解决移动计算位置管理问题的差分进化算法

提出了一种解决位置管理问题的差分进化算法,给出了一种将采用浮点编码的种群个体映射为问题解的方法、基于问题特性的种群初始化启发式方法,以及早熟收敛问题的解决策略.基于随机生成的数据对算法进行了模拟实验,将该算法的结果与遗传算法、禁忌搜索算法及蚁群算法进行了对比.     

基于改进遗传算法的商标多特征权值分配

提出一种改进的遗传算法用于解决商标图像检索中的多特征权值分配问题.针对以往的传统分配方法所存在的不足,提出了利用改进的遗传算法来分配权值.主要方法是将遗传算法中的轮盘赌选择与最优解保存法结合,并将染色体基因重新排列后进行交叉.把遗传算法用于图像检索系统的多特征权值分配,并将得到的特征权值用于商标图像检索系统,目的是为了提高检索系统的效率和精度,而且通过这种方法得到的权值检索出来的结果也比较符合人的视觉感官.     

解决策略冲突导致BGP路由发散的自适应机制

BGP(border gateway protocol)作为一种基于策略的协议,允许每个自治系统独立地选择本地路由策略.自治系统之间可能存在的路由策略冲突会引起BGP路由持续不稳定.当前提出的解决办法要么需要增加额外的通信开销,要么限制自治系统自由的选择路由策略.提出了一种解决策略冲突引起BGP路由不收敛的自适应方法,既不损害自治系统选择路由策略的灵活性,也不需要在BGP消息中增加额外信息.路由的稳定性被加入到BGP的判决过程中,不稳定路由的优先级被降低,使更加稳定的路由得以被选为最优路由,终止路由策略冲突引起的争执.在网络拓扑发生改变的情况下,这种新方法能够自适应地调整路由选择,重新收敛到新的稳定状态.     

改进协同微粒群优化的模糊神经网络控制系统设计

针对协同微粒群算法不能保证收敛到局部或全局最优值的问题,提出一种改进协同微粒群算法(ICPSO),并证明了该算法能以概率1收敛干全局最优解.应用ICPSO建立一类非线性对象的神经网络辨识模型,并对系统的模糊神经网络自适应控制器的参数进行了离线和在线优化.仿真结果表明,ICPSO能提高系统的建模精度,增强模型的泛化能力,而且由ICPSO训练的控制器可以达到良好的控制效果.     

广义双线性系统的终端滑模控制

研究广义双线性系统的终端滑模变结构控制问题.基于Lyapunov稳定性理论,运用Lyapunov函数方法,给出广义双系统的终端滑动模超出面,设计相应的终端滑模变结构控制器,使得闭环系统渐进稳定,实现滑动模运动,保证系统状态在有限时间内到达平衡点,得到广义双线性系统全局稳定的充分条件.所给的可行性算例,说明这一方法的有效性与可行性.     

一种新的基于遗忘因子的递推子空间辨识算法

针对工业系统中广泛存在的时变特性, 提出一种新的递推子空间辨识算法, 实现对系统状态空间模型的在线递推估计. 为更好地跟踪系统时变特性, 研究基于遗忘因子的输入输出数据矩阵构造机制, 以提高递推算法的收敛速度; 针对算法中奇异值分解的求解问题, 将梯度型算法引入基于遗忘因子的状态子空间跟踪中, 实现对广义能观测矩阵的估计, 避免了子空间近似带来的估计有偏性; 该算法计算简单有效, 且对初值具有更高的鲁棒性; 最后给出该递推算法的性能分析, 理论证明其收敛性, 并通过仿真实例验证算法的有效性.     

采样粒子群优化模型及其动力学行为分析

本文提出一种变采样周期的粒子群优化模型, 利用误差动力系统的李雅普诺夫函数分析优化行为的稳定性. 通过粒子的轨迹分析, 得出轨迹收敛的采样时间约束条件. 算法收敛性理论分析结果表明该算法不能收敛到局部最优. 针对多模态函数优化问题, 提出一种基于量子群的变采样周期的粒子群优化模型. 实验分析了采样周期对算法优化行为的影响. 结果表明其相对于传统粒子群算法的优势. 最后对基于量子群的采样子群优化算法的多极值寻优能力进行测试, 结果表明其有效性.     

一种量子神经网络模型学习算法及应用

提出一种量子神经网络模型及学习算法. 首先基于生物神经元信息处理机制和量子计算原理构造出一种量子神经元, 该神经元由加权、聚合、活化、激励四部分组成. 然后由量子神经元构造出三层量子神经网络模型, 其输入和输出为实值向量, 权值和活性值为量子比特. 基于梯度下降法构造了该模型的超线性收敛学习算法. 通过模式识别和函数逼近两种仿真结果表明该模型及算法是有效的.     

一种求解Shubert函数优化问题的演化算法

综合国内外演化计算研究现状,基于热力学中的自由能极小化原理, 设计了一个全新的热力学演化算法,并通过对于Shubert函数优化问题求解的数值试验,测试了热力学演化算法的优良性能,实验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优。     

A method for numerical solution of a multidimensional convection-diffusion problem

We propose a modification of the additive splitting algorithm to solve the convection-diffusion problem using an efficient finite-difference scheme. The modification decreases the number of data exchanges and their amount during the numerical solution of a system of multidimensional equations. Approximation, stability, and convergence are considered. Translated from Kibernetika i Sistemnyi Analiz, No. 1, pp. 100–107, January–February 2009.