动态网络上最大流概念及其性质的研究

本文在动态商空间模型的基础上,研究动态网络环境下最大流、最小割的定义及最小割定理成立的条件。首先分析动态网络最大流量的特点,发现直接将静态环境下的最大流量概念移植到动态的情况,所得的最大流不具有可加性和总流量最大性。为此引入t-截网络的概念,将动态网络化成静态网络的组合,为动态网络的分析提供一个有效的方法;在此基础上提出(最速)最大流量的定义,并证明新定义的最大流具有可加性和总量最大性。接着给出相应的最小割概念,证明新定义下的最大流、最小割对应的最小割定理成立。最后给出求动态(最速)最大流量的算法。     

多输入单输出Wiener-Hammerstein 模型的集群辨识

讨论了集群辨识的概念和特点.针对多输入单输出Wiener-Hammerstein模型提出了一种集群辨识方法.方法的基本思想是将模型辨识问题转化为参数空间上非线性函数的最优化问题,然后采用集群智能方法对整个参数空间进行高效并行搜索以获得模型参数的最优估计.仿真结果显示了本方法的有效性.     

基于邻域信息的B样条密度模型的医学图像分割研究

针对有参混合模型的聚类算法需要假设模型为某种已知的参数模型而存在模型不匹配及应用于图像分割时对噪声比较敏感的问题,提出了一种基于空间邻域信息的B样条密度模型的图像分割方法。首先,通过构建基于规范化的B样条密度函数的非参数混合模型,定义空间信息函数,使得分割模型具有空间邻域信息;其次,利用非参数B样条期望最大(NNBEM)算法估计密度模型的未知参数;最后根据贝叶斯准则实现图像的分割。该图像分割方法不需要假设图像符合某种模型,就可以克服实际数据分布与假设图像模型不一致的问题。此方法有效克服了"模型失配"问题,而且有力抑制了噪声点,同时很好地保留了边界的特性。分别对模拟图像进行仿真,验证了基于空间邻域信息的B样条密度模型的分割方法的有效性。     

基于隐层优化的RBF神经网络预测模型

提出一种基于隐层优化算法的RBF神经网络预测模型——HLOA-IRBFM。在传统的免疫径向基神经网络模型(IRBFNM)的基础上引入粗糙集,将初始隐层空间进行划分。定义隐层区域密度和相对近似度等概念,提出边界区域中冗余点和孤立点的约减算法。优化后的隐层空间分布均匀,能以较少的中心数覆盖整个样本空间,弥补了IRBFNM模型过分依赖参数选取的不足。实验结果证明,HLOA-IRBFM模型比IRBFNM模型在预测性能方面具有更好的稳定性和准确性。     

基于区域延伸的定性空间表示

在区域连接演算(region connection calculus,RCC)理论基础上给出了区域延伸的形式定义.通过区域延伸,定义了关联空间的概念,进而提出了空间表示的一个模型,在这个模型中给出了空间中物体的空间拓扑关系、距离关系、方向关系以及位置等信息的定性表示.智能体对空间关系的确定是通过区域延伸实现的,模型为智能体在约束空间环境中的行动推理提供了一个新的表示方法.     

基于最大决策邻域粗糙集的不确定性度量方法

邻域粗糙集模型是经典粗糙集模型的变型,对处理数值型数据具有较好的优势性.本文引入最大决策邻域粗糙集模型,该模型密切关注边界样本,通过增加与决策类有最大交集的邻域样本来扩大正域,并在该模型上定义了最大决策粗糙度的概念.为了能够反映正域、负域的同时变化,提出一种基于边界域的不确定性度量方法.为了能够更全面的度量,在最大决策邻域粗糙集模型中定义了最大决策邻域粒结构,并基于该粒结构提出了最大决策邻域粒度概念,该粒度是对信息系统的分类能力的度量.文章最后提出一种基于最大决策邻域粗糙集的混合不确定性度量方法,将两种度量方法进行结合.实验结果表明,所提出的度量方法在邻域信息系统中具有较好的分类效果.     

基于点状β智能体的飞行器集群避障控制方法

针对传统的飞行器集群避障方法不能有效规避非规则障碍物的问题,提出一种基于点状β智能体的集群避障控制方法。在加速度输入的基础上,基于β智能体概念定义点状β智能体,将α智能体对其在障碍物表面投影的规避变为对点状β智能体的规避,调整个体加速度输入中(α, β)协议量的β智能体的坐标和相关向量,使多智能体面向非规则障碍物形成集群。仿真结果表明,该方法能实现集群对非规则障碍物的规避。     

