带年龄结构的生态生灭过程模型

将时间参数引入系统，导出带有生存时间(或年龄结构)的生成生灭过程方程。     

基于自组织结对行为的群集机器人分群控制方法

针对群集机器人的分群问题,以E-puck群集机器人系统为研究平台,从外部刺激信息在群集内有效传播的角度出发,提出了一种基于自组织结对行为的群集机器人分群控制方法。该方法利用机器人航向的变化表征其应激反应强度,并引入两两结对行为实现刺激信息在群集内部传播的最大化。在此基础上,结合传统的"分离/组队/聚合"规则对机器人的运动行为进行协调,实现了机器人群集在外部刺激下的自发分群行为。实验结果表明:该方法不仅能实现机器人群集的应激分群运动,而且分群后的子群仍具备良好的稳定性。     

两类生灭过程预解式的概率法构造

利用边界过程的R-K(Ray-Knight)紧化和游程测度给出两类生灭过程预解式的全新构造。首先论述了边界点在R-K紧化理论下的不同分类;其次证明了生灭极小过程在边界点为自然和流出情况下,Kolmogorov方程只存在平凡解,在边界为流入和正则情况下,存在非平凡解;最后通过引入边界过程和游程理论给出边界点在流出和正则两类情况下生灭过程预解式的构造。克服了分析法概率意义不明确和传统概率法结构复杂的缺陷。     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

基于适应度的多机器人任务分配策略

为提高多机器人任务分配方法的通用性和实用性，提出了一种分布式多机器人协作任务分配策略.根据多机器人任务特点，提出了多机器人任务分配必须满足的4个基本目标，并由目标制定相应的4条任务选择策略.按形式化思想为子任务建立了一个通用模型，模型包含了与任务选择相关的子任务基本属性和运行状态.结合子任务模型和任务选择策略，建立了一个子任务适应度模型，包含静态适应度、进度适应度、资源适应度和外部适应度4个分量，机器人根据适应度大小来选择子任务.仿真实验表明，应用该任务分配策略的协作异构多机器人系统对一类搬运任务具有很好的通用性，当任务发生变化和机器人发生故障时，机器人能够正确、及时地调整子任务，系统具有很好的实时性、灵活性和鲁棒性.系统能够实现机器人到子任务的最优映射，与其他任务分配方法相比明显缩短了任务执行时间.     

机器人路径规划蚂蚁算法及收敛性分析

提出了一种用于解决机器人路径规划的基于图的蚂蚁算法.用栅格法对机器人的工作空间进行建模,并用一个状态矩阵表示其状态,由此构造出一个连通图,由一组蚂蚁在图上模拟蚂蚁的觅食行为,从而得到避碰的优化路径.最后,借鉴分枝随机过程和生灭过程的理论知识,用概率的方法从理论上对该算法的收敛性进行了分析,证明了算法的有效性和收敛性.     

容忍延迟网络中基于生灭模型的消息控制方法

提出了在多拷贝传递的基础上增加消息拷贝消除机制,合理地控制了网络中的消息拷贝数.在网络中根据节点相遇时消息拷贝教发生变化的特性,构造了消息拷贝数的离散时间的马尔可夫链,建立生灭模型,进一步验证并得出了平稳分布.通过仿真实验比较,相遇次数与时间基本上是线性关系,与理论模型极为相近.与传染路由比较,采用拷贝消除机制网络中的...     

基于高斯过程的机器人模仿学习研究与实现

针对机器人模仿学习控制策略获取的问题,基于高斯过程的方法,建立示教机器人示教行为的样本数据的高斯过程回归模型并加以训练,以求解示教机器人的感知和行为之间的映射关系,并将此映射关系作为模仿机器人的控制策略来实现对示教行为的模仿.以Braitenberg车为仿真对象,研究趋光模仿学习行为.仿真实验表明:基于高斯过程的机器人模仿学习算法具有有效性,模仿机器人在不同任务环境下具有很好的适应性.     

基于图卷积模仿学习的分布式群集控制

针对受限通信条件下机器人群集协同控制问题,提出基于图卷积模仿学习的分布式群集控制策略. 该策略旨在实现群集内避障、速度一致性的基础上,提高群集鲁棒性,提升避免群集分裂的成功率. 提出基于熵评价的群集鲁棒性量化评价指标,建立节点和链路重要性的均衡分布与群集鲁棒性的联系. 提出重要度相关图卷积网络,用于实现受限通信条件下非欧氏数据的特征提取和加权聚合. 采用图卷积模仿学习方法,根据提升群集鲁棒性的要求设计集中式专家策略,通过对集中式专家策略的模仿,得到分布式群集协同控制策略. 设计仿真实验,证明所得的分布式策略基于受限通信条件实现了接近集中式的专家策略的控制效果.     

多机器人任务分配与路径规划算法

针对多机器人任务分配和路径规划存在的移动方向角偏差问题,本文引入矢量方向来修改机器人的运动方向角,提出了一种改进的基于矢量方向的自组织算法,使一组机器人在自动避开环境中障碍物的情况下能够有效地到达所有指定的目标位置。采用基于矢量方向的自组织算法对多机器人系统进行任务分配,使机器人能够访问各个目标位置,整个过程包括获胜神经元的选择、优胜邻域函数的确定以及权值的修改。根据引入的矢量方向法更新SOM获胜神经元的权值,使每个机器人在访问相应目标的过程中能自动的避开障碍物,以避免在路径规划过程中横穿障碍物,进而实现机器人的自动、有效路径规划。仿真实验结果表明:与传统的SOM算法相比,本文所提出的算法在机器人数量与任务目标点数量相同或机器人数量小于任务目标点数量的情况下,能够自主地避开环境中的障碍物并进行合理地任务分配,具有较高的有效性和实用性。     

