动态电源管理的随机切换模型与在线优化

考虑系统参数未知情况下的动态电源管理问题，提出一种基于强化学习的在线策略优化算法. 通过建立事件驱动的随机切换分析模型，将动态电源管理问题转化为带约束的Markov 决策过程的策略优化问题. 利用此模型的动态结构特性，结合在线学习估计梯度与随机逼近改进策略，提出动态电源管理策略的在线优化算法．随机切换模型对电源管理系统的动态特性描述精确，在线优化算法自适应性强，运算量小，精度高，具有较高的实际应用价值．     

动态电源管理超时策略自适应优化算法

基于强化学习的方法,提出一种动态电源管理超时策略自适应在线优化算法.构建基于超时策略动态电源管理系统的半Markov控制过程模型,将动态电源管理问题转化为一个带约束的优化问题.利用此模型的动态结构特性,结合在线梯度估计与髓机逼近推导超时策略的在线优化算法.该算法自适应性强,计算量小,具有全局收敛性.通过无线网络通信节点动态电源管理的应用仿真验证了算法的有效性.     

动态环境中的Memetic算法

针对近几年在进化计算领域被广泛关注的动态优化问题,提出了一种基于粒子群优化(PSO)的Memetic算法.在一种环状拓扑结构的局部PSO模型中,利用模糊认知局域搜索策略来改善部分粒子的质量,同时引入一种自组织随机移民策略来保持算法的种群多样性.通过对一组标准动态测试问题的仿真实验,能够证明所提出的算法在动态环境中的有效性和适应能力.     

基于多模型切换的多观测器轨迹优化研究

充分考虑辐射源信号覆盖范围带来的观测约束,提出一种基于动态区间划分的多模型切换轨迹优化算法．该算法根据可探测区域内的观测器构造子区间划分特征向量,在不同的控制层使用相应的切换策略分别设计观测器运动规则、构造性能指标函数．根据设定的目标优化函数,在切换子层综合多种优化算法分别对不同的观测器进行轨迹优化．仿真表明,该方法能够有效解决观测约束下的匀速运动目标轨迹优化问题,具有一定的工程应用价值．     

无线多媒体通信网适应带宽配置在线优化算法

基于强化学习的方法,提出一种无线多媒体通信网适应带宽配置在线优化算法,在满足多类业务不同QoS(quality of service)要求的同时,提高网络资源的利用率.建立事件驱动的随机切换分析模型,将无线多媒体通信网中的适应带宽配置问题转化为带约束的连续时间Markov决策问题.利用此模型的动态结构特性,结合在线学习估计梯度与随机逼近改进策略,提出适应带宽配置在线优化算法.该算法不依赖于系统参数,如呼叫到达率、呼叫持续时间等,自适应性强,计算量小,能够收敛到全局最优,适用于复杂应用环境中无线多媒体通信网适应带宽配置的在线优化.仿真实验结果验证了算法的有效性.     

事件驱动的动态服务组合策略在线自适应优化

针对复杂应用环境中网络新媒体服务系统的特点,提出一种事件驱动的动态服务组合策略及其在线优化算法,在保证各类业务服务质量（QoS）的同时,提高系统资源的利用率．通过定义不同类型的事件,驱动服务组合的动态调整,实现对各类业务Qos的保障和对业务需求变化的感知．构建基于半Markov切换空间控制过程的系统分析模型,利用模型的动态结构特点,提出一种结合随机逼近和策略迭代的在线优化算法．该算法不依赖系统参数信息,对环境具有良好的自适应性．仿真实验结果验证了算法的有效性．     

高级动态电源管理在系统软件层的设计与实现

现在可移动嵌入式系统在飞速发展,而相应的电池技术发展速度却与之不符,这就使得电源管理成为了一个迫切需要解决的问题.动态电源管理(DPM)就是一种有效的系统级电源管理策略,它在恰当的时机选择性地切换设备状态,其目的是节省系统功耗以及系统响应延时.介绍了现有的几种DPM策略,如贪婪策略、超时策略、预判策略以及随机模型最优化策略等等,通过分析现有策略的优缺点,提出了一种系统级高级动态电源管理策略(ADPM),并在软件模拟环境中实现了ADPM策略和现有的其它几种DPM策略,并通过实验将几种策略进行比较,结果表明,ADPM在系统响应速度上要平均提高13%,在功耗节省上平均要提高16%,证明ADPM是一种有效的动态电源管理策略.     

