Agent在问题求解中的应用研究

基于Agent的技术和方法已被应用于许多领域,包括软件工程、系统仿真以及复杂问题求解等.对Agent的概念以及基于Agent的技术和方法作介绍,重点介绍其在问题求解中的一些应用.     

问题求解在C程序设计实验教学中的应用

在程序设计实验教学中,一直以来"难学"、"难教"成为师生共识,实验效果不够理想。本文通过引入问题求解法,改变传统实验教学模式,以达到更好的教学效果。     

一种求解TSP问题的离散蝙蝠算法

蝙蝠算法是一种新型的群智能优化算法,在求解连续域优化问题上取得了较好的优化效果,但在离散优化领域的应用较少。研究了求解TSP问题的离散蝙蝠算法,设计了相关操作算子实现算法的离散化,并引入逆序操作使算法跳出局部最优。对TSPLIB标准库中若干经典实例进行测试并与粒子群和遗传算法进行对比分析,结果表明设计的离散蝙蝠算法无论在求解质量还是求解效率上都有明显优势,是一种高效的优化算法。     

混沌神经网络在求解优化问题中的应用

本文运用GCM混沌神经网络对Hopfield神经网络在求解优化方面的问题进行了改进。通过混沌遍历,可使Hopfield网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值。通过对一个对弈的实例进行实验,结果显示Hopfield网络的寻优特性获得了较大改进。     

含离散和连续混合决策变量最优潮流求解方法综述

最优潮流问题是一个含有连续变量和离散变量的非凸的、大规模的非线性规划问题,是混合整数非线性规划问题（MINLP）.它属于NP-hard问题,精确求解非常困难.本文对含离散和连续混合决策变量最优潮流问题的求解算法进行了分类和总结.介绍了各种求解技术的原理和具体做法,并从算法的收敛性、准确性、快速性等角度对它们进行了评价,指出了它们各自的优缺点及应用价值.     

动态模糊逻辑（DFL）在问题求解中的应用研究

问题求解是人工智能中的一大类问题。本文基于动态模糊逻辑（ＤＦＬ）,以动态模糊（ＤＦ）冰生式作为问题的表示方法,用动态模糊（ＤＦ）与／或语义图来分析问题的特征。     

离散型模糊及其在预测与决策问题中的应用

以何种尺度来测量人们在进行预测与决策时心理测度上的模糊性，是预测是否可靠乃至决策能否成功的关键。为此，提出离散型模糊数这一尺度及其在预测与决策问题中的算法，并通过实例验证了该方法的有效性。     

一种求解离散LQ问题的遗传算法

提出了一种实用的求解离散LQ问题的改进型遗 传算法,给出了状态反馈阵K 取值范围的确定方法,设计了一种变异概率可变的变异算子, 大大提高了算法的优化速度．仿真结果表明了该算法的有效性,并且改进后的算法明显优于 简单遗传算法．     

一类半无限规划问题的神经网络算法

考虑了一类带有不等式和等式混合约束的半无限规划问题。通过运用极大熵方法,将多个约束条件的问题转化为单个约束条件的非线性规划模型,并提出了求解它的一个神经网络模型,严格证明了该模型是Lyapunov稳定的,并且在有限时间内收敛到原问题的一个精确解。数值实验表明,新模型不仅可行而且有效。     

求解广义特征根问题的反馈神经网络方法

研究了广义特征根问题求解的神经网络方法,给出了求解该问题的一个时间连续性反馈网络模型,利用LaSalle不变原理分析并证明了该网络的拟全局收敛性,这是网络能够确切的求解广义特征根问题的保证．同时,该网络解决了已有的基于罚函数方法构造的特征根问题的神经网络存在的一些基本缺陷:其一,基于罚函数的网络模型所得到的解可能不是真解,甚至可能都不是可行解;其二,它们的共同缺陷是有一个需要调节的参数,但是参数的选择并没有一个可供参考的准则;其三,这些模型的稳定性无法保证．本文所提出的网络模型解决了这些问题,并且,此网络具有一个很好的特征就是在初始点选定在问题的可行解集的话,网络轨线将永远是可行的并收敛到一个广义特征向量．最后,数值模拟也表明这里所提出的网络的可靠性能,进一步证明了此网络可以很好地求解广义特征根问题．     

冷连轧系统的网络控制与网络集成技术

本文主要论述了1450mm五连轧的冷轧机计算机控制系统中网络控制构成及分布式控制技术的应用。首先介绍了该自动化系统的控制功能,然后详细叙述了该系统采用的两种网络控制方式,现场总线和工业以太网。最后分析了网络集成技术在该系统中的应用。     

