针对模型参数部分未知的随机线性连续时间系统, 通过策略迭代算法求解无限时间随机线性二次(LQ) 最优控制问题. 求解随机LQ最优控制问题等价于求随机代数Riccati 方程(SARE) 的解. 首先利用伊藤公式将随机微分方程转化为确定性方程, 通过策略迭代算法给出SARE 的解序列; 然后证明SARE 的解序列收敛到SARE 的解, 而且在迭代过程中系统是均方可镇定的; 最后通过仿真例子表明策略迭代算法的可行性.
相似文献针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.
相似文献针对一类多输入多输出线性时不变系统, 提出一种初态误差加速修正的PD-型迭代学习算法. 针对系统的任意初始状态, 在时间轴上设计一个随迭代次数增加而缩短的修正区间. 在该区间上, 控制算法对初始状态偏差进行修正; 修正区间外, 算法与无初始误差的学习律等同. 在Lebesgue-?? 范数度量跟踪误差意义下, 利用卷积的推 广Young 不等式证明了所提出学习控制律的收敛性. 数值仿真验证了该控制律的有效性.
相似文献迭代动态规划(IDP) 作为一种求解非线性问题的离散算法, 其寻优精度和收敛速度受到时间段划分的影响. 通常, 时间段划分依赖主观经验, 缺乏科学有效的指导. 针对终端时刻固定的动态优化问题, 提出一种自适应变步长IDP 算法, 综合考虑控制变量与目标函数值的变化, 对时间段数量、长度和切换点进行优化. 将该方法应用于间歇过程优化, 结果表明其能够智能分配时间段数量与长度, 可有效提升寻优精度.
相似文献提出一种全局竞争和声搜索(GCHS) 算法, 给出随机局部平均和声和全局平均和声的概念, 建立竞争搜索机制, 实现每次迭代产生两个和声向量并进行竞争选择. 设计自适应全局调整和局部学习策略, 平衡算法的局部搜索和全局搜索, 详细分析参数HMS、HMCR和PAR对算法优化性能的影响. 数值结果表明, GCHS 算法在精度、收敛速度和鲁棒性方面比和声搜索算法及最近文献中提出的7 种优秀改进和声搜索算法要好.
相似文献针对大规模系统可靠性问题, 提出一种修正和声搜索(MHS) 算法. 该算法修改了和声搜索(HS) 算法的搜索机制, 以当前最优解为研究对象, 随机选取不同维数进行即兴创作, 并修正步长(BW) 的调整方式, 均衡算法的全局搜索和局部搜索. 对经典的大规模系统可靠性问题进行求解, 数值结果表明, 所提出算法优于其他文献中的6 种和声搜索算法. 与最近提出的求解此类问题的各种算法进行实验对比, 实验结果表明所提出算法在整体上具有良好的优化性能.
相似文献帝国竞争算法是一种已在连续优化问题上取得较好效果的新型社会政治算法. 为了使该算法更好地应用于离散型组合优化问题, 提出一种求解旅行商问题的新型帝国竞争算法. 在传统算法的基础上, 改变初始帝国的生成方式; 同化过程采取替换重建方式, 以提升求解质量; 革命过程中引入自适应变异算子, 以增强搜索能力; 殖民竞争过程中调整了殖民地分配方式; 算法加入帝国增强过程, 以加快寻化速度. 实验结果表明, 新型帝国竞争算法求解质量高、收敛速度快.
相似文献
基于Kleinman 迭代算法的框架, 提出两种数值迭代算法, 用于解决连续时间Markov 跳变系统的优化??∞ 控制器设计问题. 首先, 给出“ 直接并行Kleinman 迭代算法”, 并从正实算子的收敛性证明该算法的收敛性; 然后, 基于直接并行Kleinman 迭代算法, 提出一种更加广义的迭代算法结构, 即“ 广义并行Kleinman 迭代算法”, 并论述其包含的4 种情形; 最后, 通过数值示例验证了所提出算法的有效性.
