一类定量微分对策理论中最优策略的算法及其收敛性

本文利用不动点原理讨论了一类定量微分对策理论中最优策略的计算方法问题.首先构造出了一种迭代方法,然后利用不动点原理分析了该迭代法的收敛性.本文给出的方法还可用于一类Nash微分对策的Nash策略的分散计算方法.     

基于统计线性化的随机非线性微分对策逼近最优策略

针对二人零和随机非线性微分对策问题, 利用统计线性化技术并提出一种新的逼近策略控制方法. 通过求解具有统计线性化参数的Riccati微分方程得到逼近控制策略, 该Riccati微分方程与一般线性系统的Riccati微分方程具有明显的区别; 同时对控制量受约束情形的控制策略也进行了求解; 最后通过仿真验证了所得结论的正确性.     

基于微分对策的最优状态观测器和最优状态反馈控制器的设计

研究了线性系统基于二次型指标的最优状态观测器和最优状态反馈控制器的设计问题．将观测状态的状态反馈和状态误差的输出反馈分别作为两个对局方,应用微分对策理论研究了系统的最优控制问题．给出了最优状态观测器和基于状态观测器的最优状态反馈控制的存在性条件．将系统的最优状态观测器和最优控制器的设计问题转化为一对Riccati方程的求解问题．研究表明最优状态观测器在一般情况下不存在．并进一步研究了基于状态观测器的次优控制问题,给出了基于LMI的优化算法．     

基于微分进化算法的时间最优路径规划

提出了一种利用微分进化算法进行机器人路径规划的方法,在极坐标系下采用路径点列的极角和极径作为参数进行个体成员的矢量合成,生成的初始路径点集经过提炼处理极大提高机器人移动速度;仿真结果表明该方法可以解决大范围、多障碍环境的机器人路径规划问题。     

线性时变二次微分对策Nash策略的小波分析法(Ⅰ)——小波逼近解

基于小波多尺度逼近特性，提出了一种求解线性时变系统中微分对策Nash策略的新方法，该法避免求解耦合Riccati微分方程，而只需求解代解方程，适合于计算机求解。     

拦截机动目标的范数型协同微分对策制导律

针对多个拦截弹协同拦截单个机动目标的情况,提出了一种范数型的协同微分对策制导律。在拦截弹和目标的控制系统均具有理想动力学特性且法向加速度均有界的条件下,对追逃对策问题进行分析,建立了线性化的多对一追逃对策运动模型,基于微分对策理论选取范数型的性能指标,推导得出了一种具有"bang-bang"结构的最优制导策略。上述制导律无需预先对目标的机动规律做假设,且可避免出现因加速度饱和而导致制导律失去最优性的现象。最后通过对拦截多种机动形式的目标进行仿真,验证了上述方法的有效性。     

基于微分对策的供应链合作广告决策研究

针对供应链系统中制造商和零售商的合作广告计划问题,利用微分对策构建动态模型．分别研究制造商和零售商在合作和非合作条件下的广告策略．运用动态规划原理。分别得出静态反馈Nash均衡和反馈Stackelberg均衡,将两种均衡策略加以比较,结果显示合作广告计划是供应链系统中的一种协调和激励机制,可以提高两个渠道成员以及整个供应链系统的利润。     

决策者失望规避下供应链协同产品创新微分对策研究

在企业与企业之间竞争日趋激烈的背景下,能否在多个企业紧密联系的供应链中通过收益分配高效赋能上下游企业成为决策者撬动协同优势、凝聚创新合力的关键.基于失望理论,运用微分博弈方法针对供应链协同产品创新动态改进与协调进行策略挖掘,将产品创新研发商誉和失望规避因素纳入决策行为之中,在此基础上提出产品创新补贴契约和收益配比调节机制,最后对计算结果进行仿真分析.研究发现:无论在哪种博弈情形下,失望规避系数越大,供应链成员目标利润越低;在一定条件下,创新研发及推广补贴契约的设计与实施,能有效提升受补贴方研发和推广水平、最优收益和供应链整体收益,而提供补贴方的研发努力水平保持不变;将收益分配比率约束在特定的范围内,可有效提高供应链系统的总体绩效,实现协同合作下帕累托最优.     

