基于贡献率的离散Hopfield 结构优化

针对离散Hopfield 神经网络(DHNN) 结构复杂的问题, 提出一种基于贡献率的结构优化算法. 该算法利用奇异值分解方法对连接权值进行设计, 进而利用贡献率的方法对DHNN进行结构优化. 优化后的网络降低了DHNN结构的复杂程度, 使网络具有类似生物神经网络的稀疏结构, 实现了DHNN网络结构的优化. 最后, 通过水质评价和数字识别对该算法进行验证, 表明了所提出算法的有效性和可行性, 同时, 还验证了其对于大规模DHNN的有效性和适用性.

     

无刷直流电机转速伺服系统反步高阶滑模控制

针对无刷直流电机转速伺服系统高性能非线性鲁棒控制, 提出一种新型的多滑模反步高阶滑模非线性控制方法. 在控制律设计的每一步都引入二阶滑模Super-Twisting 算法, 无需计算变量导数, 消除了滑模抖振, 并在第1 级子系统虚拟控制律设计中提出一种改进的二阶滑模Super-Twisting 算法. 与传统双闭环PI 控制相比, 能够令系统的动静态性能更好, 转矩脉动更小, 鲁棒性更强; 与标准Super-Twisting 算法相比, 进一步提高了系统对阶跃负载扰动的抑制能力. 最后通过仿真分析表明了所提出方法的有效性.

     

基于最优刚性图的链路质量与能量的拓扑控制算法

针对目前无线传感器网络研究中网络能量利用率低和通信链路不可靠等问题, 提出一种基于最优刚性图的网络拓扑优化算法. 该算法通过建立包含链路质量和能量两方面内容的链路权值函数来构建链路可靠性强、能量利用率高的网络拓扑结构. 研究结果表明, 所构建的拓扑具有平均节点度低和链路性能好等优越特性. 仿真结果表明, 与现有拓扑控制算法相比, 所提出的算法能够更有效地减少能量消耗, 从而延长网络寿命.

     

基于敏感度方差重要性的RBF 神经网络结构优化算法

针对RBF 神经网络的结构设计问题, 提出一种基于输出敏感度方差重要性的结构优化算法. 首先, 检验网络隐层节点的输出敏感度在样本集上的方差是否与零有显著差异, 以此作为依据增加或删除相应的隐层节点; 然后,对调整后的网络参数进行修正, 使网络具有更好的拟合精度和收敛性; 最后, 对所提出的优化算法进行仿真实验, 结果表明, 所提出的算法可根据研究对象自适应地调整RBF 的网络结构, 具有良好的逼近能力和泛化能力.

     

一种基于互信息变量选择的极端学习机算法

针对回归问题中存在的变量选择和网络结构设计问题, 提出一种基于互信息的极端学习机(ELM) 训练算法, 同时实现输入变量的选择和隐含层的结构优化. 该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中, 以网络的学习性能作为衡量输入变量与输出变量相关与否的指标, 并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace 和10 组标杆数据上的仿真结果表明了所提出算法的有效性. 该算法不仅可以简化网络结构, 还可以提高网络的泛化性能.

     

基于蜂拥控制的移动传感器网络目标跟踪算法

针对移动传感器网络中的目标跟踪问题, 以及现有控制策略在保持网络拓扑结构连通性和降低能量消耗方面存在的不足, 提出一种基于蜂拥控制的移动传感器网络目标跟踪算法. 首先, 利用网络中部分节点检测目标, 并使用卡尔曼一致性滤波算法估计目标的状态, 在获得比较精确的估计状态的同时降低能量消耗; 然后, 在蜂拥控制下传感器网络始终保持拓扑结构连通性和目标对网络可见, 同时避免节点之间发生碰撞. 仿真结果验证了所提出算法的有效性.

     

一种改进的输出反馈特征结构配置方法在飞翼飞机增稳系统设计中的应用

针对常规输出反馈特征结构配置方法不能完全保证闭环系统稳定性的问题, 提出一种改进的输出反馈特征结构配置方法. 该改进的算法通过引入二次型性能指标, 将闭环系统的稳定性问题转化为线性二次型最优控制问题,从而保证闭环系统的稳定性; 考虑到采用特征结构配置方法所设计的闭环系统鲁棒性不强, 给出保证系统鲁棒性的条件, 以解决系统鲁棒性问题. 最后, 通过在飞翼飞机上的仿真结果验证了所提出算法的有效性.

     

基于交叉模型的改进遗传算法

提出一种解决早熟收敛问题的改进遗传算法. 通过最小生成树聚类将种群划分为若干个子种群, 子种群内的个体之间及不同子种群间的个体之间同时进行遗传操作. 同子种群间个体的遗传操作可以保证算法的进化方向和收敛速度, 不同子种群间个体的遗传操作可以避免近亲繁殖, 提供多样性. 分别采用二进制和实数编码, 在经典的 23 个基准函数上的对比测试结果表明, 所提出算法具有较好的收敛速度和寻优能力.

