基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(MIT)重建图像数值解的不稳定性,还加快了重建图像的收敛速度,提高了目标导体的分辨能力,有效改善了重构图像的质量.仿真结果表明了该组合算法的有效性.     

集装箱船多港bay 位排箱的优化方法

在后续港装载状态未知情况下,针对始发港混装bay位的排箱问题提出不出现倒箱条件下,实现bay位重心位置和横倾力矩最优的多目标优化数学模型,并通过离散粒子群算法进行求解,给出粒子位置的矩阵表达形式,并通过交叉和局部搜索策略对粒子位置进行更新.该算法简便有效,收敛速度较快,可增加种群的多样性,有效抑制早熟出现.实例结果表明,该模型和求解算法可实现多港bay位排箱优化.     

基于快速SR-UKF的锂离子动力电池SOC联合估计

针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患,以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题,本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法,并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理,降低了每次无迹变换时的计算开销;然后在迭代过程中,用状态误差协方差矩阵的平方根代替状态误差协方差矩阵,该平方根是由QR分解与 Cholesky因子的一阶更新得到,解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题,保证了电池荷电状态(State of charge,SOC)在线滚动估计的数值稳定性;最后采用联合估计策略,对电池等效模型参数进行实时辨识,保证了电池等效模型的准确性与有效性,从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性。      

一种改进的自适应蚁群算法及其应用研究

蚁群算法作为一种新型的模拟进化算法,具有分布计算和信息正反馈等优点,但蚁群算法与其他进化算法一样存在收敛速度慢,易陷于局部最优等缺陷.针对这一问题,提出二种改进的蚁群算法,结合遗传算法和图论中的最邻近算法,并自适应地初始化信息素和限定信息素的大小范围.将该算法应用于旅行商问题(traveling salesman problem,TSP)求解,与基本蚁群算法比较,数值实验结果表明,这种改进算法能有效抑制算法陷入局部最优的缺陷,从而提高了解的全局搜索能力和解的质量.     

混沌人工鱼群的鲁棒保性能控制权值矩阵优化方法

针对鲁棒保性能控制中的权值矩阵依赖经验选取,无法最大限度的减小系统保守性的问题,提出了一种基于混沌人工鱼群算法的鲁棒保性能控制权值矩阵优化方法.该方法中,将保性能控制鲁棒界作为优化的目标函数来寻找最优权值矩阵是整个算法实现的关键.该种改进的人工鱼群优化算法融合了混沌搜索与自适应步长和视野的人工鱼群优化算法,有效的解决了基本人工鱼群算法的后期收敛速度慢、易陷入局部最优等缺点.通过测试函数对比验证了该种改进人工鱼群优化算法的优越性,并通过应用实例验证了该权值矩阵优化方法的有效性.      

重大事故救灾路线双目标优化模型及算法

运用运筹学的理论和方法,建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想,提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法,在最优解的近似区间内多次迭代逐渐逼近最优解,实现了双权重网络图最短路的求解,是一种近似的、快速的算法.基于所构造辅助函数的性质,给出实现该算法的具体步骤.对误差进行线性估计,分析了该算法收敛速度的影响因素,并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法,证实其模拟结果与理论分析结论相吻合.      

联合LDPC码和网络编码的协作通信技术

结合信道编码和网络编码的思想,提出了一种在两用户协作情况下联合LDPC(low-density parity-check)码和网络编码的协作分集方案,该方案在接收端通过基于整体H矩阵的置信传播算法实现LDPC码和网络编码的联合译码,并对该方案在瑞利慢衰落信道下的性能进行了MATLAB仿真.仿真结果表明:与编码协作和不协作方案相比,所提方案在系统误码率性能上有着明显地改善.     

一种基于神经网络的快速预测控制算法

由于普通广义预测控制在快速性方面存在局限性,本文提出一种基于BP神经网络的(GPC)算法,该算法用训练好的BP去解决GPC算法中的丢潘图方程求解、大矩阵的求解、求逆等复杂运算.本文将该法用于冷连轧机快速系统中进行仿真,结果表明,该算法比普通的GPC算法速度提高了很多,具有很好的控制性能.     

基于带宽与往返时间联合预测的多路径并行传输性能优化算法

在流控传输协议(stream control transmission protocol,SCTP)中,多路径并行传输利用多家乡特性实现数据在关联的多条端到端路径中的并行传输.然而,受不同路径性能差异的影响,多路径并行传输将带来接收端的数据乱序.为了减轻数据乱序的程度并提高网络吞吐量性能,需要尽可能准确地估计每条路径的实时带宽与往返时间(round trip time,RTT).本文利用扩展矢量卡尔曼滤波对多路径并行传输中每条路径的可用带宽与往返时间进行联合预测,同时提出了一种综合考虑发送端未经接收端确认的数据的路径选择算法.仿真结果表明,通过实时准确地预测可用带宽和往返时间,路径选择算法能够减轻接收端数据乱序的程度.对于带宽敏感的多路径应用场景而言,该算法的收敛速度比Kalman-CMT算法更快,对网络吞吐量性能也有一定程度地提高;对时延和带宽都敏感的多路径应用场景来说,算法在收敛速度与吞吐量两方面优势明显.      

MMSE准则下基于玻尔兹曼机的快速重构算法

全连接的玻尔兹曼机模型可全面描述稀疏系数间统计依赖关系,但时间复杂度较高.为了提高基于玻尔兹曼机的贝叶斯匹配追踪算法(BM-BMP)的重构速度和质量,本文提出一种改进算法.第一,将BM-BMP算法的最大后验概率(MAP)估计评估值分解为上一次迭代的评估值与增量,使得每次迭代仅需计算增量,极大缩短了计算耗时.第二,利用显著最大后验概率估计值平均的方式,有效近似最小均方误差(MMSE)估计,获得了更小的重构误差.实验结果表明,本文算法比BM-BMP算法的运行时间平均缩短了73.66%,峰值信噪比(PSNR)值平均提高了0.57 dB.