基于引力搜索算法的非线性系统辨识

针对传统辨识方法辨识非线性系统时存在的辨识精度低、收敛速度慢等问题,引入了一种基于混合引力搜索算法的非线性系统辨识方法。该混合优化算法是将粒子群算法中群体历史最优位置及自身历史最优位置的概念引入到引力搜索算法中,通过帮助粒子接近最优位置,改进了搜索算法中粒子的全局搜索能力,使得该混合算法的开采能力和探索能力得到更好的增强和平衡。对Wiener模型进行辨识,比较分析仿真结果,发现混合优化算法能够提高辨识精度并获得良好的辨识效果,验证了该算法的有效性和可行性。     

一种改进的布谷鸟搜索算法

布谷鸟搜索算法是近年来提出的一种新的仿生智能算法,算法主要通过模拟布谷鸟的繁殖习性对问题进行最优求解。针对布谷鸟搜索算法中解的发现及放弃策略的随机性问题,将解的适应度情况同时考虑进来,并在此基础上提出一种基于解的优劣度的改进布谷鸟搜索算法。算法充分考虑解的适应度,并将适应度作为评估是否被放弃的一个标准,从而使得适应度较好的解更有可能被保留下来,提高算法的求解质量。实验结果表明新算法在求解质量以及收敛速度方面,都比标准的布谷鸟搜索算法有了一定的提高。     

基于改进布谷鸟搜索算法的云计算任务调度

针对云计算系统中能否高效地调度子任务的问题,本文提出了一种基于改进布谷鸟搜索算法的任务调度算法.利用柯西分布对陷入局部极值的鸟巢进行扰动,有利于提高布谷鸟搜索算法全局搜索的质量.算法运用整数编码方式,利用改进后的算法求得最优解.使用云仿真平台进行验证,结果证实了所提出算法的有效性.     

基于改进布谷鸟搜索算法的多控制器部署方案

软件定义网络(SDN)需要部署多个控制器,而布谷鸟算法(CS)是一种新型的智能优化算法,为了提高算法的局部搜索能力,对标准的布谷鸟算法进行了改进:引入权重系数,调整算法收敛速度;对所有个体从优到差进行排序,排序后将种群分为两部分,两部分个体选择不同的飞行方式,避免较优个体陷入局部最优.实验结果表明,利用布谷鸟算法部署多控制器方案优于其他算法,该方法可实际应用于SDN的控制器部署.     

求解资源受限项目调度问题的改进布谷鸟搜索算法

针对资源受限项目调度问题（RCPSP）,提出一种基于改进布谷鸟搜索（ICS）算法的高效求解方法.ICS算法设计如下：在解空间表示方面提出一种适应莱维飞行特点的任务调度顺序优先级编码方案,并采用串行调度求解该问题;为提高算法收敛速度、避免陷入局部最优解,对CS的局部搜索机制进行改进,即引入对精英个体的局部搜索策略及对首领的寿命衰老机制.最后,通过PSPLIB基准测试问题J30、J60和J90对算法性能进行测试,并与CPLEX优化结果及参考值进行比较,结果表明ICS算法较CS算法收敛更快、结果更优,调度结果理想.     

基于高斯扰动的布谷鸟搜索算法

在布谷鸟搜索算法（CS）的基础上,提出了一种在迭代过程中对鸟窝位置加入高斯扰动的方法,即基于高斯扰动的布谷鸟搜索算法（GCS）.它增加了鸟窝位置变化的活力,从而有效地提高了算法的收敛速度.仿真实验结果表明,该算法优于原始布谷鸟搜索算法.     

基于布谷鸟搜索算法的用户选择和干扰对齐

为了实现蜂窝系统中单小区边缘用户正常通信,减少相邻小区间多个边缘用户对本小区边缘用户造成的干扰,提出了一种基于布谷鸟搜索算法的用户选择和干扰对齐算法。该算法首先用布谷鸟搜索算法对小区边缘用户进行选择,接着采用干扰对齐方法消除相邻小区间的干扰,最后通过预编码和基于最小均方差（MMSE）译码方法消除小区内用户间的干扰。该布谷鸟搜索算法与快速排序搜索算法相比具有更低的时间复杂度。数值分析表明与基于迫零算法的译码方法相比,该译码方法能够提高系统容量2 b·s-1·Hz-2,改善误码率4 dB。     

非线性系统动态辨识和预测的新方法

将人工神经网络方法同统计建模技术结合起来，提出了研究随机型离散非线性系统辨识和预测问题的新思路，研究了ＮＡＲＭＡＸ模型“两阶段辨识”算法的原理和实施策略。仿真结果和应用实例表明了新算法的有效性。     

