基于一阶逻辑的GIService服务发现

针对GIService服务发现,提出了基于一阶逻辑的GIService服务描述与匹配方法。使用一阶逻辑工具描述服务接口、运行条件和程序逻辑等GIService特征,提出基于描述逻辑与霍尔规则相似度计算的GIService服务匹配方法。实验案例证明,基于一阶逻辑的GIService服务发现可以全面表达GIService特征,得到更加准确的服务匹配结果。     

分层递阶的网络结构洞占据者挖掘及分析

结构洞是在社会网络信息传播中占据重要位置的一类关键节点。据研究,5%的结构洞控制着50%的信息传播。学者们研究了单一粒度网络下结构洞的挖掘方法及分析,然而很多网络存在分层递阶的多粒度结构特性,对分层递阶网络的结构洞挖掘和分析具有现实意义。因此,该文提出了一种分层递阶网络的多粒度结构洞挖掘方法HI-SH,并对不同粒度下的结构洞进行了分析。在该方法中,首先对网络进行多粒度社团划分,得到每一粒度下网络的社团;然后,根据两级信息传播理论,使用单一粒度下结构洞挖掘算法,挖掘每一粒度下top-k结构洞。在公用数据Topic16和真实数据上进行了实验,结果表明,网络的结构洞是动态变化的,单一粒度下的结构洞排名不能代表整个网络的结构洞排名。     

一阶Lagrange力学逆问题的直接解法

提出求解一阶Lagrange力学逆问题的新途径;给出由一阶微分方程直接构造Lagrange函数的基本解法,以及几种与不同的补充条件相对应的特殊解法.举例说明所得结果的应用.     

基于目标演绎距离的一阶逻辑子句集预处理方法

一阶逻辑定理证明是人工智能的核心基础,研究一阶逻辑自动定理证明器的相关理论和高效的算法实现具有重要的学术意义。当前一阶逻辑自动定理证明器首先通过子句集预处理约简子句集规模,然后通过演绎方法对定理进行判定。现有的应用于证明器中的子句集预处理方法普遍只从与目标子句项符号相关性角度出发,不能很好地从文字的互补对关系中体现子句间的演绎。为了在子句集预处理时从演绎的角度刻画子句间的关系,定义了目标演绎距离的概念并给出了计算方法,提出了一种基于目标演绎距离的一阶逻辑子句集预处理方法。首先对原始子句集进行包含冗余子句约简并应用纯文字删除规则,然后根据目标子句计算剩余子句集中的文字目标演绎距离、子句目标演绎距离,并最终通过设定子句演绎距离阈值来实现对子句集的进一步预处理。将该预处理方法应用于顶尖证明器Vampire,以2017年国际一阶逻辑自动定理证明器标准一阶逻辑问题组竞赛例为测试对象,在标准的300 s内,加入提出的子句集预处理方法的Vampire4.1相比原始的Vampire4.1多证明4个定理,能证明10个Vampire4.1未证明的定理,占其未证明定理总数的13.5%;在证明的定理中,提出的子句集预处理方法能对77.2%的子句集进行约简,最大子句集约简规模达到51.7%。实验结果表明,提出的一阶逻辑子句集预处理方法是一种有效的方法,能有效地约简一阶逻辑子句集的规模,提高一阶逻辑自动定理证明器的证明能力。     

计算机自动求解的一阶导函数

本文详细介绍了计算机自动求解一阶导函数的方法，并用Ｃ语言对求解算法作了全面描述。     

基于分层递阶粒度聚类法的空气质量评价

针对气候变化与空气质量评价问题,考虑到空气质量数据具有复杂、不确定、不完备、海量高维的特点,提出基于分层递阶商空间的粒度聚类分析法。利用分层递阶模型,通过属性函数对原问题的论域进行划分,获得问题求解的不同层次粒度空间,可以将不确定信息转换成确定性信息,降低问题复杂性,易推广至高维海量数据分析中。宣城市空气质量评价实验结果表明,这种方法能很好地反映该市空气质量的日变化和季节变化,进一步验证了其有效性。     

由一阶逻辑公式得到命题逻辑可满足性问题实例

命题逻辑可满足性(SAT)问题是计算机科学中的一个重要问题.近年来许多学者在这方面进行了大量的研究,提出了不少有效的算法.但是,很多实际问题如果用一组一阶逻辑公式来描述,往往更为自然.当解释的论域是一个固定大小的有限集合时,一阶逻辑公式的可满足性问题可以等价地归约为SAT问题.为了利用现有的高效SAT工具,提出了一种从一阶逻辑公式生成SAT问题实例的算法,并描述了一个自动的转换工具,给出了相应的实验结果.还讨论了通过增加公式来消除同构从而减小搜索空间的一些方法.实验表明,这一算法是有效的,可以用来解决数学研究和实际应用中的许多问题.     

