定量化风险评估及动态规划控制策略

该文以软件风险暴露度作为评估项目风险的判据,将风险控制转变为求解最小风险暴露度的最优化问题,从而制订出了风险的定量化识别及优化控制的整体方案。文章首先介绍软件风险管理的传统模式,之后对基于暴露度的风险评估方法进行细化和改进,最后应用逆序递推的动态规划思想设计一个优化控制算法,并通过实验证明了该算法的有效性。     

动态规划算法原理及应用研究

本文透彻分析了动态规划算法的基本原理、基本要素、适用条件和解题步骤。并通过达尔文芯片问题详细讲解了动态规划算法在实际中的运用,最后总结了使用动态规划算法的重点难点和技巧。     

基于改进蚁群与动态窗口法的AGV动态路径规划

针对全局静态路径规划算法无法有效躲避动态障碍物、局部动态路径规划算法缺少全局环境信息指导规划路径质量差或无法成功到达目标点等问题,提出了一种结合改进蚁群算法和动态窗口法的全局动态路径规划算法,实现在动态环境中的全局最优路径实时规划.对传统蚁群算法提出了初始信息素不均匀、双向分布、引入放大系数A增大相邻栅格启发信息差异、...     

句子相似度的动态规划求解及改进

基于例子的机器翻译,其很关键的步骤之一就是如何从语料库中找到待译句子的最佳相似句。论文针对这个问题提出了利用动态规划方法基于句子相似矩阵进行求解的方法。根据这个方法就可以从语料库中为待译句子找到最佳相似句,同时在求解过程中还做了一些改进:利用矩阵分块求解的方法保留了句子的连续相似块,保证了结果的质量,对提高EBMT系统的翻译质量起到了一定的促进作用。     

执行依赖启发式动态规划PMSM控制策略研究

永磁同步电机算法中的PID参数固定不变,自适应能力较差;近似动态规划具有自学习能力,能动态调整参数,增强系统的自适应能力;文章将近似动态规划中的代表性算法——执行依赖启发式动态规划与类PI网络相结合,根据环境反馈对各个策略进行评价,选取评价最优的策略在线调整动作网络参数,对永磁同步电机进行自适应最优控制;仿真结果表明,执行依赖启发式动态规划加PI控制算法在系统速度变化和负载变化过程中,动态效果和稳态精度优于传统PID控制.     

动态环境下机器人路径规划的一种新方法

提出了一种动态环境下实用于机器人路径规划的新方法。该方法先利用链接图法对环境建模,再通过遗传算法搜索出全局最短路径。然后在机器人行进过程中再分别遇到障碍物的类型不同而采取不同的局部路径规划策略完成避障,同时顺利达到目的地。仿真表明该方法具有可行性。     

基于改进型动态规划算法的串联混合动力汽车控制策略

混合动力汽车通常由内燃机和电池两种不同的动力源驱动,对于给定的功率需求,如何分配两种动力源的输出功率,使得整个循环的耗油量达到最小是混合动力系统控制表示法需要解决的问题.本文采用改进动态规划方法来优化两种动力源的输出功率,并用PSATv6.1进行了系统仿真.仿真结果表明,与开关式相比,该方法能有效的降低串联混合动力汽车...     

基于动态规划算法的人脸比对

动态规划算法可以有效地用来进行序列的比对,能够给出序列之间的最优比对结果,论文将其用在人脸识别的一些关键特征的比对方面,给出了人脸之间相似程度的一种度量,同时给出了具体的算法,可以有效地应用于人脸的比对和其它进一步的人脸识别中的应用。     

一种基于动态规划的全局双序列比对优化算法

序列比对是生物信息处理中非常重要的一类方法,基本的序列比对算法是基于动态规划思想提出的。本文提出了一种基于动态规划思想的全局双序列比对优化算法(Optimized Global Pairwise Sequence Alignment based on the idea of Dynamic Programming)OGP-SADP,在保持基本动态规划敏感性的前提下,GOPSA方法计算替换矩阵时只需存储当前相邻两列的元素,同时引用checkpoint技术以减少计算迭代次数,有效降低了时间复杂度和空间复杂度。     

电梯规划的动态模型

讨论了写字楼上下班高峰期的电梯规划问题。首先提出了电梯方案的衡量标准,然后建立了一个比较完整的“动态规划”模型,对模型进行了求解。最后,对结果作了进一步的讨论,讨论了该模型对一般建筑以及超高建筑规划时候结果的不同,并回过头来验证了衡量标准的正确性。最后根据一个实际问题给出解决的方案。     

PSOSA混合优化策略

本文提出了一种微粒群算法与模拟退火算法相结合的混合优化方法，该方法在群体进化的每一代中，首先通过微粒群算法的进化方法来控制微粒的飞行方向，然后利用模拟退火算法来拓展其搜索领域。这样既可以利用微粒群算法的收敛快速性，又可以利用模拟退火算法的全局收敛性。本文还证明了该混合优化方法依概率1收敛于全局最优解。仿
真结果表明，在搜索空间维数增大时，该方法的全局收敛性明显优于基本微粒群算法。     

