一种动态改变惯性权重的自适应粒子群算法

针对标准粒子群算法在进化过程中种群多样性降低而早熟的问题,提出一种动态改变惯性权重的自适应粒子群算法.采用种群中平均粒子相似程度作为种群多样性的测度,并用于平衡算法的全局探索和局部开发.基于对惯性权重随种群多样性测度变化的动态分析,建立了惯性权重随种群多样性测度的变化关系,并将其引入该算法中.最后对6个经典测试函数进行仿真,结果表明该算法在平均最优值和成功率上都有所提高,特别是对多峰函数效果更明显.     

具有非线性参数振动的线性系统的时滞相关鲁棒稳定性

本文研究不确定时滞单结构与复合系统的时滞相关鲁棒稳定性问题。利用时滞积分不等式，一些鲁棒稳定性的充分条件通过一个非负矩阵谱半径的界给出。文末的例子说明了文中结果的有效性。     

基于PSO的RBF神经网络学习算法及其应用

提出了一种基于粒子群优化(PSO)算法的径向基函数(RBF)神经网络学习方法,首先利用减聚类算法确定网络径向基层的单元数,再用PSO对基中心和宽度进行优化,并与最小二乘法相结合训练RBF神经网络。将此算法用于混沌时间序列的预测,实例仿真表明此方法是有效的。     

关于一类脉冲切换系统的鲁棒H∞控制

研究一类具有扰动的脉冲切换线性系统的鲁棒H控制问题.分别从系统的鲁棒稳定性及其鲁棒性能两方面进行分析.首先利用Lyapunov函数法对系统的稳定性进行分析,给出了系统鲁棒渐近稳定的几个重要的充分条件,通过它很容易判断系统是否鲁棒稳定.进一步运用线性矩阵不等式(LMI)法对系统鲁棒性能进行分析,得到了一般系统的状态反馈矩阵和脉冲控制矩阵,并在此基础上得出了一个鲁棒H控制律.最后提出了一套基于MAT-LAB软件的鲁棒控制器的设计方法,并通过一个数值例子很好地验证了文中主要结论的有效性.     

短时滞网络控制系统鲁棒稳定性分析

本文主要研究了网络控制系统时延小于一个采样周期的稳定性,以及系统在扰动下控制器设计的问题,利用线性矩阵不等式方法得出离散时滞网络控制系统Lyapunov稳定性判据,同时给出了具有不确定性系统的鲁棒控制器。