求解旅行商问题的混合蚂蚁算法

旅行商问题是一个经典的NP问题,文中给出了一个有效的求解旅行商问题的混合蚂蚁算法。算法设计了初始信息素量设置方案和信息素的更新方法,限制了蚂蚁转移的目标城市数,并使用2-Opt方法对路径进行优化。数据实验表明,该算法是有效的。     

求解旅行商问题的混合蚂蚁算法

旅行商问题是一个经典的NP问题，文中给出了一个有效的求解旅行商问题的混合蚂蚁算法。算法设计了初始信息素量设置方案和信息素的更新方法，限制了蚂蚁转移的目标城市数，并使用2-Opt方法对路径进行优化。数据实验表明，该算法是有效的。     

基于邻域搜索的改进最大最小蚁群算法

针对蚁群算法求解旅行商问题时易陷入局部最优的问题,提出一个改进的混合最大最小蚁群算法,并应用于求解旅行商问题.上述算法设计了一种新的信息素更新模型,单个蚂蚁每走一步就进行信息素局部更新,在所有的蚂蚁搜索一周后,最优路径蚂蚁进行全局信息素更新.提出一种新的邻域搜索模型,将邻域大小设置为原来的一半,提高了计算的效率.在每个蚂蚁的一个周期循环后,使用邻域搜索算法优化最优解的路径长度.仿真结果表明,改进算法具有较高的求解精度和收敛速度.     

不确定旅行商问题的鲁棒模型与算法

考虑到不确定参数在旅行商问题(TSP)中广泛存在,在Bertsimas鲁棒离散优化理论的框架下,建立了不确定旅行商问题的鲁棒优化模型,并按转换规则将鲁棒模型转换为鲁棒对等模型。给出了一种求解旅行商问题的基于Prufer数编码的单亲遗传算法,与求解该类问题的传统遗传算法相比,该算法缩减了染色体长度,避免了传统交叉和变异操作破坏染色体可行解的缺陷。通过算例验证,表明该算法有较高的求解效率,所建立的鲁棒模型在不确定环境下能得到较好的鲁棒解。     

利用确定性退火技术的旅行商问题求解算法*

将确定性退火技术及聚类方法应用于旅行商问题,给出了求解旅行商问题的一种启发式算法.该方法将旅行商问题的离散模型转化为连续模型去求解,通过求解一系列随温度变化的物理系统的自由能函数的局部极小来获得旅行商问题的解,并给出了一个简单的显式迭代公式.算例表明,该算法性能良好.     

利用确定性退火技术的旅行商问题求解算法

将确定性退火技术及聚类方法应用于旅行商问题,给出了求解旅行商问题的一种启发式算法．该方法将旅行商问题的离散模型转化为连续模型去求解,通过求解一系列随温度变化的物理系统的自由能函数的局部极小来获得旅行商问题的解,并给出了一个简单的显式迭代公式．算例表明,该算法性能良好．     

不确定旅行商问题的鲁棒模型及其算法研究

旅行商问题是一类重要的组合优化问题。针对不确定旅行商问题,采用区间数来描述其城市间的旅行时间。在鲁棒优化理论框架下,建立其模型。该模型的突出特点是其鲁棒性可调。提出了一类求解该模型的精确算法和蚁群算法。与精确算法相比较,结果表明了所提出的蚁群算法能在较短时间内求得最优或近优的解。最后,分析了模型的性能,结论表明,在不确定环境下,鲁棒解是有效的。     

基于模拟退火策略的逆向蚁群算法

为克服现有蚁群算法运算过程中收敛速度慢, 易出现停滞现象等缺点, 提出了一种结合模拟退火策略的改进算法。利用向原始蚁群中引入逆向蚂蚁, 并结合模拟退火思想确定蚁群中逆向蚂蚁的数目, 来提高算法的适应性。将该算法应用于旅行商问题的求解, 仿真试验结果表明该算法的收敛速度和全局寻优能力都得到很大的改善。     

