一种用于上下文推理的带反馈的自适应模糊Petri 网模型

自适应模糊Petri 网兼具模糊Petri 网的模糊推理能力和神经网络的学习能力,是普适计算的模糊情境推理机制的重要的形式化规约工具.但该模型依赖于离线训练数据集,无法适应动态变化的普适智能环境.在自适应学习Petri 网模型中嵌入反馈机制,并对将模糊逻辑引入对上下文的表示,利用神经网络的反向传播学习方法对隶属度函数的参数进行学习,提高了模型的场景适配和个性化自学习能力.通过设计服务推荐系统,建立了模型仿真与验证实验环境.实验结果表明,该方法可以有效提高系统学习能力,进而提高推理正确率.     

一种环境自适应的无线传感器网络定位算法

在目前无线传感器网络中,接收信号强度指示(RSSI)测距模型严重依赖于信号衰减因子。为解决该问题,提出一种环境自适应的无线传感器网络定位算法。该算法利用改进的RSSI测距方法,通过网络中边与边之间的量化关系,消去信号衰减因子对定位算法的影响,从而使算法能实现对环境的认知。仿真实验结果表明,与传统的MDS-MAP定位算法相比,该算法具有较强的环境自适应能力和较好的定位精度。     

基于灰色预测可变裕度PID网络自适应算法

为了综合控制拥塞链路的队列长度,提高AQM系统对动态网络环境的自适应能力,提出了一种基于灰色预测和考虑可变裕度PID控制的自适应TCP网络主动队列管理。首先,建立相角和幅值裕度与网络参数相关的PID自适应主动队列(TCP/AQM)控制论模型,该模型可以根据网络参数的变化而动态改变控制参数,以提高AQM网络动态自适应能力,及系统的鲁棒性;其次,将灰色预测引入该模型,实现路由器队列长度的超前预测,补偿带有PID反馈模块的AQM算法给队列造成的时滞影响。与其他算法的仿真结果相比较,该设计算法能够使信息流在较短的时间内稳定在期望队列长度阈值附近。     

基于Agent的入侵检测系统层次结构模型

该文在分析自适应的分布式入侵检测系统功能需求的基础上,提出了基于Agent的入侵检测系统层次结构模型,该模型具有较严密的安全防范措施和较高的系统鲁棒性、可靠性,适用于复杂网络环境。     

一种基于浓度调节的RCB算法

决定入侵防御系统漏检率和误检率的关键要素是模式匹配算法,改进r连续位匹配算法可以提高入侵检测系统的性能。受生物内分泌系统通过激素浓度调节适应内外环境机制的启发,设计了人工激素浓度的动态平衡模型,构造了一种基于浓度调节的RCB算法。实验数据表明,该算法能够根据网络状态变化,自适应地调整匹配参数,具有较好的应用价值。     

基于免疫机理和遗传算法的自适应入侵检测系统

随着网络入侵方法和网络计算环境的变化,入侵越来越难被检测和防范.本文针对当前入侵检测中存在的问题给出了一种基于生物免疫机制的入侵检测模型,利用遗传算法生成的疫苗种群不断更新抗体库使系统具有自适应和自学习的能力,最后通过仿真验证模型的检测性能。     

工作流管理系统中自适应机制的研究

针对传统工作流管理系统存在灵活性不足、自适应能力缺乏等问题,对自适应机制进行了研究。首先提出了一种基于ECA规则和活动组合的自适应工作流模型,并在此基础上提出了一种自适应机制。设计了基于Agent的自适应工作流管理系统。该系统动态地分派流程中的任务,自主地调整流程执行来适应执行环境的变化。     

基于ADALINE神经网络的自适应滤波方法

自适应滤波器能够适应系统和环境的动态变化,具有较高的滤波精度。介绍了一种利用ADALINE神经网络进行自适应滤波的方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型将发动机高压油管振动信号中的机体振动噪声滤除,提高了信噪比,为利用高压油管振动信号进行喷油器故障的精确诊断奠定了基础。     

基于黑板的自治代理协同入侵检测系统模型

人侵检测系统是针对网络攻击的重要检测机制。迅速发展的网络技术、互联网流量的迅速增长以及攻击的复杂性使得现存的人侵检测系统难以提供可靠的服务。这就需要考虑优化性能，提供一种具备学习和自适应能力的入侵检测系统。文章提出了一种入侵检测模型，它基于自治agent和黑板结构，具有更好的自学习能力，这种检测系统能够自动适应网络环境和攻击类型的不断变化提高自身对新型的网络攻击的检测能力。     

自适应入侵检测专家系统模型

大多数入侵检测系统不能适应网络环境的变化，即不具备自适应性。针对此情况，提出了自适应策略，该策略由状态空间和策略空间构成，状态空间用来描述网络环境，策略空间用来描述采用的策略。对于状态空间中的某一具体的环境状态，在策略空间存在唯一的策略与之对应。在构建自适应策略的基础上，将基于规则的推理和基于事例的推理相结合，设计了自适应入侵检测专家系统模型(AIDESM)。AIDESM既有专家知识库，又有入侵事例库，利用自适应策略和评价学习机制，能够实现自适应入侵检测。实验结果表明，该自适应策略是比较有效的。     

面向海洋场景的无线传感器网络体系结构模型研究

研究了传统无线传感器网络体系结构的缺陷,分析了海洋场景的特点,总结了基于海洋场景的无线传感器网络的典型需求目标,归纳出海洋环境中无线传感器网络体系结构模型设计的若干原则。结合海洋环境自适应、网络自愈合、能量高效、动态优化等目标需求,提出了一种面向海洋场景的无线传感器网络体系结构模型WSNAOS,并对WSNAOS模型的设计理念、主要特色、各层和各模块功能进行了详细阐述。WSNAOS模型不仅具备了海洋环境自适应和能量高效等特征,还能为面向海洋场景的无线传感器网络各类协议的研究提供一个统一的问题描述和分析的理论框架。     