相似文献针对多处理器系统任务调度复杂问题, 在自适应差分进化算法基础上增加惯性速度分项, 提出一种称为惯性速度差分进化(IVDE) 的改进算法, 以避免陷入局部最优解. 结合启发式任务列表, 对算法的状态编码提出了处理器列表(PL)、部分偏序任务列表(PTL) 和全部任务列表(CTL) 等3 种形式. 通过求解随机生成的任务调度标准图和真实求解任务问题, 进行了数值仿真验证, 其中PTL-IVDE 算法相比蚁群优化(ACO) 算法、混合遗传算法(TLPLC-GA), 能快速求得更好的任务调度方案.
相似文献通过定义反转算子, 对人工狼位置和智能行为重新进行整数编码设计, 并结合概率近邻初始化方法, 提出一种求解旅行商问题的离散狼群算法. 该算法保留了狼群算法基于职责分工的协作式搜索特性, 并较好地平衡了算法的广度开拓和深度开采能力. 采用C-TSP 问题和TSPLIB 数据库中的多组TSP 问题作为实验用算例, 并将所提出算法与其他5 种智能优化算法进行对比, 仿真结果表明, 所提出算法在求解准确率、稳定性和所需迭代次数等方面具有相对优势.
相似文献采用非对称Lanczos 算法研究线性分数阶系统的模型降阶问题, 提出一种保持系统传递函数一定数量的分数阶矩的模型降阶方法. 根据Caputo 导数的运算法则给出线性分数阶系统的分数阶矩的计算方法; 利用非对称Lanczos 算法构造对应的非对称三对角矩阵; 根据非对称三对角矩阵的性质证明降阶系统与原系统具有相同的一定数量的分数阶矩; 给出降阶系统与原系统传递函数的误差估计, 为合理选择降阶系统的阶次提供理论依据. 数值实例的计算结果验证了所提出方法的有效性.
相似文献针对Markov 系统矩阵参数未知的实际情况, 提出一种基于状态反馈控制与自适应控制相结合的控制方法. 基于线性矩阵不等式技术给出相应控制器参数的求解条件. 与现有大多数自适应控制方法相比, 所提方法不仅使估计误差几乎处处有界, 而且原系统的系统状态几乎处处渐近稳定, 具有较好的收敛特性. 在所得结果的基础上, 进一步讨论了转移速率部分未知时的相关控制问题. 数值算例验证了所提出的设计方法的有效性.
相似文献研究一类具有时滞和时变系数的离散多智能体系统的一致性问题. 首先, 通过构造合适的控制协议, 并以第一个智能体的位移作为参考状态, 将原系统的一致性问题转化为误差系统中零解的渐近稳定性问题; 然后, 运用矩阵范数理论研究误差系统零解的渐近稳定性, 导出使多智能体系统实现一致的充分条件; 最后, 通过数值模拟验证了该判据的正确性和有效性.
相似文献针对离散随机Markov 跳跃系统, 基于?表示方法研究了其对应的广义Lyapunov 方程解的性质. 首先, 证明了广义Lyapunov 方程存在唯一实对称矩阵序列解的充分必要条件是系统的谱不包含零特征值; 然后, 在系统的谱包含零特征值的情况下, 分析了广义Lyapunov 方程解的结构; 最后, 通过数值仿真表明了所得结论的正确性.
相似文献有效判定灰色模型的病态性是进行灰预测建模的关键. 为了揭示灰色Verhulst 拓展模型建模参数在原始序列存在微小扰动下的变化规律, 以矩阵谱条件数为工具对该模型灰导数的背景值进行分类证明. 结果表明, 灰色Verhulst 拓展模型不存在严重病态性. 采用灰色Verhulst 拓展模型进行预测建模, 模型的解不会因系统原始数据在收集过程中存在微小误差而产生显著漂移现象.
相似文献