一种基于状态扩展的安全协议验证机制

基于模型检测验证协议的方法存在状态空间爆炸问题,其中基于目标绑定搜索状态空间的方法有效控制了状态空间,但不能完全给出协议的运行情况。针对这一问题,提出了一种基于状态扩展的安全协议自动化验证机制,首先对协议状态进行初始搜索,给出协议运行需要的事件,得到协议基本状态,然后进行扩展搜索,考虑基本状态与其他协议运行的关系,形成协议扩展状态。该机制能够有效反映出协议的运行情况,且能够同时对多种安全性质进行验证。     

改进的频域辨识方法及其在直升机建模中的应用

本文提出了一种改进的直升机状态空间模型的频域系统辨识方法.该方法根据飞行扫频数据,得到包含直升机动力学模型耦合特性的非参数频率响应.将模式识别中的K平均理论应用到搜索状态空间模型代价函数的最小值中,根据机理建模结果拟合频率响应得到线性的六自由度直升机状态空间模型中的待辨参数.频率响应的计算中应用了一种复合窗函数方法,该方法综合不同窗口长度的频率响应得到一组优化的结果,显著增加了动力学模型频带和频率响应的精度.比较辨识得到的模型和飞行试验数据响应结果表明,辨识得到的模型较好地反映了该型无人直升机在悬停状态下的动力学特性.     

一种改进的禁忌搜索法在函数优化问题中的应用

禁忌搜索法对初始解、邻域个数及禁忌列表的大小等参数有比较严格的要求,这些参数直接影响着算法的优化能力.文章提出了一种改进的禁忌搜索法,它用有效空间来压缩搜索范围,这样可以提高搜索效率和全局搜索能力.用短期和长期禁忌列表存储器来保证算法能搜索到全局空间的每一点,并且不重复搜索.经过验算和分析,证明它是一种较好的全局启发式搜索法.     

非线性系统的自组织多模型自适应逆控制

针对离散时间非线性系统,在分析基于自组织映射神经网络的多模型控制方法的基础上,提出了一种自组织多模型直接逆控制方法.并分析了控制误差的有界性.进一步,借鉴参数空间多模型方法的切换一自适应策略,在固定模型的基础上增加一个参数可调节的自适应逆模型.提高了稳态控制性能.仿真实例表明,对于变化较快的信号,自组织多模型直接逆控制器和自组织多模型自适应逆控制器都能进行有界跟踪,对于稳态信号,自组织多模型自适应逆控制器还能进行渐近跟踪.     

状态空间模型基于正交梯度搜索的预报误差辨识

提出状态空间模型的正交梯度搜索的预报误差辨识方法.通过极小化输出预报误差而获得系统的参数估计,提出了在观测等价类相切面正交子空间进行参数更新的实现方法,从而解决了全参数化引起的状态空间模型参数非唯一性问题;给出了融合预报误差局部线性逼近性能的正则化因子自适应确定方法,揭示了算法复杂度与系统的能控性、能观测性的内在联系.仿真结果验证了所提出方法的有效性.     

线性时变反馈系统的状态空间模型和模态参数递推辨识

针对闭环系统中时变状态空间模型和模态参数的辨识问题, 提出一种递推辨识格式, 将这种格式与递推子空间方法结合, 得到一种辨识方法. 该方法通过重建输入输出数据之间的关系, 递推辨识得到闭环系统的时变状态空间模型和模态参数. 算例研究了系统在模态参数突变和周期变化两种情况下的辨识问题, 仿真结果表明, 所提出算法能有效辨识线性时变反馈系统的状态空间模型和模态参数.

     

分布式系统中实时任务的最佳初始分配

本文提出了一种状态空间搜索方法RA,此方法能寻找出具有最大耗散值的目标结点(在有限空间);借助RA给出了最佳初始分配算法,并讨论了具有负符平衡要求及其它附属条件的最佳初始分配。     

多输入单输出Wiener-Hammerstein 模型的集群辨识

讨论了集群辨识的概念和特点.针对多输入单输出Wiener-Hammerstein模型提出了一种集群辨识方法.方法的基本思想是将模型辨识问题转化为参数空间上非线性函数的最优化问题,然后采用集群智能方法对整个参数空间进行高效并行搜索以获得模型参数的最优估计.仿真结果显示了本方法的有效性.     

基于正交梯度搜索的动态系统递阶优化辨识

提出了一种辨识线性时不变状态空间系统参数的正交梯度二步递阶优化方法. 通过极小化输出误差目标函数获得了系统参数估计; 提出了正交梯度搜索方法用于解决系统参数的非唯一性问题, 正交梯度搜索的本质是在输入-输出等价类相切平面的正交垂空间更新系统参数; 给出了用 L-M 算法进行参数优化的充分条件; 提出的系统参数递阶优化辨识方法包括两步: 首先用给出的自适应 L-M 算子正交梯度方法确定参数优化方向; 其次由一维搜索方法计算最佳步长. 蒙特卡罗数值仿真实验表明本文提出的方法具有收敛速度快、抗噪能力强以及数值稳定性好等优点.     