双重视角下的无人集群智能性描述与等级划分

无人集群是群体智能的一个重要应用领域,也是无人系统的重要发展方向之一。如何描述和度量无人集群整体的智能性水平是当前无人系统领域一个十分具有挑战性的理论与技术研究课题。该文首先对已有无人系统智能性等级划分模型进行了述评;其次,结合对群体智能和系统智能概念的阐述,给出了对无人集群智能性的合理解释;接着,在无人集群系统内部与外部双重视角下全面剖析了影响其整体智能性水平评判的关键要素,基于任务和环境复杂性因素建立了无人集群的任务胜任力度量模型,在扩展经典OODA(Observe, Orient, Decide, Act)环的基础上建立了基于群体化OODA环的无人集群整体智能行为实现过程模型,并提出了一种基于两种模型关联映射的无人集群智能性描述框架;在此基础上,提出了一种比较详细的无人集群智能性等级划分;最后,对持续深化该研究的主要发展方向进行了总结与展望。     

多源多汇网络的极限范围与运行边界

研究并得到多源多汇网络的极限范围与运行边界.首先,定义临界流,现有研究的最大流和堵塞流是临界流的一部分;其次,得到多源多汇网络的所有临界流,并绘制成临界流曲线,完整刻画网络传输流量能力的极限范围,最大流流量位于曲线最高点、最小流流量位于曲线最低点;再次,利用临界流确定网络流的运行边界,边界内部和边界上均为可行流,边界外...     

图像中非凸区域的粗糙关系特征研究

通过研究图像中非凸区域的特性和A Cohn提出的"蛋一黄"模型,定义最大可能凸子集和最小可能凸超集等概念,给出了非凸区域的上、下近似概念,在此基础上提出了一种非凸区域转化为凸区域的粗糙近似算法,然后研究了非凸区域间、凸区域间的关系特征,给出了非凸区域间的粗糙关系与凸粗糙区域间的粗糙关系等价图,从而简化了非凸区域之间的关系.这对基于图像的空间定性推理(QSR)进行了推广,使其不但能够对含有凸区域的图像进行语义推理,而且能够对含非凸区域的图像也能进行推理.     

Chaotic dynamic characteristics in swarm intelligence

Swarm intelligence (SI) is an innovative distributed intelligent paradigm whereby the collective behaviors of unsophisticated individuals interacting locally with their environment cause coherent functional global patterns to emerge. The intelligence emerges from a chaotic balance between individuality and sociality. The chaotic balances are a characteristic feature of the complex system. This paper investigates the chaotic dynamic characteristics in swarm intelligence. The swarm intelligent model namely the particle swarm (PS) is represented as an iterated function system (IFS). The dynamic trajectory of the particle is sensitive on the parameter values of IFS. The Lyapunov exponent and the correlation dimension are calculated and analyzed numerically for the dynamic system. Our research results illustrate that the performance of the swarm intelligent model depends on the sign of the maximum Lyapunov exponent. The particle swarm with a high maximum Lyapunov exponent usually achieves better performance, especially for multi-modal functions.     

一种改进粒子群迭代优化的集成网络智能节点部署算法

为了解决复杂环境中集成网络系统的智能节点交又覆盖和相互千扰对智能节点最优位置选择的影响问题, 提出了一种改进粒子群迭代优化的集成网络智能节点部署算法。在该算法中,首先将集成网络系统智能节点部署模 型转化为在交又率和千扰约束目标下的优化问题;然后利用改进粒子群算法对节点部署方案进行映射,依据粒子粒距 聚类度和粒子信息墒对粒子权值进行修正,再计算粒子的适应度值,对粒子的局部最优解和全局最优解进行更新;最 后利用粒子速度和位置更新策略对智能节点部署进行迭代优化。仿真对比实验证明,该算法具有较好的收敛速度,且 收敛值更优,有效地保证了在覆盖率最大时干扰最小。     

一种生态粒子群竞争优化计算模式

将生态种群密度的概念引入群体智能计算,提出一种基于生态群竞争模型的粒子群优化模型。该模型的动力学特征可较全面地描述个体与环境及相互之间的协同行为,在一定程度上脱离了只采用个体适应度来控制进化的生物进化框架。数值仿真结果表明该生态型粒子群优化模型可有效改善早熟收敛和提高收敛速度。     

Comparison of spatial interpolation methods for estimating heavy metals in sediments of Caspian Sea

This study aims to estimate the spatial distribution patterns of six heavy metals: Arsenic (As), Cadmium (Cd), Copper (Cu), Mercury (Hg), Plumbum (Pb), Zinc (Zn) in the sediments of Caspian Sea. Ordinary kriging (OK), genetic algorithm based on artificial neural network (GA-ANN), adaptive network fuzzy inference system (ANFIS), and conditional simulation (CS) have been used for spatial distribution modeling. A total number of 80 surface sediment samples were collected in the year 2007 in Caspian Sea and Volga Delta in framework of the Caspian Ecosystem Program (CEP) which focuses on contaminants survey. As part of these samples, five countries of Iran (18 samples), Azerbaijan (16 samples), Turkmenistan (21 samples), Kazakhstan (13 samples), and Russia (12 samples). Results indicate that the CS realizations yields interpolation values such that the parsimony principle can not be kept. Simulated maximum and minimum values based on the CS method, is less and more than corresponding observed values, respectively. The OK realization smoothed out spatial variability and extreme measured values between the range of observed minimum and maximum values for all of the contaminants. The GA-ANN model has been capable of simulating the minimum values of contaminants as well. ANFIS, GA-ANN and OK are capable simulate the average values of contaminants, as well, except Cd and Hg. The results of spatial distribution modeling of Cd, Cu, Hg, Pb, and Zn show that the maximum concentrations of these contaminants are distributed in the south of Caspian Sea, near the boundary of Azerbaijan and Iran. In the case of As, maximum concentration is found in the north and south of the study area. Finally, comparison between the four interpolated techniques, GA-ANN model is the best model in keeping the statistical characteristics of the observed data for all contaminants, however ANFIS model is the best model with least simulation errors.     