非线性系统辨识-VNS仿真

本文提出用伏尔泰拉级数、非线性最小二乘与灵敏度分析补偿法(VNS 方法)进行参数估值。用这种方法对某一类单输入单输出一阶强非线性定常系统或缓变化的时变系统、但在某一小区间 t∈[0,T]系统可视为是定常的系统进行辨识取得好的结果。算法具有良好的收敛性。拟合参数精度较高。     

cRNA布谷鸟搜索算法的桥式吊车PID控制

为了提高算法的全局搜索能力,受RNA二级结构的启发,设计RNA茎环交叉算子,采用基于进化代数的自适应步长策略,提出RNA交叉操作布谷鸟搜索算法(cRNA-CS).将cRNA-CS算法用于对5个典型测试函数进行寻优.测试结果表明,cRNA-CS算法的搜索能力和寻优精度相对于CS算法和其他改进的CS算法有了明显提高.将cRNA-CS算法用于桥式吊车系统PID控制器参数的优化整定.仿真实验结果表明,与CS算法、单纯形算法和PSO算法相比,采用cRNA-CS算法优化的PID控制器能够实现桥式吊车系统更好的消摆和定位控制.     

用改进的多分辨小波网络辨识非线性动态系统

多分辨小波网络不便于处理非均匀分布样本和在线辨识非线性动态系统，对此提出了两点改进：首先给出一种把非均匀分布样本近似到小波网络系上的方法；然后提出一种可变的小波网络及其学习方法。最后用改进的小波网络辨识非线性动态系统，仿结果验证了这种改进方法的可行性和有效性。     

非线性动态系统辨识的神经网络结构和可行性研究

在讨论各种非线性动态系统辨识模型的基础上，给出相应模型的神经网络实现方案，并首次提出了实现非线性动态系统的回归状态模型的新型神经网络结构－神经网络状态空间辨识模型，从理论上证明了使用神经网络实现这些模型的可行性。     

弱非线性系统的辨识方法

汽车前轮的独立悬挂系统是由摆臂机构、扭杆弹簧、阻尼器和悬挂质量组成的非线性系统。它是含有刚度非线性和阻尼非线性的弱非线性系统。本文介绍这种系统的频响函数测量和在随机激励下的平均线性化方法。作者分析了这个振动系统的超低频特性,给出了在不同激励信号电平下测得的频响函数曲线和平均次数之间的关系以及模态参数辨识结果。     

基于人工神经网络的非线性系统辨识

人工神经网络是一个非线性动力学系统，具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力，对非线性系统进行系统辨识。仿真结果表明，该方法是可行的，计算精度高。     

精英反向学习的单纯形交叉布谷鸟搜索算法

提出一种加强搜索能力的改进布谷鸟搜索算法,该算法采用精英反向学习策略促使Lévy Flights随机走动中的部分精英个体进行反向搜索,以避免搜索新个体的趋同性;并采用单纯形交叉操作在Biased随机走动中随机选择一个个体进行精细搜索,以降低搜索的盲目性以及低效性.另外,提出的算法采用混沌映射模型实现发现概率参数的自适应控制.仿真实验结果表明,该算法能够总体上有效改善算法的搜索能力和收敛速度.     

基于FDE-SVR的非线性系统辨识

针对非线性系统辨识中模型难以确定的问题,提出一种基于FDE-SVR(Fuzzy Differential Evolution Support Vector Regression,FDE-SVR)的非线性系统辨识方法。论文首先使用FDE自动获取SVR的相关参数;然后,使用FDE-SVR进行非线性系统辨识;最后,验证FDE-SVR辨识得到的非线性系统模型。仿真实验表明:FDE-SVR辨识可以忽略模型的具体结构,辨识得到的模型具有较高的精度,最终验证该模型的泛化性。     

基于一种改进BP神经网络的一类非线性系统辨识方法

对一类非线性系统的辨识方法进行了讨论。辨识模型为一个改进的神经网络,该神经网络包括:线性网络和BP神经网络。对线性网络的模型选择和多层前馈网络的关系做了细致的研究, 并分别进行了仿真。仿真结果表明,该系统辨识方法对于一类非线性系统具有很好的辨识作用。     

一类基于模糊辨识器的非线性动态系统辨识

针对模糊辨识器的参数优化,提出了将改进的遗传算法(MGA)应用于模糊辨识器的离线学习,并在此基础上采用BP算法对其参数在线调整,实现了非线性动态系统模糊辨识。解决了输入仅为一维语言变量时,模糊辨识器的实现问题。仿真结果证实了该方法的有效性。     

应用维纳核辨识非线性系统

利用维纳理论 ,对非线性系统中一种重要而基本的模型结构一般模型的离散形式进行了分析 ,并且给出了由维纳核辨识确定一般模型参数的方法及数值模拟算例