基于T—S模糊建模思想的多人非合作微分对策

多人微分对策的研究是微分对策研究领域的难点.如果微分对策的状态方程和支付函数是非线性的,研究的方法有双边极值原理和变分法,那么就不可避免的要求解Hamilton-Jacobi偏微分方程组,这样的求解是比较困难的.针对非线性系统的多人微分对策,利用T-S模糊思想方法将非线性系统转化成若干个线性子系统,并对多个局中人进行分组,从而建立了多人非合作微分对策模型,最后举出一个4人非合作的实例进行仿真试验,效果说明了解决问题方法的可行性.     

基于微分对策理论的非线性控制回顾与展望

微分对策是使用微分方程处理双方或多方连续动态冲突、竞争或合作问题的一种数学工具. 它已经广泛应用于生物学、经济学、国际关系、计算机科学和军事战略等诸多领域. 微分对策实质上是一种双方或多方的最优控制问题,它将现代控制理论与对策论相融合,从而比控制理论具有更强的竞争性、对抗性和适用性. 本文根据非线性微分对策理论的控制、均衡及算法阐述了微分对策的理论发展历史,综述了已有结论与算法的本质,总结了现有的研究成果. 最后对基于微分对策理论非线性系统的鲁棒性与最优性进行了展望.     

Optimal Control in Differential Games with Nonfixed Termination Time

The paper considers the problem of finding an optimal control region for a pursuer. This region guarantees that the pursuer wins the game starting from some point that belongs to a prescribed set.     

基于动态自适应策略的改进差分进化算法

针对差分进化算法处理复杂优化问题时存在后期收敛速度变慢、收敛精度不高和参数设置困难的问题,提出了一种基于动态自适应策略的改进差分进化算法(dn-DADE)。首先,新的变异策略DE/current-to-dnbest/1利用当前种群中的精英解引导有效的搜索方向来动态调整可选的精英解,使其在进化后期趋于全局最优解。其次,分别设计了缩放因子和交叉因子的自适应更新策略,使两者在搜索的不同阶段自适应变化,以弥补差分进化算法对参数敏感的不足,进一步提高算法的稳定性和鲁棒性。对14个benchmark函数进行了测试并与多种先进DE改进算法进行了比较,结果显示,dn-DADE算法具有较高的求解精度,收敛速度快,寻优性能显著。     

基于微分博弈的追逃问题最优策略设计

本文设计了基于线性二次型微分博弈的多个攻击者、多个防御者和单个目标的追逃问题最优策略. 首先, 针对攻防双方保持聚合状态的情形, 基于攻击方内部、防御方内部以及双方之间的通信拓扑, 分别给出了目标沿固定轨迹运动和目标采取逃跑时攻防双方的最优策略. 其次, 针对攻防双方保持分散状态的情形, 利用二分图最大匹配算法分配相应的防御者与攻击者, 将多攻击者、多防御者追逃问题转化为多组两人零和微分博弈, 并求解出了攻防双方的最优策略. 最后, 数值仿真验证了所提策略的有效性.     

一种基于差分策略的群搜索优化算法

针对群搜索优化(Group Search Optimizer,GSO)算法易陷入局部最优、收敛速度较慢、收敛精度较低等问题,提出一种基于差分策略的群搜索优化(Differential Ranking-based Group Search Optimizer,DRGSO)算法。主要进行两方面改进:1)按照适应度值的大小对种群进行排序,适当增加发现者的数目,使种群能够获得更好的启发式信息,加快了算法的收敛速度,有效地避免了算法陷入局部最优;2)在发现者搜索过程中,引入4种不同的差分变异策略,提高了算法的收敛精度,增强了算法的群体多样性在。11组国际标准测试函数上的实验测试结果显示,与GA,GSO,PSO算法相比,DRGSO算法具有较强的全局搜索能力以及局部资源勘探能力,算法整体收敛性能明显提高。