机会式频谱接入问题基于事件的优化方法

研究机会式频谱接入技术中次用户对可利用频谱进行探测和接入策略的优化问题. 通过引入事件的概念, 将含有可数无限状态的原问题转化为包含有限个事件的决策问题. 从性能灵敏度的角度出发, 分析不同策略下平均传输率的差异, 给出了基于事件策略的性能差分公式. 以此为基础, 通过合理的近似, 设计了基于事件的策略迭代算法. 仿真示例验证了所提出算法的有效性和近似处理的合理性.

     

进化强化学习及其在机器人路径跟踪中的应用

研究了一种基于自适应启发评价(AHC)强化学习的移动机器人路径跟踪控制方法.AHC的评价单元(ACE)采用多层前向神经网络来实现,将TD(λ)算法和梯度下降法相结合来更新神经网络的权值.AHC的动作选择单元(ASE)由遗传算法优化的模糊推理系统(FIS)构成.ACE网络的输出构成二次强化信号,用于指导ASE的学习.最后将所提出的算法应用于移动机器人的行为学习,较好地解决了机器人的复杂路径跟踪问题.

     

一类非线性动态系统基于强化学习的最优控制制

提出一类非线性不确定动态系统基于强化学习的最优控制方法. 该方法利用欧拉强化学习算法估计对象的未知非线性函数, 给出了强化学习中回报函数和策略函数迭代的在线学习规则. 通过采用向前欧拉差分迭代公式对学习过程中的时序误差进行离散化, 实现了对值函数的估计和控制策略的改进. 基于值函数的梯度值和时序误差指标值, 给出了该算法的步骤和误差估计定理. 小车爬山问题的仿真结果表明了所提出方法的有效性.

     

群集系统分群行为建模与控制研究进展

群集系统的分群行为表征为一个聚合的母群分裂成多个子群的现象, 探讨其产生机理和控制方法具有重要的理论意义和应用价值. 鉴于此, 从分群行为的理论建模和控制方法两个角度出发, 对近年来群集系统分群运动研究的主要成果进行综述, 回顾了目前分群运动理论建模研究的最新进展, 重点总结了分群运动的现有控制方法和结论, 并对分群控制研究中尚存在的问题进行了探讨, 最后就分群行为后续可能的研究方向进行了展望.

     

企业核心竞争力的动态不确定多尺度决策研究

针对传统企业核心竞争力的评价以静态,定性为主的缺陷,从动态不确定的角度,通过引入偏差变量的方法建立不确定性偏好排序的统一模型,提出了综合考虑区间数关联度和方案序的决策者权重方法.构建企业核心竞争力动态不确定多尺度评价模型,并进行了算例实证.结果表明该方法可以对企业核心竞争力进行动态和定量的评价,更具有科学性.

     

具有极点约束的鲁棒H2/H∞满意容错控制

针对不确定性不满足匹配条件的随机线性离散系统,研究执行器发生故障时满意容错控制器的设计问题.在更一般的连续型执行器故障模型下,所设计的控制器可保证闭环系统同时满足区域极点指标,H_∞范数指标和 H₂性能指标约束.建立了3类指标的相容性,并给出了相容指标约束下控制器存在的充分条件和设计步骤.仿真实例验证了该方法的有效性,并通过与不考虑故障的系统进行比较,说明对系统进行满意容错控制的必要性.

     

基于一类新的强化缓冲算子的GM(1,1)预测精度研究

根据灰色系统理论中新息优先利用原理,在对缓冲算子和已有强化缓冲算子研究的基础上,构造了一类新的强化缓冲算子,有效解决了冲击扰动数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题.实例分析结果表明,这类新的强化缓冲算子能显著提高GM(1,1)模型的预测精度.

     

一种带参考批次的线性时变系统迭代学习控制算法

!针对线性时变系统的轨迹跟踪控制问题,提出一种带参考批次的迭代学习控制算法,并给出了算法的收敛性分析.该迭代学习控制算法不需要事先了解线性时变对象的太多知识,而是将当前批次输入轨迹的较小变化所引起的输出轨迹作为参考批次,并以当前批次与参考批次的输入变化与对应的输出变化之比作为学习律,从而实现目标轨迹的跟踪.以一个典型的线性时变系统为例进行仿真分析,验证了所提出算法的有效性.

     

集成学习中的多样性度量

在集成学习中, 基分类器之间的多样性对于解释多分类器系统的工作机理和构造有效的集成系统具有重要的作用, 但至今仍没有统一的度量多样性的方法. 首先总结介绍常用的多样性度量方法, 阐述每种方法评估多样性的角度和方式; 然后从对多样性新的解释和度量、多样性度量在选择性集成中的应用、多样性度量和集成学习精度的关系3 个方面探讨多样性度量的研究进展; 最后给出关于多样性度量进一步的研究方向.