提高海鸥优化算法寻优能力的改进策略及其应用

针对海鸥优化算法(SOA)收敛速度慢、容易陷入局部最优等问题,提出3种提高SOA算法寻优能力的改进策略：对非线性收敛因子与螺旋系数进行改进,以改善全局与局部搜索的协调能力,加快收敛速度;通过拓展攻击行为与攻击角度,以并行搜索的方式提升局部寻优性能;引入动态反向学习,使算法快速跳出局部最优,优化全局搜索。基于马尔可夫过程分析了改进海鸥优化算法(ISOA)的收敛性。通过16个基准函数测试了ISOA算法的寻优性能,并将其应用于PID(proportional-integral-derivative)参数整定中,结果表明,提出的改进策略能显著提高SOA算法的收敛速度与求解精度,ISOA算法在参数优化领域具有较好的应用效果。     

加热炉多模式动态优化控制策略

针对加热炉优人控制存在的缺陷,提出一种加热炉多模式动态优化控制策略。该控制策略包括稳态优化炉温设定值的求解和炉漫设定的动态补偿。在稳取优化中采用了单纯形法,而动态补偿则采用了以ＰＩＤ调节为主、以专家经验为辅的控制手段。仿真研究表明控制策略效果良好,既节约了大量能源又提高了产品质量。     

基于信息交流策略的连续域蚁群优化算法

连续域蚁群优化算法（ACOR）在求解优化问题时,全局寻优能力弱,寻优结果精度低。受自然界中优秀的个体之间相互交流和结合可以产生较优的后代的启发,提出了一种基于信息交流策略的连续域蚁群优化算法（ICACO）。ICACO算法在对解的更新过程中选取一部分较优解利用信息交流策略进行处理得到候选解,并采用贪婪方式接受能够改善解的质量的候选解。通过标准测试函数对所提算法进行测试,实验结果表明ICACO算法能够有效地提高ACOR算法寻优结果的精度并加快收敛速度。该算法与相关改进的连续域蚁群算法及其他智能优化算法相比全局搜索能力更高,效果更好。     

融合张角拥挤控制策略的高维多目标优化

对于高维多目标优化问题,随着目标维数的增加,种群中非被支配解的比例剧增, 严重降低了种群的进化压力.为了对数量众多的非被支配解进行有效的拥挤控制并提升种群的多样性, 本文在提出张角概念的基础上设计了一种新的拥挤控制策略(Congestion control strategy based on open angle, CCSOA),它的时间复杂度并不会随着目标维数的增加而增大. 与目前优秀的进化多目标优化(Evolutionary multiobjective optimization, EMO)算法IBEA (Indicator-based evolutionary algorithm)、NSGAIII (Nondominated sorting genetic algorithm III)和GrEA (Grid-based evolutionary algorithm)的比较结果表明, 融合了CCSOA的高维多目标优化算法在收敛效果和解集分布的均匀性两个方面均有较大的优势.     

基于遗传算法和模糊综合评价的虚拟企业风险规划

虚拟企业是未来企业的潜在发展模式,虚拟企业的风险管理是当前研究的热点问题,风险规划是风险管理的重要阶段之一.本文针对虚拟企业缺少历史资料、不确定因素多等特点,提出了非线性整数规划和模糊综合评价相结合的风险规划问题描述模型以及遗传算法与模糊综合评价相结合的问题求解算法.实例仿真验证了该方法的有效性.该方法能够实现在一定风险费用投入的情况下,通过优化组合风险处理措施,达到虚拟企业整体风险水平最低的目标,是虚拟企业风险规划的科学管理方法．     

风险敏感性最优控制问题研究

运用随机最优控制理论,研究了风险敏感性随机最优控制问题。给出了值函数和风险规避系数的定义,并通过对值函数进行非线性变换,证明了变换后的值函数风险规避系数动态规划偏微分方程。     

快速寻优的全局优化进化算法

为了加快进化算法中种群的寻优速度,设计双变异算子,提出一种进化算法。该算法以种群的多样性、算法的收敛速度、全局与局部搜索能力的综合均衡为设计重点,利用概率论和Markov链证明了该算法的全局收敛性,通过对6个基准函数进行测试,从数值上验证了该算法的有效性。     

基于生态策略的动态多目标优化算法

动态多目标优化问题(dynamic multi-objective optimization problems, DMOP)的目标函数、约束条件或者问题的相关参数随时间变化,是多目标优化领域非常重要的研究难题,传统方法难以很好地追踪其变化的Pareto前沿.针对动态多目标优化问题特点,提出了一种基于生态策略的动态多目标优化算法(dynamic multi-objective optimization algorithm based on ecological strategy, ESDMO).各种群可以采取不同的进化策略应对外部环境变化,捕食种群与被捕食群体间的竞争也促进种群不断提高生存力.受此启发,采用了一种多种群协同进化机制与强化学习策略相结合的协同进化计算模型.该算法定义了一种环境自检算子用于检测环境的变化,不同的种群采取不同的生态策略来应对动态环境变化.经过各种类型的动态多目标优化问题测试,实验结果表明所提出的算法具有更好的解集多样性、均匀性和分布性,验证了该算法对于解决动态多目标优化问题是有效的.