基于蚁群算法的多Agent任务分配方法

针对多Agent任务分配问题,结合蚁群算法的思想,设计了基于图的任务分配数学模型,提出了基于蚁群算法的多Agent任务分配方法,并通过实验与3个经典方法进行比较和分析,探讨了蚂蚁数对求解结果的影响。实验结果表明,所提出的算法是有效的。     

基于量子粒子群的软件模糊可靠性分配模型

针对软件可靠性分配中存在多个优化目标的问题,提出了一种新的模糊多目标分配模型,并采用量子粒子群优化算法求解该模型。将软件可靠性和成本作为模糊目标函数,通过三角形隶属函数对模糊目标进行处理,将优化后的量子粒子群算法用来求解软件模糊可靠性分配模型。实验结果验证了文章提出的软件模糊可靠性分配模型是有效的,多目标的Pareto最优解为可靠性和成本之间的决策提供了依据。     

基于KM算法的分布式无线节点任务分配方法

单个节点无法满足各种新颖的应用程序对时延或能耗的要求,为此提出了一种分布式无线节点任务协同分配方法,通过利用周围节点的空闲资源,来降低所有节点处理任务的总时延或总能耗.首先根据层次分析法（AHP）综合任务的多维属性,如计算负载、最晚完成时间等,确定任务执行的优先级;然后建立时延和能耗的优化模型,并将其转化为二分图最大权值的匹配问题,采用Kuhn Munkras （KM）算法求解得到任务分配的最优解,实现终端节点在网络边缘高效地协同执行任务.仿真结果表明,该算法能够有效地降低任务处理的时延和能耗.     

基于扩展合同网的协同设计任务分配机制研究

针对网络化产品协同设计过程的任务分配机制进行研究,在分析了已有合同网任务分配机制的基础上,通过引进时间令牌和缓冲池策略,对合同网机制进行扩展,提出了一种基于时间令牌和缓冲池机制的协同设计任务分配方法,给出了任务分配协作过程中的协商策略和基于投标信息的综合多因素决策评价算法。最后通过实例验证了所提方法的可行性,更适用于协同设计任务分配的实际情况。     

基于粒子群的城市供水配置模型优化算法

为了解决城市供水水量分配合理性欠缺问题,提出基于粒子群的供水配置模型优化算法.该算法以地表水、地下水、自来水、中水4种水源类型作为供水源,以生活用水、工业用水、农业用水和生态用水4个行业作为用水行业,并考虑供水源的开发成本,建立供水配置模型.运用粒子群优化算法对模型进行优化求解,得到最佳的水量配置方案.通过实例验证该算法的可行性,为今后的供水水量分配调度工作提供参考和依据.     

基于改进粒子群优化算法的短期风电功率预测

针对传统支持向量机(SVM)模型在风电功率预测中存在的参数选取问题,提出一种新的预测模型,采用改进的粒子群(MPSO)优化算法寻求SVM的最优参数模型,经典粒子群算法是一种全局优化算法,在此基础上提出改进的粒子群算法.算例结果表明,经MPSO优化的SVM模型应用于短期风电功率预测是有效的,使其预测精度有所提高.     

TWDM-PON中用户流量预测的波长分配方案

为了解决目前时波分光网络(TWDM-PON)波长分配算法存在的负载不均衡、资源效率低、调谐开销大等问题,对利用用户流量请求行为的大尺度时间范围内呈现的周期性规律指导波长分配进行了研究,提出基于切换周期进行固定—动态波长分配.通过对用户未来带宽请求的有效预测,对分配到多个可用波长的多个光网络单元进行耦合分组,最后分配波长资源.所提方案结合了固定波长分配方案和最早空闲波长优先分配方案的优势,有效降低了波长调谐开销,并使得不同波长上分配的用户负载更加均衡,提高了资源利用效率和资源分配的公平性.     

在OFDMA中基于跨层结构的自适应资源配置

OFDMA在BWA系统中得到越来越多的应用。基于跨层网络结构,在OFDMA系统中提出了公平自适应资源分配方案。该方案在保证系统的频谱利用率的同时,以用户在链路层的排队延迟相等作为分配子载波和功率的条件。仿真结果显示这个方案比IEEE802.16a中方案能缩短1/3最大延迟与最小延迟的差距,减少几乎一半的平均延迟,而且可以提高0.4bps/Hz的频谱利用率。     

一种基于MIMO—OFDM系统的自适应功率分配最小化算法

把一般多载波系统中的自适应功率最小化算法应用到多天线OFDM系统中,同时研究了MI-MO-OFDM系统传输过程中的误比特率变化情况.仿真结果表明,在相同的MIMO-OFDM仿真参数设置下,采用自适应功率分配最小化算法,当信噪比为102时,SISO-OFDM系统误码率比MIMO-OFDM系统误比特率高0.0463;随着配置的天线数增加,MIMO-OFDM系统的性能也得到增强.     

协同通信系统中基于系统容量的功率分配研究

对放大转发协同中继系统进行了容量分析,综合考虑源节点与中继节点以及各中继节点之间不同功率分配对系统容量的影响．基于中继信道强度的瓶颈效应,提出了一种使系统容量最大的优化功率分配方案,并得到了源节点功率Ps、中继节点总功率Pr、各个中继节点功率Pi的闭合表达式．仿真结果表明,相比传统的等功率分配,该方案使系统容量显著提高,特别是当信道信噪比较低时,提高比例超过90％;又因其复杂度低,该算法有很强的实用性．