基于模糊人工势场法的多智能体编队控制及避障方法

针对动态环境中多智能体编队控制及避障问题,提出了一种基于模糊人工势场法的编队方法。首先,在领航跟随法的框架下控制编队队形,在动态队形变换策略的异构模式下,使用人工势场法为多智能体编队中每个智能体规划避障路径;其次,利用模糊控制器控制跟随智能体追踪领航智能体,同时保持跟随智能体之间与领航智能体的相对距离,遇到未知障碍物时,及时保持多智能体编队之间的队形并避免碰撞障碍物。针对人工势场法在引力增量系数和斥力增量系数设置的局限性,利用模糊控制器选择出适应环境的增量系数。Matlab仿真实验结果表明,该方法能够有效地解决复杂环境下多智能体编队控制及避障问题,使用效率函数对实验数据进行分析,验证了所优化方法的合理性和有效性。     

基于MATLAB的空间几何图形软件包设计

本文主要是围绕如何利用matlab构造一个函数包,使得能够通过调用一个函数较容易地绘制出椭圆抛物面、平面、椭球面等复杂的空间几何图形,并展开了问题的分析,模型的建立以及模型的求解。最后本文将椭球面的方程扩展到了其他空间曲面或空间平面图形,通过在MATLAB中运行,绘制了抛物面的三维图形。     

基于能量均衡的最大化覆盖目标算法

目标覆盖问题是无线传感网络WSNs(Wireless sensor networks)最重要的问题之一.每个目标至少被一个传感节点覆盖,为此提出基于能量均衡的最大化覆盖目标EMNL(Energy-balance-based Maximizing Network Lifetime)算法.EMNL算法将所有传感节点划分不同的传感节点覆盖区SC(Sensor Cover),致使每个SC能够维持对所有目标监测一个固定时间.通过有选择性选择一个SC活动,而其他SC休眠,进而提高能量利用率,延长了网络寿命.EMNL算法构建了不同不相邻SC,进而最大化网络寿命.最后,建立仿真环境,并进行性能仿真.此环境下的数据表明,在EMNL算法有效地扩延生存时间,也提升了覆盖率.     

强化狼群等级制度的灰狼优化算法

针对灰狼优化(Grey wolf optimization, GWO)算法在处理复杂优化问题时优化精度不高,易陷于局部最优等问题,提出了一种强化狼群等级制度的灰狼优化(GWO based on strengthening the hierarchy of wolves, GWOSH)算法。该算法为灰狼个体设置了跟随狩猎和自主探索两种狩猎模式,并根据自身等级情况来控制选择狼群的狩猎模式。在跟随狩猎模式中,灰狼个体以等级高于自身的灰狼的位置信息来指引自己到达最优解区域;而在自主探索模式中,灰狼个体会同时审视等级高于自身的灰狼的位置信息和自身位置信息,并基于这些信息自主判断猎物的位置,同时两种更新模式都将引入优胜劣汰选择规则来确保种群的狩猎方向。对12个基准测试函数进行优化的结果表明：与已有的算法相比,GWOSH算法的全局搜索能力更强,更能有效避免易早熟收敛的问题,更适用于求解高维的复杂优化问题。     

改良氧化沟工艺强化脱氮除磷试验研究

采用改良氧化沟试验装置处理生活污水。为了提高脱氮除磷效率,对改良氧化沟的曝气量进行了优化,在氧化沟的前三个廊道设置缺氧区,将其运行方式改变为缺氧—厌氧—缺氧好氧,在提高氮磷去除效率的同时降低了能耗。试验结果表明,稳定运行阶段,二沉池出水COD_(Cr)、TN、NH3 N和TP的平均浓度分别为37 mg/L、8.9 mg/L、0.5 mg/L和0.39 mg/L,平均去除率分别为92%、83%、99%和92%,均稳定达到了《城镇污水处理厂污染物排放标准》(GB 18918 2002)一级A标准要求。     

智能搜索引擎系统的建模分析

搜索引擎技术使人们在信息海洋里快速准确地查找信息成为可能。该文首先对搜索引擎技术进行了简单的介绍,并结合实际应用,给出了一个系统模型,详细介绍了该模型的具体实现细节。     

VC++教学中实例驱动法和模糊评价研究

为提高学生主动学习VC++的能力,增强课堂教学效果并客观评价学生的编程能力水平,文章分析知识驱动教学法的弊端,提出实例驱动教学法,并结合实例说明这种教学法的优势和教学过程;同时构建与VC++相适应的模糊评价模型,说明与简单的加权评价模型相比,模糊评价模型更能反映学生掌握VC++程序设计的能力水平。     

分布式发电系统的复合型孤岛检测方法研究

为了解决分布式发电系统中存在的孤岛检测问题,提出了一种新型复合式孤岛检测方法。该方法通过改变扰动电流波形对传统的AFD检测方法进行改进,并结合传统被动式孤岛检测方法判定孤岛现象的发生。结合IEEE.Std.2000-929/UL1741标准中的技术规范,利用Matlab/Simulink对新方法进行了仿真验证。仿真结果显示,该方法既能快速、准确地检测出孤岛现象,又把对电网电能质量的影响降到最小。     

基于位置信息的老人异常状态检测技术研究

传统居家养老模式中,对独居老人的日常生活健康状况的监测及室内活动的异常行为检测,依赖于各种可穿戴传感器设备,易给老人造成行动不便和隐私问题。为此,提出一种基于位置信息的老人异常状态检测方法。该方法根据蓝牙信号的信号强度指示(Received Signal Strength Indication,RSSI)测距定位,获得老人当前位置,由交互式多模型的卡尔曼滤波方法实现老人在室内的移动轨迹跟踪;对老人在室内移动轨迹进行生理监测,而对老人突发异常状态,通过设置不同室内空间区域的时间阈值,以停留点检测方式进行判断。实验结果表明,该方法简单易于实现,且对于独居老人的日常监护方法优于传统可穿戴传感器设备。     

监督学习模型指导的函数级编译优化参数选择方法研究

基于机器学习的迭代编译方法可以在对新程序进行迭代编译时,有效预测新程序的最佳优化参数组合。现有方法在模型训练过程中存在优化参数组合搜索效率较低、程序特征表示不恰当、预测精度不高的问题。因此,基于机器学习的迭代编译方法是当前迭代编译领域内的一个研究热点,其研究挑战在于学习算法选择、优化参数搜索以及程序特征表示等问题。基于监督学习技术,提出了一种程序优化参数预测方法。该方法首先通过约束多目标粒子群算法对优化参数空间进行搜索,找到样本函数的最佳优化参数;然后,通过动静结合的程序特征表示技术,对函数特征进行抽取;最后,通过由函数特征和优化参数形成的样本构建监督学习模型,对新程序的优化参数进行预测。分别采用k近邻法和softmax回归建立统计模型,实验结果表明,新方法在NPB测试集和大型科学计算程序上实现了较好的预测性能。