新型定向交叉在NSGA-Ⅱ求解多目标TSP问题中的应用

针对NSGA-Ⅱ算法求解多目标TSP问题的易出现未成熟收敛、计算时间复杂度高且稳定性不够等不足,通过设计面向多目标TSP问题的新型定向交叉算子,并采用权重聚合方法将标准化后的多目标空间转化为单目标空间,借助贪心策略重组基因来增加算法的收敛速度而减少交叉次数;与此同时,利用定向交叉思想,寻找多目标空间上的边界解来增强算法的分布性和对新空间的探索能力,最终实现算法优化效率的提升。通过在多目标TSP标准测试数据集上的仿真实验,结果表明新型定向交叉能有效地均衡寻优过程中收敛性与分布性,在优化效率上明显好于改进前的算法。     

粒子群算法研究及其在流体矢量装置控制上的应用

粒子群算法对系统的依赖程度低,不要求被优化函数具有可微、可导、连续的特性。应用理论推导的方法,证明了粒子群算法在多极值目标函数下的全局收敛和局部收敛的条件,并且分析了粒子群算法中各参数对算法局部收敛速度、全局收敛能力的影响。本文主要贡献包括:分析发现粒子初始位置均匀分布可以提高算法的全局收敛能力;提出最大值的方法决定算法局部收敛速度,该函数不随权重系数单调递减;最后,将基于粒子群算法应用于流体矢量装置控制器上,仿真结果验证了该设计方法的有效性。     

活塞数控加工的迭代学习前馈反馈控制研究

在高速精密非圆加工中,伺服刀架系统的幅值衰减产生较大的刀具轨迹跟踪误差,从而降低加工精度.针对活塞外圆数控加工数据控制,设计了一种迭代学习的前馈反馈控制方法,该控制算法中的前馈采用迭代学习控制,利用以往批次信息实现精确跟踪.反馈部分用于克服当前批次的扰动.推导该控制算法在频域下的收敛条件,经仿真实验验证,这种控制方法运用于活塞外圆加工中可以取得良好的控制效果.     

噪声环境下遗传算法的收敛性和收敛速度估计

 问题求解的环境往往非常复杂,不确定的环境因素、人为因素等都可导致问题处于噪声环境,从而影响实际优化问题的目标函数值的评价.噪声环境下遗传算法的研究在国内外均起步较晚,特别是收敛性和收敛速度的分析是该领域急待解决的问题.本文根据优胜劣汰遗传算法的特性,基于吸收态Markov链的数学模型证明了噪声环境下优胜劣汰遗传算法的收敛性,提出了噪声环境下优胜劣汰遗传算法的首达最优解期望时间的估算方法.     

基于fal函数滤波的改进自抗扰技术的实现

自抗扰技术不但能观测系统的所有状态,还能观测系统模型不确定性及内外干扰,但该技术却忽略了测量噪声对系统观测的影响.基于解决测量噪声对观测系统精度的影响,提出了fal函数滤波方法,不仅能克服滤波后信号的幅值、相位与系统的真实输出差别较大的问题,而且具有快速收敛性和较高的滤波精度.仿真结果验证了该方法能够有效地滤除量测噪声...     

一种可变步长傅里叶分析器的统计特性分析

可变步长最小均方(Variable step-size LMS,VSS-LMS)算法的傅里叶分析器在稳态误差、收敛速度及追踪能力方面具有优异性能,对其进行全面的统计特性分析具有重要意义.本文基于误差服从高斯分布等假设在平均及均方意义下,推导出描述系统动态特性的差分方程组,完成系统的动态数学建模,进而对系统进行稳态性能分析,给出系统稳态误差关于参考信号频率、系统参数和附加噪声的表达式,为系统应用中的参数选取提供有效指导.仿真表明,本文建立的统计模型与仿真结果具有一致性,验证了分析的有效性.     

分裂可行问题的两种强收敛CQ算法(英文)

为保证Hilbert空间中求解分裂可行问题迭代算法的强收敛性,本文首先通过引入三个参数序列提出了求解分裂可行问题的改进CQ算法,并在较弱的条件下证明了算法的强收敛性.然后改进算法中的一个算子,即选择另外一个参数序列嵌入到一个算子里,得到了一种新的算法.在参数序列满足一定条件下也证明了算法的强收敛性.本文拓展了现已有的相关研究成果.     

求解广义非线性互补问题的自适应信赖域方法

提出一个求解广义互补问题的自适应信赖域算法,在适当假设下,证明算法具备全局收敛性和局部收敛性.     

关于无约束最优化问题的一种新的自适应信赖域方法

提出一个求解无约束最优化问题的自适应信赖域算法,将非精确线性搜索法和信赖域算法相结合,并在适当假设下,证明算法具备全局收敛性.     

基于群智能的电子学习资源过滤及收敛性分析

运用基于信息素挥发因子自适应变化的蚁群算法来优化电子学习资源的组织顺序,体现群体智能在资源共享和过滤中的优势作用,并且在此基础上运用教学实例实验研究将群体智能技术应用于解决电子学习资源过滤时的收敛性问题。实验结果表明利用群体智能来组织资源可以找到和领域专家干预基本相同的解决方案,同时学生参与数不需要很多即可获得好的收敛性。