AER模型中的智能涌现

本文从复杂自适应理论和人工生命基本观点出发,研究一个具有"简单性、局部性、全局性、内聚力、动态性"的复杂自适应系统,并创建包含"智能体、环境、交互规则"三个主要概念以及"适者生存"的淘汰规则的AER多主体模型.该模型中具有局部目标和行为的自主体能通过动态环境达到整体的全局目标,这种涌现的智能能够高效求解问题.实验证明该模型对传统的大规模约束满足问题的测试集,包括n-皇后问题(n=7 000)和一些大规模染色问题,均能在较快的时间内找到精确解,同时能在3个时间片内找到精确度(≥94%)很高的近似解.     

以多人博弈效用函数为演化指导函数的演化算法

研究一种基于多人纯策略非合作博弈的演化优化算法,可用于一类组合优化问题的求解.该算法的演化过程可建模为一个马尔科夫链模型.它将组合优化问题映射为多人非合作博弈,通过博弈主体的理性行为对问题的解进行优化.给出定义良好并可供扩展的算法框架,明确算法的要素所必须满足的3个约束:有限性约束、弱一致性约束和收敛性约束,并应用于若干典型NP-Hard的组合优化问题的求解.理论和实验结果表明,与一些传统优化算法相比,本算法在实际应用中具有良好的问题求解能力.     

基于Volterra模型的预测控制及应用

由于工业实践的需要,非线性预测控制近年来受到广泛地关注.Volterra模型是一类特殊的非线性模型,非常适合描述工业过程中的无记忆非线性对象.传统的基于Volterra模型的控制器合成法及迭代计算预测控制器法计算量大,且不便于处理控制约束.非线性模型预测控制求解是典型的非线性规划问题,序列二次规划(sequential quadratic program,SQP)算法是求解非线性规划问题常用方法之一.针对Volterra非线性模型预测控制求解问题,本文将滤子法与一种信赖域SQP算法相结合,提出一种改进SQP算法用于基于非线性Volterra模型的带控制约束的多步预测控制求解,并分析了所提方法的收敛性.工业实例仿真结果证实了所提方法的可行性与有效性.     

基于多目标粒子群优化算法的自由漂浮空间机器人负载最大化轨迹优化

为了有效提升自由漂浮空间机器人的负载能力,提出一种基于多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法的多约束多目标轨迹优化方法.结合建立的负载操作模式下空间机器人系统动力学模型,将负载最大化问题转化为实现关节力矩、基座扰动和系统能量同时最小的多目标轨迹优化问题;建立了相应的多目标优化问题(multi-objective optimization problem,MOP)数学模型;基于MOPSO算法求解出满足负载最大化要求的Pareto最优解集,并在算法中对约束条件进行了有效的处理.通过仿真实验证明了所提方法的有效性.     

两阶段过程模型下的产品线复用策略优化

考虑了软件产品线工程中各软件模块复用策略的选择问题. 在建立软件产品线开发两阶段过程模型的基础上, 归纳出6种典型的复用策略及其实现方式, 提出考虑开发成本、工时、故障率的情况下进行复用策略的选择优化模型, 解决在满足可获得预算、开发周期、系统可靠性需求的约束下产品线质量最优问题. 并基于贝叶斯理论构建易测试函数, 为产品线开发中领域测试强度的估算提供了方法. 最后, 以邮箱服务系统为实例说明该模型的有效 性.     

分布式约束满足问题研究及其进展

近年来,随着网络技术的快速发展和广泛应用,人工智能领域中的诸多问题,如时序安排、计划编制、资源分配等,越来越多地以分布形式出现,从而形成一类多主体系统.相应地,求解该类问题的传统约束满足问题也发展为分布式约束满足问题,分布式约束满足已经成为多主体系统求解的一般框架.首先,简要介绍了分布式约束满足问题的基本概念,总结了该问题的基本算法及其改进算法,并对这些算法的效率和性能进行了比较分析.然后,讨论了近年来分布式约束满足问题的若干典型应用;最后,给出了分布式约束满足问题基本形式的扩展和今后的研究方向.分布式约束满足问题最新研究进展表明:今后的工作将着重于面向现实问题求解的理论研究,为实际应用提供坚实的理论基础.     

