遗传余代数与二次型

给出1类重要的遗传余代数——正规的广义路余代数,在余代数上定义了3种二次型,证明了在Gabriel箭图是局部有限的遗传余代数上定义的这3种二次型一致。     

基于多样化进化策略的基因表达式编程算法

针对传统GEP（Gene Expression Programming）算法的未成熟收敛以及陷入局部最优问题,提出一种基于多样化进化策略的基因表达式编程算法（DS-GEP：Gene Expression Programming based on diversified develop-ment strategy）。该算法通过基因空间均匀分布策略,自适应地交叉和变异算子以及淘汰算子等方法,对种群给予不同的进化策略,以保持种群的多样性,从而增强算法的寻优能力。通过对函数挖掘的实验证明,多样化进化策略各个部分均对改善挖掘效率发挥了作用,提高了DS-GEP函数挖掘算法的成功率。与传统GEP算法相比较,该算法的平均成功进化代数缩短了11%,成功进化时间缩短了8%,进化成功率提高了20%。     

具有Rao简单结构的多元t-模型的异常点检验

异常点识别是统计诊断的主要研究问题之一.本文利用均值漂移模型和似然比检验,研究了具有Rao简单结构的多元t-模型的异常点识别问题,给出了判别异常点的方法.     

基因表达式编程种群多样性自适应调控算法

为了解决基因表达式编程GEP种群多样性控制问题,提出了一种新的带权种群多样性的自适应调控方法。设计了带权的种群多样性测度方法,详细分析了选择、交叉及变异算子对种群多样性的影响。提出了初始种群的多样化算法DAIP,以保证初始种群多样性的最大化。设计了自适应的交叉和变异算子,提出了种群多样性自适应调控算法APDTA,使种群在进化过程中维持合适的种群多样性,进而提高进化效率。实验验证了APDTA的有效性。     

抑制漂移误差的多描述视频编码*

针对多描述编码的漂移问题,提出一种基于H.264的多描述编码方案。该方案先对原始图像空间域采样形成两个子图像,然后通过相关联的两路H.264编码器,生成包含相同运动信息的描述,并在解码端采用自适应三次线性插值法恢复补偿信息,达到抑制漂移误差的目的。实验结果表明,该方案能有效提高编码效率,同时获得较好的视频传输质量。     

求解Job-shop调度问题的遗传蚁群算法*

描述了Job-shop调度问题,研究遗传算法和蚁群算法在解决Job-shop问题中的优点和不足,融合遗传算法和蚁群算法设计了遗传蚁群算法以求解Job-shop调度问题,并对算法进行了仿真实验,通过与遗传算法、蚁群算法及已有的遗传算法和蚁群算法的融合算法结果的对比,验证了该算法的有效性。     

一种光纤陀螺随机漂移的高精度建模方法

为减小光纤陀螺随机漂移,采用时间序列分析法对其进行ARMA模型辨识.提出一种全局最优的模型阶次搜索算法,将模型适用性检验方法中的BIC(Bayesian information criterion)用于模型阶次搜索,并采用Pandit-Wu建模思想,把二维搜索化为一维搜索,得到了模型阶次的一致性估计.提出了一种改进的U-C算法,并与长自回归模型计算残差法相结合共同估计模型参数.它将非线性参数估计过程转化为线性过程,使用了正置与逆置漂移时序参与估计,以前向和后向模型的滤波误差平方和最小为参数估计的指标,在p+1维空间中求极小值.采用上述方法确定的模型其残差标准差为0.002 4°,最大预报误差为0.011 2°,能准确预报光纤陀螺随机漂移趋势.     

亚分米级GPS基线解算新算法

当双差模糊度固定解的可靠性下降时,三差基线解成为当前情况下的最优选择,但通常情况下三差基线解精度只能达到分米级,难以满足高精度的要求.通过对三差测量值进行误差分析,给出三差观测量信噪比模型,结合实际观测数据分析,指出噪声对三差观测量影响很大.借鉴均值漂移理论出了精度为亚分米级的基线解算的新算法,给出了适用于单频三差基线解算的均值漂移模型,所述算法的精度可以达到10cm,即亚分米级.     

超冗余移动机械臂的逆运动学快速求解

为了快速并精确地求解一类冗余移动机械臂(MM)运动学的优化逆解,提出了一种基于遗传信
赖域算法和解析解法相结合的运动学求逆方法. 首先使用解析解法求出机械臂逆解关于移动
车运动参数的表达式,据此表达式引入关节最佳柔顺性准则确定信赖域算法的目标函数;然
后用遗传信赖域算法快速求解此只包含移动车运动参数为自变量的目标函数的最优化问题,
据此求出运动学逆解. 仿真算例表明,该方法能快速求出精确和优化的运动学逆解.     

基于特征漂移的数据流集成分类方法

为构建更加有效的隐含概念漂移数据流分类器,依据不同数据特征对分类关键程度不同的理论,提出基于特征漂移的数据流集成分类方法（ECFD）。首先,给出了特征漂移的概念及其与概念漂移的关系;然后,利用互信息理论提出一种适合数据流的无监督特征选择技术（UFF）,从而析取关键特征子集以检测特征漂移;最后,选用具有概念漂移处理能力的基础分类算法,在关键特征子集上建立异构集成分类器,该方法展示了一种隐含概念漂移高维数据流分类的新思路。大量实验结果显示,尤其在高维数据流中,该方法在精度、运行速度及可扩展性方面都有较好的表现。