开放式机器人通用控制系统

将数字信号处理器(DSP)为核心的多轴运动控制技术运用于机器人控制,本文提出了一 种新的开放式结构机器人通用控制系统．文中阐述了系统的硬、软件结构,并对系统中主要 功能模块的技术细节进行了分析．最后给出了本系统的部分实验结果．  

计算网格环境下一个统一的资源映射策略

由于资源具有广域分布、异构、动态等特性,计算网格环境下资源的管理和调度是一个非常复杂且具有挑战性的问题.提出了计算网格环境下一组相互独立的计算任务(meta-task)的资源映射策略.该策略采用重复映射方法,以更好地适应网格计算环境下的动态性和自治性.算法考虑到任务的输入数据位置对映射效果的影响;通过定义效益函数,该策略在追求较小的任务完成时间的同时兼顾任务的服务质量(QoS)需求.模拟实验结果显示,该映射策略更符合计算网格的复杂环境,能够更好地满足不同用户的实际需要.  

求解TSP问题的多级归约算法

TSP(traveling salesman problem)问题是最经典的NP-hard组合优化问题之一.长期以来,人们一直在寻求快速、高效的近似算法,以便在合理的计算时间内解决大规模问题.由于对较大规模的问题,目前的近似算法尚不能在较短的时间内给出高质量的解,因此提出了多重归约算法.该算法的基本原理是通过对TSP问题的局部最优解与全局最优解之间关系的分析,发现对局部最优解的简单的相交操作能以很高的概率得到全局最优解的部分解.利用这些部分解可以大大缩小原问题的搜索空间,同时也不会降低搜索的性能.这就是所谓的归约原理.再通过多次归约使问题的规模降到足够小,然后对这个较小规模的实例直接用已有的算法求解,最后通过相反的次序拼接部分解,最终得到一个合法的解.在TSPLIB(traveling salesman problem library)中,典型实例上的实验结果表明,此算法在求解质量和求解速度上与目前已知的算法相比有较大的改进.  

模糊系统:挑战与机遇并存——十年研究之感悟

一直以来，模糊系统就是一个充满争议的领域．从１９９０年我进入这个领域至今已整整十个年头了．从开始刚到美国的博士生，拜师于模糊理论的创始人Ｚａｄｅｈ教授，到现在Ａｕｔｏｍａｔｉｃａ和ＩＥＥＥ　Ｔｒａｎｓ　ｏｎ　Ｆｕｚｚｙ ｓｙｓｔｅｍｓ的副主编，我、直没有离开过这个研究领域．在一个充满争议的领域内工作是艰辛的．目睹这个领域从冷变热，从普遍怀疑到基本接受，感悟甚多．这里借着这个专刊的机遇，将感悟的一些要点写出来与大家共享．由于这些观点带有强烈的个人色彩，而又是针对一些敏感且富有争议的话题，所以敬请大…  

基于能量模型的曲面展开通用算法

文中提出了一个基于能量模型的曲面展开通用算法，解决了复杂曲面的展开问题，将一个三维曲面展平为与之相对应的二维片，在计算机辅助设计、制造及计算机图形学中的纹理映射等方面都有应用，首先，采用三角片模型来表达一个曲面，然后建立一个基于能量的模型将三维曲面展开为二维片，在这一过程中，曲面展开的局部精度较易控制，因此，较之以前的方法，此方法能更有效地解决CAD/CAM中的曲面展开问题。  

一种协调勘探和开采的遗传算法：收敛性及性能分析

提出了一种新的遗传算法结构。在该结构中，每一代的新种群由保留种 群、繁殖种群的随机种群三部分组成，而它们的相对数量则由不同的参数进行控制，这体现了该算法在运行过程中对搜索空间勘探和开采操作的协调和权衡。通过把该算法建模为齐次的有限Markov链，该文证明了该算法具有全局收敛性。对试验数据的分析表明，该算法能够有效协调算法对问题解空间的勘探和开采操作，因而在处理复杂问题时表现出较高的性能。  

求解旅行商问题的循环局部搜索算法的运行时间和性能分布分析

旅行商问题（Traveling Salesman Problem，TSP）是组合优化中最典型的NP难问题之一，长期以来人们都在寻求快速高效的近似算法以在合理的计算时间内准确地解决大规模问题，并设计出许多高效实用的启发式和宏启发式算法，其中循环LK算法是性能最好和最具代表性的算法之一．作者研究了该算法的运行时间分布：通过对TSPLIB中大量不同规模的TSP实例的运行时间分布的统计分析和拟合，发现求解TSP问题的循环LK算法的运行时间分布很好地服从Weibull分布，并进一步给出了该分布对求解TSP问题的物理意义．作者同时首次给出了循环LK算法求解TSP问题得到的解的性能分布以及由此得到的一些有实际指导意义的结论．  

柔性连接倒立摆系统的控制与实现

柔性连接的倒立摆系统是在直线倒立摆系统的基础上引入自由振荡环节，使闭环控制系统的响应频率受到弹簧振荡频率的限制，从而增加了对该系统控制器设计的难度。在建立被控系统动力学模型的基础上，通过数学分析，应用线性二次型最优控制策略进行状态反馈控制器的设计，成功地将柔性连接倒立摆系统稳定地平衡在倒立状态。仿真以及实际系统的实验均验证了所采用方法的有效性。最后对所实现的控制器的控制性能进行了分析。  

SizeScale:求解旅行商问题(TSP)的新算法

旅行商（TSP）问题是组合优化中最典型的NP－Hard问题之一，目前关于该问题的启发式算法主要分布为两类：环路构造算法和环路改进算法，对于第1类算法，首次提出了在环路构造中成批加入顶点，同时在构造过程对环路进行局部优化的思想，由上得到了一种新的算法：SizeScale-Construct，它的解质量极大地改进了现有的环路构造算法，对于2类算法，在分析局部最优解与全局最优解之间关系的基础上，提出了另一个采用局部最优解的交集作为初始环路的新算法：SizeScale-Improve，实验结果表明该算法在解的质量和求解速度上都较大地改进了现有最好的环路改进算法；另一方面，理论上对于最坏情况和平均情况时间复杂度的分析表明这两个算法是实用的。  

最优迭代学习控制的鲁棒稳定性及其在注塑机控制中的应有

提出了一种鲁棒最优迭代控制器的设计方法.对于任意有界的参考输出和不确定的初 始值,建立了由最优迭代学习控制器保证闭环系统有界输入有界输出(BIBO)鲁棒稳定性的充要 条件.实际应用中可根据不确定初始设定值和干扰对加权矩阵进行调整,从而保证闭环系统性能 随迭代过程的进行而得到改进.在注塑机控制中的应用验证了本文结论的有效性.