Seasonal and interannual studies of vortices in sea surface temperature data

An algorithm for calculating feature displacement velocities and for detecting vortices has been applied to 13 years of sea surface temperature data derived from Advanced Very High Resolution Radiometer (AVHRR) data. A unique global event database for seasonal and interannual studies of the spatial distribution of oceanic vortices was created for the years 1986–1998. The results indicate that (1) the number of vortices in each season is fairly constant from year to year in each hemisphere—however, their preferred locations change on seasonal to interannual time-scales; (2) the maximum number of vortices were detected in the summer and in the winter in all oceans and the minimum number were detected in the autumn; and (3) the distribution of the spatial density function shows preferred localizations such as 40°?S, the tropical instability region, marginal seas, western boundary and eastern boundary current regimes.     

一种基于网格核密度的自适应边界点检测算法

为了快速有效的检测聚类的边界点,提出基于网格核密度的自适应边界点检测算法ADAPT(An Adaptive Grid Kernel-Density-Based BoundaryPoints Detecting Algorithm for Spatial Database with Noise),使用网格核密度更精确地拟合网格在其邻域内的密度,采用自适应选取网格近邻策略更好地反应对象的空间分布特征.实验结果表明:该算法可以在含有任意形状、不同大小和不同密度的数据集上快速有效地检测出聚类的边界点.     

微小卫星集群在有界空间表面的均匀分布策略

考虑微小卫星集群在轨服务的任务效率及星群在有限空间区域表面均匀分布的任务需求,提出基于改进独占球与势函数相结合的空间集群均匀分布度量模型和构型控制策略,该策略可以有效度量航天器集群空间均匀性、空间覆盖性和空间聚集性指标,并指导航天器集群在有限区域内实现无碰撞自组织的均匀分布构型.仿真分析表明,均匀度模型具有良好的旋转对称性和平移对称性,可以有效指导集群实现均匀分布并具有良好低维投影均匀性.     

解方程组的单神经元自适应控制微粒群算法

基于微粒群算法解决函数优化问题的优点，提出了使用微粒群算法求解方程组，并给出了求解方程组的通用模型。应用标准微粒群算法求解方程组容易陷入局部极值，导致方程组的解精度不高，并且算法具有较复杂的非线性特性。因此，将微粒群算法作为控制对象，引入单神经元控制器控制算法的惯性权重，将控制器具有的自学习、自适应能力和算法的全局优化特性相结合，用于方程组的求解。实验结果表明，该方法是有效可行的，适合于求解实际工程问题中的高非线性度方程组。     

新高考体制下运用改进粒子群算法的排课算法

基于改进的粒子群算法,解决了新高考体制下的排课问题。针对中学教学资源紧张的情况,所用算法可高效寻找最优课表,并在行政班的背景下实现智能排课。将课表各要素存入二维矩阵,使初始课表满足无冲突、教师数量最少、教室数量最少、每科目每天最多一节课以及教学计划同步推进等约束条件。为课表添加评价系统,用于表征课表的用户自定义条件满足程度。设计新解产生规则,分别使用模拟退火算法和粒子群算法进行课表优化并对比两种算法的性能,在优化过程中不破坏硬约束条件和软约束条件。最终,使用改进的粒子群算法得到高质量的符合新高考体制的课表。     

基于随机森林的京津冀地区PM2.5遥感反演及变化分析

大气细颗粒物PM_2.5是影响人类生存环境和身体健康的主要大气环境污染物,研究PM_2.5质量浓度季节变化的规律及空间分布特征,对于大气污染物的预防和治理有着重要的意义。利用2018～2020年MODIS卫星L2级AOD产品、MERRA-2气象数据以及地面站点PM_2.5实测数据,基于改进的随机森林算法,构建AOD-PM_2.5反演模型,对京津冀地区PM_2.5质量浓度进行估算,并分析PM_2.5质量浓度空间分布特征以及季节变化规律。结果表明：(1)春夏秋冬4组模型决定系数(R2)均值分别为0.78、0.66、0.83、0.83,模拟精度较高。(2)2018～2020年京津冀地区春夏秋冬四季PM_2.5浓度呈显著的空间分布特征及季节变化规律。其中PM_2.5污染最大值出现在冬季,最小值出现在夏季。(3)历年同季节相比,京津冀地区PM_2.5污染范围和浓度数值均有所减小,2020春季和秋季PM_2.5<...