基于量化限制容差关系的数据填充算法研究

在对粗糙集模型中的基于容差关系的ROUSTIDA算法和基于量化容差关系的VTRIDA算法进行分析的基础上,提出一种综合量化容差关系和限制容差关系的数据填充方法 VLTA(Valued and Limited Tolerance Algorithm)。VLTA算法克服了ROUSTIDA算法在无差别对象属性值发生冲突情况下无法对相同属性进行补齐的缺陷,改进了VTRIDA算法对容差关系不合理的量化定义。实验表明,VLTA算法填充结果准确率更高,更符合实际。     

基于修正容差关系的扩充粗糙集模型

提出了一种基于修正容差关系的扩充粗糙集模型。该种模型既保留了限制容差关系扩充模型的优点,又丢弃了容差关系、相似关系和限制容差关系扩充模型的不足。通过实例,说明了基于修正容差关系的扩充粗糙集模型对处理不完备信息系统更加简便有效。     

基于混沌粒子群算法的阵列天线容差分析

研究阵列天线性能优化设计,针对阵列天线幅相误差对天线性能的影响,传统的阵列天线容差分析采用统计理论方法,前提需要假设幅相误差服从某种概率分布,导致不同分布的幅相误差对应不同的结论形式,并且公式推导过程复杂.为了在建立阵列天线最坏情况容差分析的数学模型,提出了一种混沌粒子群算法简单实用的阵列天线最坏情况容差分析方法.通过在粒子群算法中利用混沌技术优化初始种群,并对位置更新时引入混沌扰动项和位置更新后进行边界约束,进行仿真,提高了粒子群算法的全局搜索能力.结果验证了算法在最坏情况分析时,可以得到在准确性和稳定性方面的优化结果.     

基于改进的完备容差关系的扩充粗糙集模型

经典粗糙集理论不能直接处理不完备信息系统,而容差关系、相似关系限制容差关系和完备容差关系等扩充粗糙集模型在一定程度上解决了这个问题。分析了这些模型存在的局限性,并在完备容差关系的基础上,提出了基于改进的完备容差关系的扩充粗糙集模型,该模型既保留了已有模型的优点,又在一定程度上克服了它们的局限性。实例分析表明该模型对不完备信息系统的处理更符合实际情况。     

基于序贯蒙特卡洛算法的交通流事件重构

针对交通数据重构应用性差、缺乏对交通事件重构的研究等问题,结合交通流非线性非高斯的特点,提出一个基于序贯蒙特卡洛方法的交通流堵塞事件重构模型。该模型不断同化道路上的传感器数据,使仿真中的交通状态不断逼近真实路况,通过分析仿真数据以探测真实路网中存在的堵塞事件。模型能够对探测到的堵塞进行多粒子模拟来实现对真实道路上堵塞事件的重构。实验结果表明,该模型能够推测并重构出道路上的堵塞事件,对堵塞起始位置重构的平均误差为17m,对堵塞范围重构的平均覆盖率为82%。     

一种基于邻域容差信息熵的组合度量方法

在实际应用中,大多数信息系统中的数据都是混合的,为了度量混合信息系统的不确定性,本文提出了一种组合度量方法.首先在不完备邻域粗糙集中定义了混合近似精度和混合近似粗糙度的概念;接着考虑到这两种单一度量方法对信息系统不确定性评估的不足,然后,进一步引入邻域容差信息熵的概念;最后将混合近似粗糙度和邻域容差信息熵这两种单一度量进行结合提出一种组合度量方法,并且研究了相关性质.UCI实验结果表明,本文所提出的方法在混合信息系统中具有更好的不确定性度量效果,从而验证了该度量方法具有一定的优越性,并且从理论上也证明了该方法的可行性.     

基于完备容差关系的扩充粗糙集模型

针对扩充粗糙集模型所处理的不完备信息系统之间存在的差异,提出了信息系统完备度的概念;在此基础上,提出了基于完备容差关系的扩充粗糙集模型.与基于容差关系、相似关系、限制容差关系等扩充粗糙集模型相比,该模型既保留了已有模型的优点,又在一定程度上克服了已有模型的局限性.通过实例说明新模型对不完备信息系统的处理更符合实际情况.     

基于动态容差关系的不完备信息表约简研究

在扩充粗糙集理论中,容差关系是一种处理不完备信息系统的工具.但容差关系可能会导致知识粒度较大,分类精度较低等问题.针对文献[2]提出的改进的容差关系,提出了动态容差关系得扩充粗糙集模型,设置了动态概率阈值.根据实际数据的不完备情况动态确立概率阈值,调整容差关系程度,仿真实验结果证明了该动态容差关系模型的有效性.     

基于概率神经网络的容差电路故障诊断

容差模拟电路故障的多样性使得神经网络训练样本数量增加,BP网络结构趋于复杂,训练速度降低.针对反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等问题,提出了基于概率神经网络(PNN)的容差模拟电路故障诊断方法,与传统的BP网络模型相比,该方法具有训练时间短且不易收敛到局部最小的优点.仿真实验表明:诊断过程快速,结果准确而且对软故障也有较高的识别能力.     

