蚁群算法（improved ant colony optimization algorithm,IM-ACO）,对调度路径可行解节点添加不同的信息素,并将信息素浓度约束在τ_min和τ_max之间,使得供应链客户个性化需求服务、运作时间、成本等综合收益达到最优. 实例仿真表明本文提出的动态调度优化算法求解具有较快的搜索速度、收敛性好,算法具有较好的稳定性;同时,也表明本文构建调度模型合理,可以为实际生产调度提供优化的策略.     

基于Swarm的股权拍卖机制设计与仿真研究

基于多主体的建模仿真方法,运用particle swarm optimization（PSO）群体智能算法模拟信息交互条件下外部投资者估价变化的学习机制和演化规律,在机制设计的基础上,建立了实现风险投资退出的股权拍卖模型.在Swarm平台上对股权拍卖模型的仿真分析表明,所设计的股权拍卖机制能够显著地提高风险投资家的收益,并能帮助风险投资家预测外部投资者的估价和拍卖参与度的变化.对股权拍卖模型的参数仿真发现,风险投资家可以通过引入更多的外部投资者参与股权拍卖来进一步提高自己的收益;即便外部投资者过度强化单一学习能力,最终也可以得到相对理想的股权拍卖结果.本文的研究可以为风险投资家的策略选择提供参考依据.