     

离散时间系统重复控制的理想误差动态方法

针对周期参考信号下的离散时间系统, 引入吸引律构造理想误差动态特性, 并基于理想误差动态设计重复控制器. 重复控制能够实现周期性扰动的完全抑制, 从而提高控制能.为了消除颤振现象, 以饱和函数替换重复控制器中的符号函数. 分别推导了理想误差动态方程的单调减区域、吸引层和稳态误差带的边界, 用于刻画误差动态行为, 并给出了数值仿真结果. 在逆变器装置上完成的实验进一步表明了所提出的重复控制方法的有效性.

     

无线传感器网络拓扑三级分簇优化算法

针对大规模分布式传感器网络提出一种拓扑三级分簇结构优化算法. 通过引入传感器休眠模式, 并考虑到分簇数目较多的情况, 对多个簇头节点采用生成最小刚性图的方法进行拓扑优化, 以实现传感器网络整体能量均衡,使传感器网络具有较好的连通性和鲁棒性. 仿真实验表明, 与已有相关算法相比, 采用所提出的算法可使网络延缓出现节点死亡现象, 有利于实现网络负载均衡, 并且网络中节点整体存活时间较长, 从而延长网络的生命周期.

     

基于连接自组织发育的稀疏跨越-侧抑制神经网络设计

针对跨越——侧抑制神经网络（Span-lateral inhibition neural network，S-LINN）的结构调整及参数学习问题，结合生物神经系统中神经元的稀疏连接特性，依据儿童及青少年智力发展水平与大脑皮层发育之间的相互关系，提出以小世界网络连接模式进行初始稀疏化的连接自组织发育稀疏跨越——侧抑制神经网络设计方法.定义网络连接稀疏度及神经元输出贡献率，设计网络连接增长——修剪规则，根据智力超常组皮层发育与智力水平的对应关系调整和控制网络连接权值，动态调整网络连接实现网络智力的自组织发育.通过非线性动力学系统辨识及函数逼近基准问题的求解，证明在同等连接复杂度的情况下，稀疏连接的跨越——侧抑制神经网络具有更好的泛化能力.     

基于容积卡尔曼滤波的神经网络训练算法

针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷, 提出一种基于容积卡尔曼滤波(CKF) 的神经网络训练算法. 在算法实现过程中, 首先构建神经网络的状态空间模型; 然后将网络连接权值作为系统的状态参量, 并采用三阶Spherical-Radial 准则生成的容积点实现神经网络中节点连接权值的训练. 理论分析和仿真结果验证了所提出算法的可行性和有效性.

     

基于局域网络的加权财富演化模型

基于复杂网络理论, 考虑到局部连接、成本以及收益分配, 构建一个基于局域网络的加权财富演化模型. 首先应用率方程法推导出节点度分布和财富分布的动力学方程, 理论分析和数值仿真表明, 网络模型的节点度与财富值均符合幂律分布; 然后, 通过分析聚集系数、度相关性、财富分布以及财富熵等统计量, 发现该网络是一个负向匹配网络, 网络中的财富分布是不均衡的, 个体间财富异质性与结构参数  r 以及M 相关; 最后结合实证进行了说明和验证.

     

时变概率随机拓扑条件下高阶群系统一致性分析

在时变连接概率的随机拓扑条件下, 研究了离散时间高阶线性群系统的一致性问题. 首先, 给出一个依赖于相邻主体间拓扑连接概率和各个主体自身信息的随机控制协议; 然后, 应用状态空间分解法分析离散时间高阶线性群系统的一致性, 给出了在连接概率时变的随机拓扑条件下以概率为1 实现一致的充分必要条件; 进而, 确定了随机拓扑条件下离散时间高阶线性群系统的一致函数; 最后, 通过数值分析验证了所得出结论的正确性.

     

信息观下基于不一致邻域矩阵的属性约简

信息观下研究邻域决策系统的属性约简是一种新颖的思路. 通过分析论域下某样本邻域中其他样本与该样本决策属性值的异同, 定义不一致邻域矩阵. 在计算属性重要度时, 利用不一致邻域减少在原条件属性基础上增加一个属性后条件熵的计算时间. 分析得到邻域系统下条件熵与正域的关系, 提出一种信息观下基于不一致邻域矩阵的属性约简算法, 并分析该算法与其他算法的内在联系. 实验结果验证了所提出算法的有效性.

     

基于和谐管理理论的免疫信息网络优化算法

受经济管理学中“和谐管理”理论的思想启发,提出一种全新的免疫进化信息网络模型,即和谐进化信息网络(HEIN).在该模型中,将优化问题的求解看作是信息网络能量最大化的过程,通过“和则”与“谐则”二个规则集的有机结合来有效控制和管理进化过程,实现了比单纯模拟生物免疫响应或自然进化更加完备和高效的和谐进化.实验结果表明,所提出算法可更好地保持种群多样性,收敛速度快,求解精度高.     

基于网络图的产品生产、运输、定价综合决策模型

针对大型垄断厂商在商品生产、运输、定价决策中独立考虑生产定价和运输两个环节的弊端, 提出一种将产量决策、运输决策和定价决策3 个环节作为一个系统进行考虑的综合决策模型. 借助利润网络图, 构建同时考虑生产及运输成本以及市场需求的商品生产、运输和定价综合决策模型, 并探讨模型的解法及其理论基础. 通过给出的应用案例表明, 相比传统决策模型, 利用综合决策模型可以提高15.50% 的利润.