HEVC中率失真优化算法的动态可重构实现

基于视频阵列处理器高效视频编码HEVC实现中,HEVC灵活的编码块增加了率失真优化算法硬件实现的难度,难以实现阵列规模和不同块的灵活切换.针对这一问题,提出一种动态可重构的率失真优化实现方法.基于上下文切换的动态重构机制,完成不同规模、不同块大小算法之间的灵活切换,并以率失真优化算法作为帧内模式选择的判别依据,实现帧内预测的模式重构.实验结果表明,与专用硬件实现的率失真优化算法相比,在算法灵活切换的同时,硬件面积减少了8.2％,算法执行的时钟周期数减少了16.5％.     

动态电源管理超时策略与随机型策略的等效关系

为了建立动态电源管理不同类型策略优化之间的联系,研究了超时策略与随机型策略在性能与功耗均衡上的等效关系.构建了动态电源管理系统基于半Markov控制过程的随机分析模型,通过分析该系统的稳态行为,揭示了超时策略和随机型策略在性能与功耗均衡上的等效性,推导出这2种策略之间的等效关系式;证明了超时策略具有最优的动态电源管理效果,并使得2种类型策略的优化结果能够相互转换.最后通过无线通信节点动态电源管理的数值仿真验证了这种等效关系.     

一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

Energy management for multi-microgrid system based on model predictive control

To reduce the computation complexity of the optimization algorithm used in energy management of a multi-microgrid system, an energy optimization management method based on model predictive control is presented. The idea of decomposition and coordination is adopted to achieve the balance between power supply and user demand, and the power supply cost is minimized by coordinating surplus energy in the multi-microgrid system. The energy management model and energy optimization problem are established according to the power flow characteristics of microgrids. A dual decomposition approach is imposed to decompose the optimization problem into two parts, and a distributed predictive control algorithm based on global optimization is introduced to achieve the optimal solution by iteration and coordination. The proposed method has been verified by simulation, and simulation results show that the proposed method provides the demanded energy to consumers in real time, and improves renewable energy efficiency. In addition, the proposed algorithm has been compared with the particle swarm optimization (PSO) algorithm. The results show that compared with PSO, the proposed method has better performance, faster convergence, and significantly higher efficiency.     

Constrained Markov control model and online stochastic optimization algorithm for power conservation in multimedia server cluster systems

This paper presents a novel Markov switching state space control model for dynamically switching resource configuration scheme to achieve power conservation for multimedia server cluster systems. This model exploits the hierarchical dynamic structure of network system and its construction is flexible and scalable. Using this analytical model, the problem of power conservation is posed as a constrained stochastic optimization problem with the goal of minimizing the average power consumption subject to the constraint on the average blocking ratio. Applying Lagrange approach and online estimation of the performance gradient, a policy iteration algorithm is proposed to search the optimal policy online. This algorithm does not depend on any prior knowledge of system parameters, and converges to the optimal solution. Simulation results demonstrate the convergence of the proposed algorithm and effectiveness to different access workloads.     

