基于定性映射的粒逻辑及其Petri网推理算法

基于不确定性知识处理特点,在认知机理下,通过基于属性定量与定性之间的转化关系而建立的定性映射, 给出了属性粒的概念及其逻辑计算公式,并在此基础上构建了初步的粒逻辑系统,最后通过Petri网对其逻辑推理进 行形式化描述。结果表明其是有效的,使得有关认知识别与判断推理等思维操作能得到较好的表达。     

随机性标量参数分布式量化的最优比特分配

本文研究了在总比特率设定的情况下,改良并给出表现更优的量化器,以及如何实现基于网络的随机标量参数分布式量化估计,重点讨论传感器比特数最优分配.与常规给定各传感器的量化比特率不同的是,本文将结合估计器算法使用和不同量化器的构建,来研究固定总比特率下的分配.文中的观测模型噪声服从高斯分布,并且以此模型为对象通过均匀量化探讨基于一般类型与线性估计器的最理想比特分配方式.前者均方误差上限与后者对应下限在高精度处理方案下结果几乎相同,都表现出网络中观测噪声误差反比于量化级数这一特性.此外还借用交替序列比特分配算法以确保求解出的数值解恒非负.最后从MATLAB仿真结果可以看到,本文给出的最优比特分配估计器较传统方案的表现更优.     

基于半边结构和√3细分的渐进网格生成方法

渐进网格可以满足生成多分辨率模型的需求.在现有渐进网格生成方法中,一个顶点的简化往往关联四个以上的相邻顶点.并且,现有方法多采用网格的点面列表结构表示.本文采用√3细分预测方法生成渐进网格,每个顶点的存储仅关联三个相邻顶点.同时也使用半边数据结构替代网格的点面列表表示形式,加快了邻接信息查询.实验结果表明,本方法提升渐进网格的空间效率,缩短渐进网格的生成时间.     

一类饱和非有理系统状态反馈设计

本文研究了一类饱和非有理系统状态反馈镇定问题.通过线性分式表示技术,这类非有理系统可以转化为带有两个非线性回路的线性时不变(linear time-invariant,LTI)系统.假设非有理函数项分别满足局部扇形区间不等式以及局部Lipschitz条件,提出了两种基于LMI条件的镇定方法.最后,举例证明了所提出方法的有效性.     

集成的深度强化学习投资组合模型

投资组合问题是量化交易领域中的热点问题。针对现有基于深度强化学习的投资组合模型无法实现自适应的交易策略和有效利用有监督信息的缺陷,提出一种集成的深度强化学习投资组合模型（IDRLPM）。首先,采用多智能体方法构造多个基智能体并设计不同交易风格的奖励函数,以表示不同的交易策略;其次,利用集成学习方法对基智能体的策略网络进行特征融合,得到自适应市场环境的集成智能体;然后,在集成智能体中嵌入基于卷积块注意力模块（CBAM）的趋势预测网络,趋势预测网络输出引导集成策略网络自适应选择交易比重;最后,在有监督深度学习和强化学习交替迭代训练下,IDRLPM有效利用训练数据中的监督信息以增强模型盈利能力。在上证50的成分股和中证500的成分股数据集中,IDRLPM的夏普比率（SR）达到了1.87和1.88,累计收益（CR）达到了2.02和1.34;相较于集合式的深度强化学习（EDRL）交易模型,SR提高了105%和55%,CR提高了124%和79%。实验结果表明,IDRLPM能够有效解决投资组合问题。     

面向英文阅读难度分类的神经网络设计与实现

阅读文本是影响英语阅读材料难度的重要因素,有效地评估英文文本难度可以为不同阅读能力的学习者提供相匹配的阅读材料,帮助教师科学选择合适的教学资源,为考试命题者提供科学指导。基于神经动力学方法（NDA）的收敛差分神经网络（CDNN）,将文本数据进行特征选择、加权和样本归一化预处理,用于训练不同映射函数的网络,再将网络的输出通过投票规则进行增强泛化,从而实现了一种结合投票收敛差分神经网络（Voting-CDNN,V-CDNN）的英文文本阅读难度分类方法,提高了计算效率和分类预测准确率。实验结果表明,V-CDNN的分类准确率最高值和平均值分别达到98.81%和95.45%,其在计算时间、平均精度和最高精度等方面进一步证实了V-CDNN是一个高性能的分类器。     

基于乘性信道的单输入系统均方镇定

讨论了单输入有损网络控制均方镇定问题。把传输数据包的不可靠网络建模为乘性信道,即把输入信道中源于诸如量化、信噪比或丢包等各种形式的信息约束统一模拟为乘性白噪声过程,视为系统随机不确定性参数,提出了该模型下系统均方镇定的充要条件。通过运用小增益理论、Parseval定理及Fourier变换,将求解基于系统可镇定要求的乘性信道均方容量的问题转化为求解一个最小能量LQR控制问题,采用动态规划法和镜像极点配置法,得到了单输入系统情况下,用系统Mahler测度表示的乘性信道均方容量构成了系统均方可镇定的充要条件。擦除信道和具有扇形有界不确定的随机信道验证了结论。     

基于Simics的分布式一致性协议仿真

用于多种计算机系统和指令系统仿真的Virtutech Simics只提供一个简单的顺序扁平侦听式高速缓存一致性（Snoo-ping Cache Coherence Protocol）模型支持MESI协议,从而制约了可仿真的并行处理器个数。以下将基于目录的分布式高速缓存一致性协议（Distributed Directory-based Cache Coherence Protocol）模型应用于Simics中并给出基于Simics的分布式一致性协议的仿真结果。这一结果证实分布式协议能降低事件总数,减少网络中的事件。本文提出一个简单的基于目录的分布式高速缓存一致性协议,从而解决制约Simics的可扩放性问题。     

一种纯时滞系统的鲁棒控制优化设计方法

针对工业控制中较常见的单容纯时滞系统难于控制的问题,考虑优化控制对象的鲁棒性强和阶跃响应时间短等综合性能,依据纯时滞系统的两次优化控制方法,利用误差绝对值与时间的积分(ITAE)作为性能评价标准,提出一种纯时滞系统鲁棒控制优化的设计方法.设计方案包括分时模型的选择和参数优化两部分.给出了相应的优化算法,使用克隆和混沌技术进行参数优化.最后给出优化参数的系统阶跃响应的对比结果.仿真结果验证了本文时滞系统的控制优化设计方法有效准确.     

有车辆数限制的开放式车辆调度问题研究

有车辆数限制的开放式车辆调度问题(m-OVRP)是车辆调度类问题(VRP)的一个新的分支.本文通过多初始解选优、平滑动态的禁忌长度等改进手段,基于遗传算法中变异的思想,设计了改进的禁忌搜索算法来解决m-OVRP问题.实验结果表明,本文提出的算法不仅能很好地解决m-OVRP问题,对OVRP问题也能得到稳定的结果.本算法核心包括:提出一种全新的构造初始解的贪心算法,在禁忌搜索初始解的选取中采用多初始解选优的策略;提出在禁忌搜索中采用平滑动态的禁忌长度.本算法可以很方便地应用到其他的一些启发式搜索问题的求解中.