基于讨论组和自主学习的教与学优化算法*

教与学优化算法(teaching-learning-based optimization, TLBO) 是一种模仿教学过程的新型启发式优化算法。针对TLBO 算法寻优精度低、稳定性差的特点, 提出了基于讨论组和自主学习的教学优化算法DSTLBO(discussion group and self-learning TLBO)。在原TLBO算法的“教”阶段当中加入了小组讨论,随机将全体同学分成若干组,通过组内学生向本组中学习最好的组长学习,提高了算法的局部开发和寻优能力;组长受老师和组内同学影响进行变异,提高了算法的探索能力;在“教”、“学”阶段后,每个学生进入“自我学习”阶段,从而提高了算法的全局搜索能力。通过对8个复杂的Benchmark函数的测试表明：DSTLBO 算法与基本TLBO算法和其经典改进算法ETLBO算法相比,在寻优精度、稳定性和收敛速度方面更具优势。     

基于SimpliciTI协议的电源管理器的设计

为了方便地管理电器,降低待机能耗,提出了一种基于SimpliciTI协议无线传感器网络的电源管理方案.该方案采用射频芯片CC1110作为系统核心,结合外围极少的元件组成射频片上系统,拥有成本低、功耗小、可靠性高的特点.系统分为手持遥控设备和无线传感器网络两部分,手持遥控设备以S3 C2440微处理器为核心,负责与各节点的通信、电器状态的显示及接受远程控制;无线传感器网络各节点负责监测电器工作状态并将数据发送至手持设备,在待机和故障时及时做出动作.在系统安装时,为每个节点分别编码并进行自学习设置.实验表明,系统通信可靠,控制距离远,节省电能,使电器管理更为方便.     

基于 RBF 神经网络和强化学习算法的供应链产销协同计划冲突消解研究

为提高传统协商自学习能力,利用多 agent 智能技术,建立基于黑板模型的协商框架,构建五元组协商模型,采取 Q-强化学习算法,给出一种协商策略;使用 RBF 神经网络进一步优化协商策略,预测对手信息并调整让步幅度。通过算例验证该方法的可行性和有效性,通过与未改进的 Q-强化学习算法对比,该方法可增强协商agent 的自学习能力,缩短协商时间,提高冲突消解效率。     

一种基于背景自学习的高光谱图像生物信息提取方法

为了提取指纹、癌变区域等重要的生物信息,传统方法一般是使用物理、化学手段直接作用在信息载体上,这不仅需要较长时间,容易对原有信息及载体造成破坏,而且提取过程不可重现、精度较低.高光谱成像技术避免了获取信息时物理接触造成的破坏,能多次稳定获取图像,成为了一种优秀的生物信息采集途径.在此介绍一种基于背景自学习的高光谱图像信息提取方法,它解决了传统非结构化背景模型适应性不强的问题,利用空间光谱信息进一步提升了信息提取精度.实验证明,该方法能有效对背景信息进行估计,提取完整的生物目标信息,精度优于传统目标信息提取方法.     

基于Android的在线考试练习系统设计与实现

在校大学生需要参加各类考试,如：课程考试、计算机等级考试、英语4/6级考试、教师资格考试以及考研等。目前针对在校学生的移动考试练习服务还不多见,为此设计并开发了一款基于Android平台的移动在线考试练习系统。将移动终端作为一种功能强大的教学工具,为大学生提供了一种自主学习的在线服务,使他们可以充分利用零碎时间,随时随地进行考前测试练习。     

基于3D末端路径自学习导航的电力巡检系统

通过对现有电力设备巡检系统进行分析并结合实际巡检工作中存在的问题,构建三维路径模型并设计末端路径自学习导航算法。提出了一种电力设备智能巡检系统,并设计系统配套的移动巡检终端嵌入式软件和服务器端配套软件。基于多种地形、地貌对自学习导航算法进行仿真,证明算法具有较高的自学习精度及良好性能,可实现对不同地理环境下末端路径的自学习、记录与导航,同时对系统进行实验,验证其可行性、有效性和合理性。     

基于虚拟同步电机技术的混合储能平抑微网频率波动策略研究

由锂电池和超级电容器组成的混合储能系统(HESS)具有响应快速、短时吞吐功率能力强的优点,可以很好地作为电网的分布式储能设备补偿电网频率波动。提出在储能单元体系优化匹配下,基于荷电状态(SOC)反馈的自学习平滑储能控制策略,自主归纳更新混合储能的控制规则,利用虚拟同步电机(VSG)技术来解决可再生能源功率波动引起的电网频率偏移问题。最后,在Matlab/Simulink中建立了光储微网模型。通过仿真验证了配置混合储能单元的VSG能有效模拟出同步电机的转动惯量与一次调频特性,提高了并网系统的稳定性。     

基于作物水胁迫声发射的精准灌溉模糊控制模型

设计了基于作物水胁迫声监测精准灌溉的模糊控制系统,论述了正常灌溉和精准灌溉两种不同工作方式下常规双模模糊控制策略的制定,控制策略的目标是既要保证作物正常生长又要实现节水效果．在此基础上,建立适用于作物生长环境的自学习模糊控制模型．实验表明：系统能够根据声发射号及影响作物生长的环境信息在一定范围内进行给水量的调节,实现作物的精准灌溉,避免正常灌溉时效率低下、施水过量的问题．     

基于智能化自学习方式的入侵检测防护系统设计与实现

随着网络结构日益复杂,网络攻击手段多样化,传统的防火墙已无法阻止多种类型的网络攻击。基于智能化自学习方式的入侵检测防护系统将防火墙与入侵检测系统集成为一体,符合NDIS接口规范。系统采用智能化自学习的方式来维护“黑名单”特征库,使防火墙具有自适应的特点,能够阻断未知入侵行为。系统具有快速稳定的防护效果,能够实时响应入侵行为,并提供危机预警的反馈机制。     

轻量级语义Web服务发现模型的研究

针对现有多数语义Web服务发现方法应用实施难度大,对终端用户输入信息的完整性依赖度高的问题,提出一种基于简单查询语句的轻量级语义Web服务发现模型。该模型提供给用户一个类似Google的查询界面,输入查询语句后经过领域本体匹配、基于WordNet同义词典匹配等步骤自动发现并调用相应的Web操作。另外,还利用自学机制不断扩充本体词汇以提高系统的准确率和召回率。详细分析了该模型的系统性能,并深入研究了不同情况下准确率和召回率的变化。实验结果表明,本体匹配技术及自学机制的使用是系统准确率和召回率提高的关键。