Credibilistic multi-period portfolio optimization model with bankruptcy control and affine recourse

Avoiding the possibility of bankruptcy during the investment horizon is very important to multi-period portfolio management. This paper considers a multi-period fuzzy portfolio selection problem with bankruptcy control. A multi-period portfolio optimization model imposed by a bankruptcy control constraint in fuzzy environment is proposed on the basis of credibility theory. In the proposed model, a linearly recourse policy is used to reflect the influence of historical predication basis on current portfolio decision. Three optimization objectives, viz., maximizing the terminal wealth and minimizing the cumulative risk and the cumulative uncertainty of the returns of portfolios over the whole investment horizon, are taken into consideration. For solving the proposed model, a fuzzy programming approach is applied to transform it into a single objective programming model. Then, a hybrid particle swarm optimization algorithm is designed for solution. Finally, an empirical example is presented to illustrate the application of the proposed model and solution comparisons are also given to demonstrate the effectiveness of the designed algorithm.     

基于能量效率的认知无线网络联合优化算法

为提高认知无线网络能量有效性,提出一种基于能量效率的联合优化算法。在考虑主用户干扰容限的基础上构建了能量有效性模型,将优化目标分解为接入策略求解和功率优化问题,采用粒子群算法反复迭代,得到接入概率与功率分配的联合最优解。仿真结果表明,相对于不考虑功率优化或接入概率的传统优化方法,所提算法可使系统能量效率得到显著提升。     

基于混合粒子群算法的锌电解过程能耗优化

针对锌电解过程能耗过高的情况,研究其能耗优化问题.根据电力部门实行的分时计价政策,建立以全天锌电解过程电能消耗和总用电费用为目标的锌电解过程多目标优化模型.提出一种带加速度调整的粒子群优化算法,当粒子陷入局部最优时,通过加速度策略增强种群速度,使算法获得持续搜索的能力,有效克服早熟收敛;并和Powell算法相结合构成新的混合粒子群算法,将粒子群算法的全局搜索能力与Powell算法的局部寻优能力有机结合起来.最后将该混合粒子群算法应用于所建优化模型的求解,获得优化生产方案.仿真结果证明了该算法的有效性.工业应用效果表明,按所得优化方案组织生产降低了电能消耗,减少了用电费用.     

多业务CDMA网络参数优化模型与算法

在考虑覆盖率、软切换率、业务信道拥塞率和功率损耗等网络质量指标的基础上,建立多业务CDMA网络参数优化问题的数学模型.通过分析模型的特点,设计了一种基于约束优化遗传算法(COGA)的求解方法,并给出了算法实现的各种关键技术.对一个实际算例进行实验研究,仿真结果表明算法能够有效地配置各种网络参数,网络性能得到提升,优于实际DT(driver test)的优化效果,从而表明所建模型和算法能够为多业务CDMA网络参数优化问题提供快速的解决方案,有效地指导实际的网络管理工作.     

能效最优准则下的无人机中继系统的功率分配算法

由于无人机（Unmanned aerial vehicle,UAV）机动性好且部署简单,基于无人机中继的传输技术受到了广泛关注。功率作为通信系统的重要资源,其分配问题直接影响各条链路的性能和整个通信系统的能量效率。本文以莱斯衰落信道为背景,提出了一种在系统能效准则下的无人机中继通信系统的功率分配算法。首先在双跳放大转发（Amplify-and-forward,AF）中继传输模型的基础上建立功率分配的优化模型,将功率分配问题转化为求解最大系统能效的优化问题。在最优功率分配的求解过程中,先固定发射信号功率,获得波束形成优化方案;然后通过大信噪比区间近似,将非凸优化问题转化为凸优化问题;最后利用KKT（Karush-Kuhn-Tucker）条件,计算得出功率分配方案的闭式解。仿真实验表明,本文算法相对于迭代算法降低了算法复杂度。     

基于能效的多天线中继网络波束形成设计

为了提高放大转发多天线中继网络的能量效率,提出了一种基于能量效率的波束形成算法,在满足中继功率约束条件的同时,最大化系统归一化信噪比.最终得到的优化问题是一个非凸的优化问题,难以求解.将其简化为一个一维的优化问题,可以利用求导的方法进行求解.仿真结果表明:与基于信噪比的波束形成算法和未使用波束形成的放大转发方式相比,所提算法可显著提高系统的能量效率.