基于改进区间迭代法的容差网络故障诊断

本文在文献[1,2]的基础上,提出了一种改进区间迭代的新算法。文中首先论述该方法的迭代步骤。然后,把这种方法应用到容差网络故障诊断中去,并与其他算法进行比较,取得较为精确的计算结果。     

计算多重积分的均匀随机数蒙特卡罗法的实现

蒙特卡罗法是用一系列随机数来近似解决问题的一种方法。采用均匀随机数蒙特卡罗法计算多重积分是一种简单而有效的方法,其程序结构简单,易于编制和调试。本文给出了采用均匀随机数蒙特卡罗法计算多重积分的步骤、算法流程,并给出了实例的具体实现过程。     

基于混合遗传蚁群算法的多Agent动态任务分配研究

在多Agent系统中,由于任务的复杂性和Agent之间的异构,Agent的动态任务分配问题实际上是一个NP难优化问题。针对MAS的任务分配问题的动态特性,首先建立任务分配数学模型,建立任务分配优化的目标函数;其次提出了一种混合遗传蚁群算法。利用遗传算法快速迭代和蚁群算法正反馈信息、分布式求解的特点实现任务分配的组合优化。实验仿真的结果分析表明,该算法具备较好的全局收敛效率和求解精度,可明显提升多Agent系统的性能。     

基于MC法的低空无线信道模型可信性验证

分析低空无线信道的多径时延、多普勒效应等传输特性,利用广义平稳非相关散射模型,根据信道在停场、航行、近场、过顶 4种不同场景下的特性,分别建立相应的信道模型。采用蒙特卡罗法对模型的可信性进行验证,结果表明,该信道模型能真实地反映低空无线信道的特性。     

基于DFS的多Agent动态任务分配算法

针对任务分配算法应用于不确定动态环境时存在的不足,研究具有动态模糊特性的任务环境,借助动态模糊集理论,给出相关的多Agent动态任务分配算法并进行实例测试。测试结果表明,该算法模型可以合理地模拟MAS系统中任务分配的运行过程,并获得最优的任务分配策略与良好的任务实现效果。     

白车身焊装过程小样本采样误差的计算机仿真

对白车身焊装过程中小样本采样误差进行了研究，提出了一种基于蒙特卡罗仿真的小样本采样误差的量化方法。通过与数理统计理论中采样误差的量化结果进行对比，验证了提出的蒙特卡罗仿真方法量化采样误差的正确性。     

项目活动历时的概率分析与蒙特卡洛法

该文主要对在项目时间管理中如何更好地进行项目活动历时估算作分析和探讨,全文结合一个具体的项目实例,根据概率统计原理对项目历时估算的方法作了一些改进,最后用模拟法对项目的完成时间进行模拟计算。应用改进后的估算方法得到的模拟计算结果更符合项目的实际情况,有利于制定科学合理的项目进度计划,强化项目的时间管理。     

基于混合法的监控系统可靠性分析

针对复杂监控系统规模庞大及关键设备为双机冗余结构的特点,提出以动态故障树(DFT)为基础并结合蒙特卡罗方法对监控系统进行可靠性分析的混合方法。利用DFT建立系统可靠性模型,通过蒙特卡罗仿真算法对模型进行仿真计算,得到系统的可靠性指标。通过对地铁车站级监控系统的可靠性分析,证明了该模型的可行性和算法的有效性。     

工程网络计划蒙特卡洛仿真及进度风险分析

运用网络计划蒙特卡洛仿真(MCS),从宏观的项目层和微观的工序层分别进行进度风险分析。在项目层,仿真计算获取总工期的统计分布,据此计算某一计划工期的项目完工概率或完工风险,或是给定完工概率或风险水平制定合理的计划工期;在工序层,通过计算工序关键概率(ACP)和关键指标(ACI),掌握关键线路、关键工序分布情况,甄别高风险工序。此外。用Visual C 开发了一个网络计划MCS软件,并应用于一个工程实例分析。     

基于蒙特卡洛法的战斗部破片毁伤仿真

建立了战斗部破片对目标关键部件的毁伤计算的蒙特卡洛仿真模型, 将破片的毁伤能力指标加以量化. 以防空导弹打击空中目标为例, 验证了方法的有效性, 可为导弹武器打击目标的毁伤效果计算提供决策依据.     

线性混杂系统优化控制的Monte Carlo统计预测方法

针对含扩散项的线性混杂切换系统优化控制问题, 为降低优化求解的计算复杂性, 提出了Monte Carlo统计预测方法. 首先通过数值求解技术把连续时间优化控制问题转化为离散时间的Markov决策过程问题; 然后在若干有限状态子空间内, 利用反射边界技术来求解相应子空间的最优控制策略; 最后根据最优控制策略的结构特性, 采用统计预测方法来预测出整个状态空间的最优控制策略. 该方法能有效降低求解涉及大状态空间及多维变量的线性混杂切换系统优化控制的计算复杂性, 文末的仿真结果验证了方法的有效性.