Hopfield神经网络在有限元求解中的应用

计算机本身固有的计算与存储之间是一对很难解决的矛盾,许多工程力学问题因计算规模大等原因还没有突破性进展,因此,需要发展新的理论与计算方法。通过对有限元求解方法和Hopfield神经网络的深入研究,在对Hopfield神经网络适当改造后,得到了有限元的神经网络计算方法,在电路实现中避免了采用高增益传递函数的假设,进而在理论上实现了有限元神经网络计算的无误差求解。     

指针网络改进遗传算法求解旅行商问题

虽然遗传算法相较于其他算法能够更好地求解旅行商问题,但这种算法在使用的过程中容易陷入局部最优的问题,进而导致问题求解遭遇困境。文章在简要介绍旅行商问题的基础上,介绍了遗传算法求解旅行商问题的思路和方法,并明确算法应用中存在的不足。在此基础上提出基于指针网络改进遗传算法求解旅行商问题的新思路,为弥补遗传算法的缺陷提供相应的原理支持。     

A novel discrete particle swarm optimization algorithm for solving bayesian network structures learning problem

ABSTRACT

Bayesian network is an effective representation tool to describe the uncertainty of the knowledge in artificial intelligence. One important method to learning Bayesian network from data is to employ a search procedure to explore the space of networks and a scoring metric to evaluate each candidate structure. In this paper, a novel discrete particle swarm optimization algorithm has been designed to solve the problem of Bayesian network structures learning. The proposed algorithm not only maintains the search advantages of the classical particle swarm optimization but also matches the characteristics of Bayesian networks. Meanwhile, mutation and neighbor searching operators have been used to overcome the drawback of premature convergence and balance the exploration and exploitation abilities of the particle swarm optimization. The experimental results on benchmark networks illustrate the feasibility and effectiveness of the proposed algorithm, and the comparative experiments indicate that our algorithm is highly competitive compared to other algorithms.     

A neural network approach for solving nonlinear bilevel programming problem

A neural network model is presented for solving nonlinear bilevel programming problem, which is a NP-hard problem. The proposed neural network is proved to be Lyapunov stable and capable of generating approximal optimal solution to the nonlinear bilevel programming problem. The asymptotic properties of the neural network are analyzed and the condition for asymptotic stability, solution feasibility and solution optimality are derived. The transient behavior of the neural network is simulated and the validity of the network is verified with numerical examples.     

Exact procedures for solving the discrete ordered median problem

The discrete ordered median problem (DOMP) integrates classical discrete location problems, such as the N-median, N-center and Uncapacitated Facility Location problems. It was introduced by Nickel (In: Fleischmann B, Lasch R, Derigs U, Domschke W, Rieder U, editors. Operations Research Proceedings 2000, Berlin: Springer, 2001. p. 71–76), who formulated it as both a nonlinear and a linear integer program. We propose an alternative integer linear programming formulation for the DOMP, discuss relationships between both integer linear programming formulations, and show how properties of optimal solutions can be used to strengthen these formulations. Moreover, we present a specific branch and bound procedure to solve the DOMP more efficiently. We test the integer linear programming formulations and this branch and bound method computationally on randomly generated test problems.     

Parallelized neural network system for solving Euclidean traveling salesman problem

We investigate a parallelized divide-and-conquer approach based on a self-organizing map (SOM) in order to solve the Euclidean traveling salesman problem (TSP). Our approach consists of dividing cities into municipalities, evolving the most appropriate solution from each municipality so as to find the best overall solution and, finally, joining neighborhood municipalities by using a blend operator to identify the final solution. We evaluate performance of parallelized approach over standard TSP test problems (TSPLIB) to show that our approach gives a better answer in terms of quality and time rather than the sequential evolutionary SOM.     

Hopfield神经网络在机组组合问题中的应用

提出利用多层Hopfield神经网络求解机组组合优化问题。通过构造合适的能量函数使得单层Hopfield神经网络可以解决某一时刻的机组出力问题,与之相对应的多层神经网络可以解决任意时间段的机组出力问题。多层Hopfield神经网络的层数由所需求解问题的时间段确定。给出单层及多层神经网络的能量函数及求解算法,能量函数考虑到机组升降功率和出力上下限的约束。通过对已有文献的算例进行计算比对,所得结果和遗传算法基本一致,但Hopfield神经网络通过解微分方程组来确定最优解,计算时间相对较少。