移动云环境中基于节点自适应配置的可靠服务架构

为了解决移动云计算系统中因链接断开和网络分区对服务可靠性的影响问题,提出一种基于服务副本管理和节点自适应配置的服务软件架构。其由通信中间件、监测系统、上下文管理器以及副本管理器组成。根据监测到的服务需求和节点信息,副本管理器通过一种自适应配置算法来激活或休眠节点,使任务能够在当前最适合的节点中执行,以此提高计算服务系统的可靠性。案例结果表明,该方案能够保证动态网络环境中的服务可靠性。     

一种复杂自适应搜索模型

针对互联网开放性、层次性、演化性、巨量性等本质特性,从复杂自适应系统这一全新的角度,以农业垂直搜索为应用背景,提出一种复杂白适应搜索模型.该搜索模型的主要特点是通过建立信息采集、分类、清洗与服务智能体联盟,组成多智能体实验环境.通过建立模型的学习机制与进化机制,改善搜索模型对网络环境的动态适应能力.经过与现有主流搜索引擎的比较实验发现,它在查准率方面具有明显优势.同时,由于该搜索模型具备通用的结构体系,因而在建立其它行业的垂直搜索模型时,可被方便地移植使用.     

基于动态函数连接神经网络的自适应逆控制系统辨识研究

自适应逆控制将系统扰动消除和动态响应性能独立分开控制,其性能的优劣取决于系统对象、逆对象及逆控制器模型辨识精度的高低。文中提出用动态函数连接神经网络来实现自适应逆控制系统对象、逆对象的同时在线建模和逆控制器的离线建模,并将模型参数的辨识转化为空间参数寻优。针对混沌初始化对已收敛种群结构的破坏性,提出用变参数混沌粒子群优化算法对神经网络权值进行全局寻优,通过仿真实验可以看出基于动态函数连接神经网络的建模误差小,辨识精度高;与当前的参考模型自适应控制方法进行对比分析,所提方法能取得较好的扰动消除效果,并能使系统的跟踪响应性能得到提高,从而验证了方法的有效性、可行性。     

一种安全群通信系统的设计与应用

为了提供能够构造开放式网络环境下各种分布式应用的安全通信平台,在可靠的群通信系统Spread基础上设计了一种安全群通信系统。该系统的访问控制框架的结构与具体实现方法无关,能够满足群应用的不同安全要求以及动态群对安全性要求的变化。为了说明该系统的可行性,实现了一个电子集市安全通信平台。     

动态自适应软件体系结构重配置研究

在当前的自适应软件研究中,人们将更多的关注点放在环境感知、服务质量建模、编程语言等方面,从而导致缺乏对自适应过程和原理的深入揭示的问题.关注体系结构,研究动态自适应过程,提出了一种软件体系结构重配置方法.该方法通过对构件、连接子的添加、删除和替换等操作来调整体系结构.基于云计算的服务器池大小动态自适应调整实验表明,动态自适应能提高系统的可信度,降低运行费用.     

Modeling and simulation of supply network evolution based on complex adaptive system and fitness landscape

A supply network (SN) is a complex adaptive system, and its structure and collaboration mechanism evolves over time. However, most literature views SN as a static system and the study on the evolution of SNs is very limited. Based on complex adaptive system and fitness landscape theory, this paper first proposes an evolution model of SNs in order to understand the general principle of SN evolution. Then the paper conducts a multi-agent simulation on the evolution model, and discloses that the SN emerges and evolves from firms’ dynamic interaction under the dynamic environment. Dominated by the environment and firms’ internal mechanism, the evolution is highly sensitive to the initial condition, and it is path-dependent and difficult to predict precisely. Although the dynamics of environments is different, a SN enjoys the stable structure in different environments. Higher level of structure stability and fitness of the SN are achieved when the firms in the SN adopt the long-term collaboration strategy rather than the short-term strategy. Finally, a China case is explored which validates the self-organization evolution of SNs.     

考虑输出约束的机械臂自适应神经网络鲁棒控制

在工业机械臂系统的跟踪控制过程中,由于其结构和工作环境复杂,导致难以建立精确的系统模型,针对此问题提出了基于多层前馈神经网络的自适应鲁棒控制器.通过神经网络在线估计机械臂系统动力学模型,并在控制器中进行补偿,同时设计了一个在线更新的鲁棒项克服神经网络的重构误差;考虑机械臂实际系统的输出约束,采用障碍李雅普诺夫函数设计控制律并证明系统的稳定性从而使系统满足约束条件.仿真实验结果表明:在约束条件下所提出的控制器能够实现系统的一致最终有界稳定,且跟踪性能良好,并具有很好的抗干扰和自适应能力.     

自适应演化软件研究进展*

自适应演化软件通过演化技术,为软件添加动态、柔性以及灵活可变的特征,使软件系统能更好地适应动态、开放以及难控的网络环境,并在普适计算、嵌入计算等领域表现出良好的应用前景,成为当前软件技术研究中备受关注的热点之一。为更好地研究自适应演化软件,需对现有研究成果进行总结和归纳。首先总结自适应演化的基本特征,指出其面临的挑战;在此基础上,从语言、体系结构和框架应用层面描述其研究成果,并对其进行分类与比较,进而给出相关概念结构;最后总结了其不足以及进一步的研究问题。     

自适应模糊神经网络研究

模糊神经网络提供了从人工神经网络中模糊规则的抽取。本文研究模糊神经网络的自适应学习，规则插入和抽取及神经－模糊推理的FuNN模型，把遗传算法作为系统模糊规则选择的自适应策略之一。