安全协议自动验证工具的状态空间剪枝

串空间模型是分析安全协议的一种实用、直观和严格的形式化方法。概述基于该模型结合使用定理证明和模型检测技术开发的安全协议验证工具AVSP的体系结构，提出一些剪枝规则对状态搜索空间进行剪枝。通过Needham-Schroeder安全协议的弱一致性认证属性验证过程来表明这些状态搜索空间剪枝规则可有效缩小状态搜索空间，防止状态空间爆炸。     

Continuous state/action reinforcement learning: A growing self-organizing map approach

This paper proposes an algorithm to deal with continuous state/action space in the reinforcement learning (RL) problem. Extensive studies have been done to solve the continuous state RL problems, but more research should be carried out for RL problems with continuous action spaces. Due to non-stationary, very large size, and continuous nature of RL problems, the proposed algorithm uses two growing self-organizing maps (GSOM) to elegantly approximate the state/action space through addition and deletion of neurons. It has been demonstrated that GSOM has a better performance in topology preservation, quantization error reduction, and non-stationary distribution approximation than the standard SOM. The novel algorithm proposed in this paper attempts to simultaneously find the best representation for the state space, accurate estimation of Q-values, and appropriate representation for highly rewarded regions in the action space. Experimental results on delayed reward, non-stationary, and large-scale problems demonstrate very satisfactory performance of the proposed algorithm.     

一种基于图结构模型的人体姿态估计算法

针对单幅图片中人体姿态的估计问题,在图结构模型的基础上提出了一种新的人体姿态估计算法。算法提出了一个新的部位观测模型和一种新的减小部位状态空间的方法：（1）对人体不同部位采用不同尺寸的细胞单元计算HOG特征,并利用线性SVM进行分类,从而提出一种新的部位观测模型;（2）利用人体部位定位的先验分布确定部位定位区域,然后通过邻域归并和设置与部位模板的匹配度阈值进一步减小状态空间,从而提出了一种减小部位状态空间的方法。仿真实验结果表明所提算法与传统算法相比更加有效。     

基于支持向量机回归的T-S模糊模型自组织算法及应用

结合模糊聚类算法和支持向量机回归算法提出了一种新的T-S模糊模型自组织算法. 该算法首先利用一种改进模糊聚类算法提取模糊规则和辨识前件参数,然后将T-S模糊模型后件变换为标准线性支持向量机回归模型,并利用支持向量机回归算法辨识后件参数. 仿真结果表明,相比现有的自组织算法,本文提出的T-S模糊模型自组织算法在规则数较少的情况下,仍然具有较高的辨识精度和较好的泛化能力. 最后,利用提出的T-S模糊模型自组织算法较好地建立了直拉硅单晶炉加热器和空气预热器的温度模型.     

一种自适应模糊Actor-Critic 学习

提出一种基于模糊RBF网络的自适应模糊Actor—Critic学习．采用一个模糊RBF神经网络同时逼近Actor的动作函数和Critic的值函数，解决状态空间泛化中易出现的“维数灾”问题．模糊RBF网络能够根据环境状态和被控对象特性的变化进行网络结构和参数的自适应学习，使得网络结构更加紧凑，整个模糊Actor—Critic学习具有泛化性能好、控制结构简单和学习效率高的特点．MountainCar的仿真结果验证了所提方法的有效性．     

A SELF-ORGANIZING QUANTUM NEURAL FUZZY NETWORK AND ITS APPLICATIONS

In this paper, a self-organizing quantum neural fuzzy network (QNFN) is proposed. The QNFN model is a four-layer structure. Layer 2 of the QNFN model contains quantum membership functions, which are multilevel activation functions. Each quantum membership function is composed of the sum of sigmoid functions shifted by quantum intervals. A self-constructing learning algorithm, which consists of the self-clustering algorithm (SCA) and the backpropagation algorithm, is also proposed. The proposed the SCA method is a fast, one-pass algorithm for a dynamic estimation of the number of clusters in an input data space. The backpropagation algorithm is used to tune the adjustable parameters. Simulation results were conducted to show the performance and applicability of the proposed model.     

ℋ2-optimal digital control of continuous plants with multiple delays

The problem of synthesizing ?₂-optimal digital control law for a continuous plant with multiple delays is considered. An equivalent discrete system, whose stability and optimality conditions coincide with the corresponding conditions for the initial digital system is constructed. An efficient computational algorithm for constructing the implementation of the equivalent discrete model of the plant in the state space is proposed.     

基于广义量子粒子模型的聚类算法及收敛性研究

提出了一种应用广义量子粒子模型进行自组织聚类的新方法。该模型将数据聚类过程转化为一个量子粒子在状态构形空间上的随机自组织过程,由量子粒子之间相互纠缠形成的状态构形随时间不断演化,最终会收敛到一个平稳的概率分布,最优状态空间构形与平稳概率分布中具有最大概率的状态构形相对应。对此自组织过程的收敛性进行了理论上的证明。与传统的适用于大规模数据的聚类方法相比较,该算法具有更快的收敛速度,仿真实验表明了其优越性。     

基于模糊聚类神经网络的镜头突变检测算法

讨论了采用无监督的模糊竞争学习算法，并结合自组织竞争网络构成的一种新型模糊聚类神经网络模型，提出了一种基于该网络模型的镜头突变检测算法。该算法通过对线性特征空间进行由粗到细的两步模糊聚类实现镜头突变的检测。实验结果表明该算法是可行和有效的。     

LTI状态空间模型的参数估计

采用3种方法研究了LTI(Linear time-invariant)状态空间模型中未知参数的估计问题:利用Metropolis-Hastings算法,从后验分布中抽取一定容量的样本,得出其均值和标准差;采用进化算法来最小化对数似然函数,得到全局最优解;采用模拟退火算法来最大化似然函数,得到全局最优解.最后,通过数值实验验证和比较了3种估计算法的有效性.     

采用随机变异步长的改进自组织迁移算法

自组织迁移算法是一种新型的进化算法。对自组织迁移算法的原理、实现及策略参数设置进行了详细分析,在此基础上提出了一种改进算法。通过在个体迁移过程中引入随机变异步长,寻优个体的行为变得多样化,加速了群体在多峰复杂空间中的寻优进程。仿真结果显示,该算法优于原自组织迁移算法和粒子群优化算法。