遗传算法求解柔性job shop 调度问题

在分析柔性job shop调度问题特点的基础上，提出一种新的求解该问题的遗传算法，即利用编码方法表示各工序的优先调度顺序及工序的加工机器，由此产生可行的调度方案，使得问题的约束条件在染色体中得以体现．所设计的遗传算子不仅能避免非法调度解的出现，保证后代的多样性，而且可使算法具有记忆功能．仿真结果证明了该算法的有效性．     

一种求解数值优化问题的非线性遗传算法

由于算术杂交算子的线性搜索范围及变异算子的随机搜索，导致了实数遗传算法的效率较低．为此，通过拓展遗传算子的搜索范围，提出了一种动态双层非线性杂交算子，并将混沌搜索引入变异算子，从而给出了一种求解数值优化问题的非线性遗传算法．实例仿真证明该算法的有效性，并以“平均截止代数”和“平均截止代数分布熵”作为评价指标，对该方法的优化效率进行了研究，定量的评价了该方法的优化效率，通过与实数遗传算法进行比较，进一步说明了该方法的优化效率高于实数遗传算法。     

串行网络中ABR业务的流量控制和缓存设计

本文提出一种ABR业务速率在优化率和请求率之间的切换控制方法。在上述控制算法基础上,研究了保证信元在交换节点处无丢弃,同时输出带宽得到充分利用的交换节点的缓存和阈值设计问题。新的流量控制机制实现了源节点发送率和交换节点缓存的小抖动控制。     

电动汽车供电系统锂电池剩余寿命预测

电动汽车的锂电池受工况、环境等因素影响,具有很强的时变非线性,对其进行剩余寿命预测具有挑战性。针对现有算法未同时考虑不确定表达、预测精度以及不同电池的适应能力对剩余寿命的影响,提出了一种正则化粒子滤波和自回归滑动平均模型相融合的锂电池剩余寿命预测算法。以锂电池的经验退化模型作为融合算法的状态方程,自回归滑动平均模型的预测输出值替代观测值,构建状态空间模型,迭代更新电池容量,实现锂电池的剩余寿命预测。基于NASA锂电池数据集进行仿真验证,并与标准粒子滤波和正则化粒子滤波算法相比较,实验结果表明,在中期、后期预测过程中融合算法的预测误差在5%以下,该方法具有较好的锂电池剩余寿命预测精度。     

基于序贯重点采样粒子滤波的分布估计算法

 连续域分布估计算法一般假设数据服从高斯分布,而且大多采用了单峰的概率模型,但是对于一些复杂的优化问题,单峰的高斯分布模型不能有效地描述解在空间的分布.本文提出一种基于序贯重点采样粒子滤波的分布估计算法,采用带权粒子描述优选集样本服从的概率分布并从中采样得到下一代种群,不需要假设样本服从高斯分布,并且算法采用的概率模型是多峰的.仿真实验结果验证了本文方法的正确性和有效性.     

基于GIS和人工神经网络的井下无线传感器网络定位数据修正方法研究

 针对传感器节点在自身定位过程中,受煤矿井下巷道复杂环境因素的影响,导致定位结果不够精确的问题,利用GIS系统的地图管理功能和人工神经网络（Artificial Neural Network）无需建立数学模型的特点,提出了GIS—ANN修正方法。实验结果表明：该方法对存在误差的节点坐标进行了有效的修正,从而提高了节点自身定位的精度。     

基于效用的Agent多动作选择承诺机制

研究以KARO为逻辑框架的多动作选择承诺,给出与其相关的效用函数计算方法。在引入模型状态迁移概念和相关函数、谓词后,对各种承诺建立和取消承诺的情况进行了形式化,详细给出了kripke型可能世界语义描述。丰富了KARO逻辑框架关于承诺的研究。使主体在合作时,可以充分考虑自己的情况,理性的作出选择,提高多主体间合作的协调性。     

基于级联全卷积神经网络的颈部淋巴结自动识别算法

针对现有算法自动识别颈部淋巴结效率不高、存在大量假阳性且整体假阳性去除效果不理想的问题，提出一种基于级联全卷积神经网络（FCN）的颈部淋巴结识别算法。首先，结合医生的先验知识采用级联FCN进行初步识别，即第一个FCN从头颈部计算机断层扫描图像（CT）中提取淋巴结医学分区；然后，第二个FCN从分区内提取候选样本并在三维层面合并这些样本以生成三维图像块；最后，将提出的特征块平均池化引入到三维分类网络中，对输入的不同尺度三维图像块进行二分类以去除假阳性。在颈部淋巴结数据集中，采用级联FCN识别颈部淋巴结的召回率可达97.23%；引入特征块平均池化的三维分类网络的分类准确率可达到98.7%。在去除假阳性之后的准确率可达93.26%。实验结果分析表明，所提算法能有效实现颈部淋巴结的自动识别并取得较高的召回率和准确率，优于目前相关文献报道的算法；且算法简单高效，易于扩展到其他三维医学图像的目标检测任务中。