模型降阶和参数估计的一种快速遗传算法

针对传统遗传算法求解模型降阶和参数估计时,适配值评价既费时又效率较低的缺点,对实数编码GA引入相似度和可信度的概念,采用插值方法进行适配值评价,大大减少了评价环节的计算量,提高了整个算法的效率和实时性．通过对典型模型降阶和参数估计问题的仿真,验证了所提出方法的可行性和有效性．     

基于理想Bode传递函数的分数阶PID频域设计方法及其应用

基于理想Bode传递函数,提出一种简便的分数阶PID控制器频域设计方法.采用传递函数模型匹配与辨识方法,将分数阶PID控制器5个参数的复杂设计问题转化为单个参数的一维搜索问题进行求解;结合短记忆法实现分数阶PID控制器数字化.该方法已成功应用于直流电机调速控制系统,能够达到期望的响应性能,具有强鲁棒性.实验结果验证了所提出设计方法的有效性.     

一阶线性自抗扰控制的整定

线性自抗扰控制（linear active disturbance rejection control,LADRC）是解决系统外部不可测扰动和内部未知不确定性的一种新型控制方法。其精髓是将系统的不确定性转化为一个可观测的状态,利用扩张状态观测器进行实时估计,并用状态反馈控制率实时进行补偿。在满足鲁棒度策略和时间乘平方误差积分的约束条件下,首先针对一阶惯性加迟延模型提出了一阶LADRC的整定公式,然后通过典型的基准系统和温度控制实验,对整定公式进行测试,最后与常规的SIMC （simplified internal model control）-PI （proportional-integral）整定方法进行性能比较。仿真结果证明了该一阶LADRC整定公式的可行性,拓展了其在工业控制领域的应用。     

基于信念重用的WSNs能量高效跟踪

针对无线传感器网络(WSNs)中目标跟踪性能与传感器能量消耗难以平衡问题,提出一种信念重用的WSNs能量高效跟踪算法。使用部分可观察马尔可夫决策过程(POMDPs)对动态不确定环境下的WSNs进行建模,将跟踪性能与能量消耗平衡优化问题转化为POMDPs最优值函数求解过程;采用最大报酬值启发式查找方法获得跟踪性能的逼近最优值;采用信念重用方法避免重复获取信念,有效降低传感器通信带来的能量消耗。实验结果表明:信念重用算法能够有效优化跟踪性能与能量消耗之间的平衡,达到以较低的能量消耗获得较高跟踪性能的目的。     

基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简

将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性。     

基于缩减信念状态的Conformant 规划方法

Conformant 规划问题通常转化为信念状态空间的搜索问题来求解.提出了通过降低信念状态的不确定性来提高规划求解效率的方法.首先给出缩减信念状态的增强爬山算法,在此基础上,提出了基于缩减信念状态的Conformant 规划方法,设计了CFF-Lite 规划系统.该规划器的求解过程包括两次增强爬山过程,分别用于缩减信念状态和搜索目标.首先对初始信念状态作最大程度的缩减,提高启发函数的准确性;然后从缩减后的信念状态开始执行启发式搜索.实验结果表明,CFF-Lite 规划系统通过快速缩减信念状态降低了问题的求解难度,在大多数问题上,求解效率和规划解质量与Conformant-FF 相比,都有显著的提高.     

基于等价关系的完全确定时序逻辑电路状态化简算法

完全确定时序逻辑电路状态化简是指找到并合并逻辑电路中的等价状态,进而简化电路,提高电路安全性,节约硬件电路成本。电路状态化简的关键是依据等价关系找到电路中的最大状态等价类集合。针对此类问题,提出了一种基于等价关系构建状态转移系统矩阵进行状态化简的算法,并将粒计算理论中的分层粒化思想用于最大等价类集合的求取过程中。在定义输出矩阵和次态矩阵的基础上,根据输出矩阵对原始状态进行初级等价类的划分与标记,可以得到初态标记矩阵和次态标记矩阵,然后构建状态转移系统矩阵。利用等价关系将状态转移系统矩阵中相同的列进行合并,则完成一次对原始状态最大等价类的划分。根据迭代原则,等价类粒子由粗到细,直到分类不再改变时便得到最终的最大状态等价类集合。最后进行状态合并,得到最小化状态表。算法分析表明,该算法简单、准确、有效。     

Observer-based finite-time security fault-tolerant control for nonlinear multi-agent systems under byzantine adversaries

