基于O-O生命周期法的复杂系统设计方法

本文提出了一套基于面向对象生命周期法的复杂系统的工程化分析、设计与开发的原 则、方法和步骤,并应用于移动机器人控制平台的开发中．该方法为复杂系统的设计与开发 提供了明确的指导路线,可以提高整个系统的开发效率,并增强其可靠性、适用性和可维护 性．     

一类欠驱动机械系统的模糊与变结构控制

针对体操机器人这类欠驱动机械系统,提出一种模糊与变结构控制策略.首先用逻辑 模糊控制实现快速平滑的摇起;然后用模糊变结构控制确保从摇起区快速进入平衡区;最后用 基于Takagi-Sugeno模糊模型的模糊控制达到较大范围内的平衡控制.     

前景汉量规划模型及其仿真研究

前景业务流量数学建模是网络仿真中流量模型的重要组成部分,提出了基于有效带宽建立整个网络业务层流量的数学方法,并给出仿真实验数据进行验证。     

An adaptive genetic algorithm with diversity-guided mutation and its global convergence property

An adaptive genetic algorithm with diversity-guided mutation, which combines adaptive probabilities of crossover and mutation was proposed. By means of homogeneous finite Markov chains, it is proved that adaptive genetic algorithm with diversity-guided mutation and genetic algorithm with diversity-guided mutation converge to the global optimum if they maintain the best solutions, and the convergence of adaptive genetic algorithms with adaptive probabilities of crossover and mutation was studied. The performances of the above algorithms in optimizing several unimodal and multimodal functions were compared. The results show that for multimodal functions the average convergence generation of the adaptive genetic algorithm with diversity-guided mutation is about 900 less than that of adaptive genetic algorithm with adaptive probabilities and genetic algorithm with diversity-guided mutation, and the adaptive genetic algorithm with diversity-guided mutation does not lead to premature convergence. It is also shown that the better balance between overcoming premature convergence and quickening convergence speed can be gotten.     

“智能优化算法及其应用”课程教学的实践与探索

本文通过教学实践出发,从教学方法和教学内容等方面对"智能优化算法及其应用"课程的教学进行了探讨,将启发式教学、示例教学、多媒体课件教学、课程设计等教学方法和手段运用到"智能优化算法及其应用"课程的教学当中,取得令人满意的教学效果。     

字典序进化算法用于组合优化问题

为了寻求快速、高效的算法在合理的计算时间内解决大规模组合优化问题以克服目前许多算法的不足, 本文提出了一种新的编码方法, 将离散的组合空间一一映射到连续的整数区间, 结合进化策略的成熟搜索机制提高新算法的性能. 整数编码与问题的组合向量一一对应,所有编码均为可行方案, 有效避免了以往算法中的冗余运算, 进一步缩小了问题的搜索空间. 其次, 进化策略中加入了一个精英队列, 并且建立了相应的精英学习策略.在整个群体进化的同时, 精英个体也按照相应的策略不断优化, 从而有效吸收以往算法在组合优化问题上的成功经验, 有利于保留好的基因段. 最后证明了新算法以概率1收敛到全局最优. 基于旅行商问题测试库的仿真实验结果表明了算法的有效性.     

求解全局优化问题的混合自适应正交遗传算法

提出了一种基于正交实验设计的混合自适应正交遗传算法(hybrid self-adaptive orthogonal genetic algorithm,简称HSOGA)以求解全局优化问题,此算法利用正交实验设计方法设计交叉算子,并提出一种自适应正交交叉算子.该自适应正交交叉算子根据父代个体的相似度自适应地调整正交表的因素个数和对父代个体进行因素分割的位置,生成具有代表性的子代个体,以更好地搜索空间.此外,新算法利用自适应正交交叉算子生成均匀分布的初始种群,以保证初始群体的多样性.同时引入了局部搜索策略以提高算法局部搜索能力和收敛速度.通过14个高维的Benchmark函数验证了算法的通用性和有效性.     

一种基于预测模型的均值偏移加速算法

为了减少均值偏移算法的计算量,提出一种基于预测模型的均值偏移加速算法．根据迭代序列不同的 收敛特点,建立收敛预测模型,通过减少每次迭代时矢量离收敛点的距离来实现加速．从理论上证明了其收敛速度 比原均值偏移算法快,实验结果也进一步表明,该算法明显地提高了收敛速度,同时可以保证跟踪的准确性．     

一种基于目标和背景加权的目标跟踪方法

Mean shift算法在实际应用中,若目标部分被遮挡或有背景因素干扰,则跟踪精度会降低.鉴于此,将背景和目标本身分别进行加权,通过背景加权改善对目标特征的描述,对目标的不同部位赋予大小不等的权值,有效地提高了Bhattacharyya系数值.从原算法对目标模型的描述出发,将其加入到Mean shift算法的数学模型表达式中.通过算法改进前后的实验结果以及跟踪偏差和迭代次数的比较发现,跟踪效果得到了明显改善.     

四种虚拟力模型在传感器网络覆盖中的性能分析

虚拟力模型在传感器节点的覆盖算法中应用很广泛,而力模型的选择是覆盖算法中的一个重要问题。在本文中,首先分析了四种虚拟力模型自身参数对覆盖性能的影响;接着采用覆盖增长率,算法迭代次数,覆盖效率和节点平均移动距离四个指标对四种虚拟力模型进行了性能分析。分析结果表明,具有三个参数调节的虚拟力是性能较好的一种虚拟力模型。