一种错误敏感的词对齐评价方法

对齐错误率(Alignment Error Rate,AER)是目前通用的词对齐评价标准。近年来的研究表明,AER虽然在一定程度上能够反映词对齐的质量,但它与机器翻译最终结果BLEU得分的相关性并不好。该文针对基于短语的机器翻译系统(PBSMT)分析了AER可能存在的一些问题,并根据词对齐结果中存在的不同类型的错误,提出了一种错误敏感的词对齐评测方法ESAER(Error-Sensitive Alignment Error Rate)。实验表明,该文提出的ESAER与BLEU的相关性要远远好于AER。     

一类非线性系统最大可控不变集求解

针对非线性系统线性化在状态约束下最优鲁棒控制求解问题,提出了一种基于混合系统的非线性系统最大鲁棒控制不变集的方法.对于一类非线性系统通过平衡点线性化的方法转化为多模态的混合系统,并进行了混合逻辑动态模型(MLD)的建模,在不变集基本理论的基础上,通过多参数规划的混合整数规划(MIQP)的方法迭代求解最大可控不变集,并求得不变集内的最优控制器,解决系统的状态约束问题.通过一个非线性系统的实例进行建模、仿真,证明了本方法的可行性.     

多模型切换系统H_∞鲁棒控制器的设计与应用

基于H∞控制理论以及切换系统稳定性理论,对于多输入多输出(MIMO)多模型切换控制系统,提出了一种可以有效抑制抖动和改善瞬态响应性能的鲁棒镇定控制器设计方法.通过引入PI控制思想,根据模型跟踪方法设计了增广状态反馈控制器,并将控制器设计问题转化为方便求解的线性矩阵不等式(LMI).该方法的最大优点是可以很方便的保证多模型切换系统的全局稳定性,同时使得设计的控制器具有较强的鲁棒性.将本文提出的方法应用到某型BTT导弹自动驾驶仪设计中,仿真结果证明了此方法的有效性和优越性.     

基于事件触发的互联电力系统分布式负荷频率预测控制

针对具有约束和扰动的多区域互联电力系统负荷频率控制(load frequency control, LFC)问题,本文提出了一种事件触发分布式模型预测控制(event-triggered distributed model predictive control,ET-DMPC)策略.将大规模互联电力系统分解成多个动态耦合的子系统,考虑发电机变化率约束(generation rate constraint, GRC)和调速器阀门位置限制,建立分布式预测控制优化问题.为了降低系统计算负担,减少计算资源的消耗和浪费,基于预测值和系统实际状态的误差构造事件触发条件.在事件触发机制下,只有子系统满足相应的事件触发条件时,控制器才传输状态信息和求解优化问题,并与邻域子系统交互最优解作用下的关联信息.仿真结果表明,本文提出的控制策略在负荷扰动和系统参数不确定的情况下具有良好的鲁棒性,同时极大地降低了系统的计算负担.     

求解SAT问题的拟人退火算法

该文利用一个简单的变换，将可满足性（SAT）问题转换为一个求相应目标函数最小值的优化问题，提出了一种用于跳出局部陷阱的拟人策略，基于模拟退火算法和拟人策略，为SAT问题的高效近注解得出了拟人退火算法（PA），该方法不仅具有模拟退火算法的全局收敛性质，而且具有一定的并行性，继承性。数值实验表明，对于本文随机产生的测试问题例，采用拟人策略的模拟退火算法的结果优于局部搜索算法，模拟退火算法以及近来国际上流行的WALKSAT算法，因此拟人退火算法是可行的和有效的。     

A knowledge-based archive multi-objective simulated annealing algorithm to optimize series–parallel system with choice of redundancy strategies