This article investigates the issue of security-based adaptive output feedback finite-time fault-tolerant control (FTC) for nonlinear multi-agent systems subjected to Byzantine attacks. In this work, the fuzzy logic systems are employed to approximate the unknown nonlinearities, and unmeasurable states are estimated by the designed state observer. In addition, a data selector is designed to detect extremely malicious data of the controlled system. Considering the actuator faults, a novel Nussbaum function is utilized to compensate for the uncertainties of attacks and intermittent failures. Then, by introducing first-order filter, an observer-based distributed adaptive output feedback finite-time security FTC algorithm is developed, which demonstrates all signals of the system are bounded, and the feasibility and effectiveness of the developed control scheme can be verified by simulation results.     

Direct heuristic dynamic programming based on an improved PID neural network

In this paper,an improved PID-neural network(IPIDNN) structure is proposed and applied to the critic and action networks of direct heuristic dynamic programming(DHDP).As one of online learning algorithm of approximate dynamic programming(ADP),DHDP has demonstrated its applicability to large state and control problems.Theoretically, the DHDP algorithm requires access to full state feedback in order to obtain solutions to the Bellman optimality equation. Unfortunately,it is not always possible to access all the states in a real system.This paper proposes a solution by suggesting an IPIDNN configuration to construct the critic and action networks to achieve an output feedback control.Since this structure can estimate the integrals and derivatives of measurable outputs,more system states are utilized and thus better control performance are expected.Compared with traditional PIDNN,this configuration is flexible and easy to expand. Based on this structure,a gradient decent algorithm for this IPIDNN-based DHDP is presented.Convergence issues are addressed within a single learning time step and for the entire learning process.Some important insights are provided to guide the implementation of the algorithm.The proposed learning controller has been applied to a cart-pole system to validate the effectiveness of the structure and the algorithm.     

一种优化的一致性规划状态变量选择算法

研究了一致性规划任务信念状态空间的表示方法。针对一致性有限域表示(CPT-FDR)算法在任务生成阶段选择状态变量的不足,提出了一种基于初始状态中文字相容互斥的状态变量选择算法——MECV算法。CPT-FDR未考虑初始信念状态中文字的互斥性,产生冗余的编码信息,降低了编码的效率。MECV算法利用有用正负文字构造新的未覆盖事实集,提取初始信念状态中处于不同世界状态的文字组成互斥组,再编码状态变量。实验结果表明该算法能有效地压缩信念状态空间。     

基于粒度分布评估与优化的制粒过程 PSO-BP 控制算法

针对钢铁烧结中混合料粒度分布无法在线测量、难以实现混合制粒过程优化控制的问题,提出基于 粒度分布评估函数(Evaluation model of granularity distribution, EMGD)的混合制粒优化控制算法. 首先,根据烧结生产历史数据和混合料筛分实验数据建立粒度分布BP神经网络(BP neural network, BPNN)评估模型; 然后,以该模型为目标函数,以制粒过程状态参数的边界为约束条件,采用粒子群算法(Particle swarms optimization, PSO)计算粒度分布优化值; 最后建立基于BPNN的制粒水分设定模型,根据粒度分布优化值和当前配重实现水分优化控制. 仿真实验和工业应用表明评估模型真实反映了粒度分布对料层透气性的影响; PSO-BP粒度分布优 化控制算法对改善透气性、减少燃料损耗、稳顺烧结生产具有重要意义.     

不协调优势目标信息系统的启发式约简算法

针对不协调优势目标信息系统,引入知识粒度的概念,证明了知识粒度是随着知识的不确定程度的增加而减小的。其次定义了优势信息系统中的粗糙度、精度以及不协调目标信息系统中的近似精度等概念,得到了它们的相关性质,并证明了精度和近似精度可以作为属性重要性的衡量指标。因而进一步提出一种以近似精度为启发信息的不协调优势目标信息系统的启发式约简算法,并分析了该算法的时间复杂度。最后通过实例分析验证了算法的实用性和有效性。     

一种基于图匹配的复杂草图识别方法

复杂草图识别是手绘草图输入中的一个困难任务。现存的草图识别方法强调的是图形对象简单．但这不适合具有不同复杂性的复杂草图的识别。本文对具有不同复杂性的复杂图形对象提出一个基于图形的统一表示法，文中根据不同信息枉度将复杂图形分别转化为空间关系图(SRG)。文中提出了一个约束的部分枚举．以减小识别复杂草图时匹配SRG的状态空间。实验结果显示．我们的方法可适用于具有不同复杂度的各种复杂图形对象的识别。