求解旅行商问题的混合量子蚁群算法

针对蚁群算法求解旅行商问题时易陷入局部最优和收敛速度慢的问题,提出一种新的求解旅行商问题的混合量子蚁群算法。该算法采用量子比特的概率幅对各路径上的信息素进行编码,采用量子旋转门及蚂蚁走过的路径对信息素进行更新,设计一种新的变换邻域准则。基于TSPLIB的仿真实验结果表明了该算法具有较快的收敛速度和求解精度。     

基于RBF的蚁群算法在求解TSP中的应用

针对传统蚁群算法容易出现早熟和停滞现象的缺陷,提出一种改进的蚁群算法。该方法基于径向基函数,先遴选出一部分蚂蚁对其路径上的信息素进行更新,再挑出最差蚂蚁进行更新。将该算法用于求解旅行商问题进行计算机仿真,结果表明,该算法的寻优能力和收敛速度均得到较大提高。     

基于TSP的低功耗低费用测试方法

扫描链阻塞技术可以有效地降低电路测试时的峰值和平均功耗,但是扫描测试应用时间有所增加。为了解决这一问题,通过有效利用测试向量之间的相容性,提出一种基于TSP问题的降低测试应用时间的方法。实验结果表明,该方法能够较大幅度地降低测试应用时间。     

基于Hadoop的不确定异常时间序列检测

无线传感器网络中,传感器的采集与无线网络的传输等均可能带来时间序列的不确定性,而大数据时代的到来使得传统不确定异常时间序列检测研究面临时间效率低下的问题,为此提出基于Hadoop的不确定异常时间序列检测算法。首先对不确定时间序列进行压缩变换,使不确定数据量大大减少,然后利用MapReduce架构调用基于期望距离的不确定时间序列下的DTW算法,实现算法的并行化处理,降低算法时间复杂度。同时针对Hadoop集群任务级调度分配方法在运行中负载分配不均现象,提出Hadoop集群优化方法,明显缩减集群总任务时间,使得节点资源的利用更为合理。Hadoop平台下实验结果验证显示,该方法既提高了检测速度,又保证了检测准确率。     

基于隶属云模型蚁群算法与LK搜索的TSP求解

提出一种求解TSP的算法,采用“问题无关的进化算法与问题相关的局部搜索相结合”的策略。采用基于云模型的蚁群算法来产生足够好的解;改进传统的LK算法,新加入5种搜索删除集与添加集元素的准则,以此细化搜索。将该算法用于求解TSPLIB中不同类型、城市数从48到33 810内变化的TSP,比较该学派与其他学派算法的偏离率与运行时间,结果均显示该算法更优,有效求解了TSPLIB中的非对称TSP、哈密尔顿圈问题。     

一类不确定非线性系统的自适应输出反馈镇定

研究了一类不确定非线性系统的全局自适应输出反馈镇定问题. 由于不确定控制系数和未知线性增长率的存在, 这个问题比较复杂且很难解决. 本文引入一个新的在线调节的动态增益, 并基于此设计了高增益K-滤波器用于重构系统的状态. 然后, 受广义控制方法的启发, 发展了反推法并设计了自适应输出反馈镇定控制器. 结果表明, 通过选择恰当的设计参数可以保证闭环系统的全局稳定性. 给出的仿真算例验证了本文理论结果的正确性.     

离散广义系统具有完整性的鲁棒二次稳定

研究时不变不确定离散广义系统具有完整性的鲁棒二次稳定问题.首先,给出不确定离散广义系统鲁棒二次稳定的充要条件.其次,利用广义代数R iccati不等式,设计状态反馈使得不确定离散广义系统鲁棒二次稳定.进一步,给出状态反馈设计方法,使得不确定离散闭环广义系统在执行器正常以及部分出现故障情况下,都保持鲁棒二次稳定.即不确定广义系统具有完整性.同时,还讨论了所给的广义代数R iccati不等式的求解问题.最后给出数字例子来验证所给结果的有效性.     