     

基于反向累积法的强化缓冲算子序列的研究

在灰色系统理论缓冲算子公理体系下,利用反向累积和的概念,构造了l 阶反向累积和算术平均强化缓冲算子及l 阶反向累积和几何平均强化缓冲算子.给出并证明了其强化缓冲算子的性质和算子作用后序列之间的大小关系.该类算子具有普适性,当阶数等于1时即为党氏强化缓冲算子.最后通过一个实例验证了该算子的有效性.

     

基于自学习模糊Petri网的知识化制造系统采购预测

对模糊Petri网进行改进,使其增加自学习能力,即自学习模糊Petri网(SFPN).提出了自学习模糊Petri网模型知识库的建立方法,通过构造SFPN模型知识库,建立并保存现有产品的SFPN模型,开发新产品或进行新的决策时调出并进行修正后作为新产品模型,通过较短时间和少量样本的自学习训练,便可用于新产品的预测或决策.最后通过采购预测实例验证了该方法的有效性.

     

基于熵准则的发酵过程TSK 模糊建模

提出了一种基于熵准则函数的TSK 模糊系统建模方法. 不同于传统的基于MES 经验误差最小的准则函数,该准则函数能从训练样本的整体分布结构来进行参数学习,有效地避免了由于过学习而导致泛化能力差的缺点.将其应用于复杂的发酵过程建模,结果表明新方法具有良好的预测精度,泛化能力和鲁棒性 .为解决发酵过程建模中试验数据含有噪音,导致模型预测精度下降的问题提供了一条研究思路.

     

一种基于有向交叉的遗传算法

从解空间的角度分析了交叉算子的作用,针对其盲目搜索的缺陷,提出一种有向交叉遗传算子.该算子通过优化控制交叉子代的落点位置,使交叉子代大概率地朝着最优解的方向进化.实验表明,该算子显著地加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度.

     

分数阶控制研究综述

作为控制科学与工程中一个新的研究领域,分数阶控制的研究愈来愈被关注.简要介绍了分数阶控制的数学背景和基本知识,对分数阶控制理论及应用(分数阶系统模型,系统分析,分数阶控制器,非线性分数阶系统$系统辨识)的研究作了总结,评述和展望.

     

非对称信息下供应链库存系统Pareto 优化模型

运用委托代理理论,研究了非对称信息条件下,由单供应商单分销商组成的供应链 Pareto优化问题. 在假定分销商所面临的需求是与销售价格有关的随机变量,以及供,销双方关于分销商销售价格信息不对称这两个前提下,将供应商作为委托人,分销商作为代理人,给出了供应商为吸引销售商选择对自己最有利的销售价格而设计的最优激励合同,比较了在不同信息条件下供销双方的最优决策 .最后,给出了应用实例和灵敏度分析.

     

基于案例推理的谈判支持系统的研究

通过对谈判案例的表达,检索,复用,评价,适配和学习的研究,基于案例推理的谈判支持系统解决了谈判者谈判相关知识缺乏的问题,在谈判案例表达方法中提出了属性分类方法;采用改进的最近相邻法进行谈判案例适配,以获得更相近的谈判历史案例;通过对基于案例推理的谈判机制分析,构建了基于案例推理谈判支持系统的体系结构,并详细设计了谈判系统的功能.最后,通过一个采购谈判方案验证了基于案例推理谈判支持系统的实用性.

     

基于最大公约子范畴的应急决策知识匹配研究

在范畴化知识结构的基础上,提出一种基于最大公约子范畴的知识匹配方法,其解决的主要问题就是通过对决策者的需求和背景知识的匹配,有效量化决策知识的语义处理,提高决策背景知识的萃取效率.实验结果表明,该方法能够同时提高知识匹配过程中的精度和召回率.

     

受干预多智能体系统的一致性分析及控制

运用图论、矩阵分析和极限理论, 研究当通信拓扑结构连通的多智能体系统受到干预时, 系统仍保持一致性的充分条件及其平衡状态. 利用指数函数快速递减且可积的特性, 设计干预控制器, 控制多智能体系统收敛到指定位置. 仿真研究实验验证了所提出结论的正确性.

     

双目立体匹配算法的研究与进展

立体匹配一直是计算机视觉领域的一个中心研究问题.首先综合介绍了立体匹配算法的研究概况,论述了双目立体匹配算法中各种约束的核心概念和适用范围;然后重点归纳分析了立体匹配算法的分类及其发展过程中的各种演化算法,对其关键技术进行了剖析和比较,并总结了目前存在的主要难题和可能的解决途径;最后对该领域存在的问题和技术发展趋势进行了分析和讨论.

     

知识引导遗传算法实现机器人路径规划

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,设计一种知识引导遗传算法,在染色体的编码,初始种群的产生,各种遗传算子和优化算子中加入相关的领域知识.综合考虑机器人路径的长度,安全度和平滑度等性能指标,在对机器人进行路径规划的同时,利用删除,简化,修正和平滑,种优化算子进行路径优化操作.仿真结果表明.所提方法能够有效提高遗传算法求解实际路径规划问题的能力和效率.