Redundancy allocation problem (RAP) is one of the best-developed problems in reliability engineering studies. This problem follows to optimize the reliability of a system containing s sub-systems under different constraints, including cost, weight, and volume restrictions using redundant components for each sub-system. Various solving methodologies have been used to optimize this problem, including exact, heuristic, and meta-heuristic algorithms. In this paper, an efficient multi-objective meta-heuristic algorithm based on simulated annealing (SA) is developed to solve multi-objective RAP (MORAP). This algorithm is knowledge-based archive multi-objective simulated annealing (KBAMOSA). KBAMOSA applies a memory matrix to reinforce the neighborhood structure to achieve better quality solutions. The results analysis and comparisons demonstrate the performance of the proposed algorithm for solving MORAP.     

求解装卸混合车辆路径问题的模拟退火遗传算法

提出一种改进的模拟退火遗传算法来求解装卸混合车辆路径问题;通过使用模拟退火变异策略来增强遗传算法的局部搜索能力,从而改善遗传算法的早熟问题,使算法有能力避免陷入局部极值而快速收敛于全局最优解;仿真实验结果表明了所提算法求解装卸混合车辆路径问题的有效性与适用性。     

Con／k／n：F系统单元序列最优化的模拟退火算法

n中取链续k(con/k/n:F)系统单元序列最优化的实质是一个组合优化问题，该文设计了求解任意con/k/n:F系统全局最优配置的模拟退火算法，并以计算实例检验了该算法。     

一种求解混合整数非线性规划问题的模拟退火算法

通过适当处理离散变量，将求解无约束非凸ＮＬＰ问题的高效模拟退火全局优化算法推广到求解一般非凸混合整数非线性规划问题。数值计算结果表明，文中模拟退火算法在适用性、解的质量和计算效率等方面优于其它方法，是求解一般非凸ＭＩＮＬＰ问题的一种有效的全局优化算法。     

解决作业车间调度的微粒群退火算法*

针对微粒群优化算法在求解作业车间调度问题时存在的易早熟、搜索准确度差等缺点,在微粒群优化算法的基础上引入了模拟退火算法,从而使得算法同时具有全局搜索和跳出局部最优的能力,并且增加了对不可行解的优化,从而提高了算法的搜索效率;同时,在模拟退火算法中引入自适应温度衰变系数,使得SA算法能根据当前环境自动调整搜索条件,从而避免了微粒群优化算法易早熟的缺点。对经典JSP问题的仿真实验表明,与其他算法相比,该算法是一种切实可行、有效的方法。     

基于GM(1,1)模型和模拟退火算法的中长期负荷预测

分析了灰色模型(GM)和模拟退火模型(SA),GM(1,1)学习参数的计算采用最小二乘法,而最小二乘法是基于残差平方和最小寻优,容易陷入局部最小,对于非线性较强的负荷,会产生很大的偏差。提出了一种GM(1,1)与SA相结合的方法,根据模拟退火原理,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,自动优化GM(1,1)的参数,在负荷预测的实例中取得良好效果。     

准时化生产计划的半无限规划模型与模拟退火方法

半无限规划模型是描述ＪＩＴ环境下，提前／拖期生产计划问题的一种数学模型。因为目标函数是非线性的、有无限多约束和约束的非凸性，所以求解比较困难。用模型退火结合启发式方法和最速下降法求解半无限规划模型，与遗传算法进行比较，计算结果表明用模拟退火方法求解更有效。     

基于模拟退火的并行粒子群优化研究

针对粒子群优化(PSO)容易陷入局部极小,提出将模拟退火(SA)引入并行PSO算法．这种模拟退火并行粒子群算法,结合了并行粒子群算法的快速寻优能力和SA的概率突跳特性,保持了群体多样性,从而避免了种群退化．针对转炉提钒过程是一个复杂非线性反应过程而难以建立终点控制模型的问题,提出了基于模拟退火的并行粒子群RBF网络的辨识模型,优化了RBF核中心个数,从而克服了随机性选择．将该模型用于预测提钒吹氧时间,仿真结果表明预测误差不超过真实值的20％．