Stabilization of perturbed system via IMC: An application to load frequency control

This paper proposes a robust controller for a parametric uncertain system of order three. The scheme conceptualizes the approach of selecting the worst-case plant and then the controller is designed using the internal model control principle which constitutes the reduced model of worst-case plant. The beauty of the proposed approach is that even though the plant is uncertain, the complete robust stability analysis and controller design is carried out by a single linear model. As an illustrative example, a load frequency control (LFC) problem is considered for single- and multi-area power systems in presence of unexpected disturbances, parametric uncertainties and physical constraints. The proposed controller is also applied to the network topology similar to standard IEEE 39 bus system (New England 10 machine test system) to validate the more realistic LFC application. Simulation studies show that the proposed controller brings robust and fast disturbance rejection attributes.     

多输入多输出非线性不确定系统连续高阶滑模控制

针对一类MIMO非线性不确定系统,提出一种新的连续高阶滑模控制算法.引入状态反馈使得系统高阶滑模控制问题等效转换为多变量不确定积分链的有限时间稳定问题,首先针对标称系统设计有限时间到达连续控制律,实现系统状态快速收敛,然后采用多变量非解耦形式超螺旋算法克服系统不确定性,实现鲁棒性,最终使得系统控制作用连续、滑模抖振得以大大抑制.基于二次型Lyapunov函数证明系统的有限时间稳定性.针对三阶不确定系统有限时间稳定和气垫船圆形航迹跟踪问题分别进行了仿真,验证了所提算法的有效性、鲁棒性.     

Adaptive control for an uncertain robotic manipulator with input saturations

In this paper, we address the control problem of an uncertain robotic manipulator with input saturations. For this purpose, a model reference adaptive control like (MRAC-like) approach is proposed to solve the problem. The model reference enjoyed input to state stable (ISS) property and driven by the current control signal is introduced. A combination of the regressor and non-regressor based approaches is used to estimate the uncertain parameters. The resulting controller ensures that the control signals satisfy the input saturations. In addition, the semi-global uniform ultimate boundedness of the closed-loop system is guaranteed and the tracking error converges to the compact set which depends on the predetermined bound of the control inputs. Simulation on a planar elbow manipulator with two joints is provided to illustrate the effectiveness of the proposed control design.     

基于Beta分布和半监督学习的非确定性知识图谱嵌入模型

近年来,面向确定性知识图谱的嵌入模型在知识图谱补全等任务中取得了长足的进展,但如何设计和训练面向非确定性知识图谱的嵌入模型仍然是一个重要挑战。不同于确定性知识图谱,非确定性知识图谱的每个事实三元组都有着对应的置信度,因此,非确定性知识图谱嵌入模型需要准确地计算出每个三元组的置信度。现有的非确定性知识图谱嵌入模型结构较为简单,只能处理对称关系,并且无法很好地处理假负(false-negative)样本问题。为了解决上述问题,该文首先提出了一个用于训练非确定性知识图谱嵌入模型的统一框架,该框架使用基于多模型的半监督学习方法训练非确定性知识图谱嵌入模型。为了解决半监督学习中半监督样本噪声过高的问题,我们还使用蒙特卡洛Dropout计算出模型对输出结果的不确定度,并根据该不确定度有效地过滤了半监督样本中的噪声数据。此外,为了更好地表示非确定性知识图谱中实体和关系的不确定性以处理更复杂的关系,该文还提出了基于Beta分布的非确定性知识图谱嵌入模型UBetaE,该模型将实体、关系均表示为一组相互独立的Beta分布。在公开数据集上的实验结果表明,结合该文所提出的半监督学习方法和UBetaE模型,不仅...     

基于蚁群优化算法的Chord模型

提出一种具有物理拓扑匹配能力的Chord模型(Ant-Chord),用以存储网络标识间的映射信息。该模型将整个Chord环中的存储节点看成一个旅行商问题(TSP),利用蚁群优化算法对TSP问题进行快速求解,用得到的解构建Chord环,并通过洛阳铲法对Chord环的路由跳数进行优化。Ant-Chord模型实现简单,对原始Chord模型改动不大,路由表的额外存储开销也较小。仿真结果表明,与同类Chord模型相比,Ant-Chord在资源发现的平均路由跳数、时延方面均有明显优势。