基于神经动态规划算法的最优路径选择

针对传统动态规划算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,引入了一种神经动态规划算法：它将传统的动态规划和BP神经网络结合起来,通过逼近Q学习算法来寻求一种最优策略,最终达到路径优化的目的。将此算法应用于一个交通路网,且用Matlab软件进行仿真,试验表明：该方法的实时性、并行性和全局性都优于传统动态规划,在城市交通流系统中能切实起到路径诱导的作用。     

多处理器的节能调度算法

嵌入式多处理器系统中的能耗问题是一个重要的研究方向。在研究单处理器动态电压缩放和多处理器的PF调度算法的基础上,提出了一种多处理器节能调度算法。该算法针对周期任务,通过静态分析确定最低处理器调度要求,在满足可调度性的条件下动态缩放各个处理器电压,从而有效地降低了整个系统的功能。     

基于微控制器的有效节能算法

介绍了一种简单而有效的动态电压缩放（DVS）来降低CPU功耗,同时满足控制需求．针对典型功耗负载变化的两种来源,将时间触发和事件触发两机制进行有机融合,并通过仿真实验来突出该方法的优点．实验结果表明,与传统的DVS方式相比,在保证相当控制性能的条件下,新方法能节约相当的能耗．     

配电系统无功电压优化的简化动态规划法

应用动态规划法综合求取有载调压变压器分接头、配电站电容器和馈线电容器的控制策略,实现电压控制和无功优化,并满足控制调节次数约束。为了减少计算量,提出了一种启发式的简化算法。算例结果表明了算法的有效性及可行性。     

动态电压恢复器电压补偿策略的仿真研究

抑制电网中电压骤降对敏感电力用户的干扰已成为急需解决的问题,动态电压恢复器(DVR)是解决这一电能质量问题的有效手段之一.考虑到DVR的电压注入能力和能量补偿能力,对DVR的几种电压补偿策略进行了分析和比较,提出了一种新的补偿策略,并用MATLAB进行了仿真.仿真结果验证了该方案的有效性和优越性.     

电力系统的最优二级电压控制

针对电力需求的快速发展及对电压/无功协调控制提出的更高要求,提出最优二级电压控制策略.阐述了二级电压控制的基本原理,按照二级电压控制的基本要求,建立了离散二级电压控制系统的数学模型.在控制策略上,采用在线寻优的方法对控制区域进行协调控制.通过对New England 10机39节点系统进行数字仿真,验证了所提出的控制方案的有效性,并得出二级电压控制可以有效改善电力系统的电压水平、提高系统电压稳定性的结论.     

配电系统无功电压优化的简化动态规划法

应用动态规划法综合求取有载调压变压器分接头、配电站电容器和馈线电容器的控制策略,实现电压控制和无功优化,并满足控制调节次数约束． 为了减少计算量,提出了一种启发式的简化算法． 算例结果表明了算法的有效性及可行性．     

电力系统电压崩溃的动态模拟

用一个动态阻抗作为负荷模型，模拟电压崩溃过程。该动态抗是有载调压变压器变化和异步电动机滑差的函数。变比用离散方程描述，滑差用转子运动方程描述。几台等效的异步电动机和一常值阻抗相并联，被用作为有载压变压器的负荷，变比和滑差的共同作用使负荷电压的崩馈过程表现为先缓慢下降，然后迅速下降。一个６母线系统的算例，给出了一个节点电压的崩溃过程。     

改进的动态电压恢复器

针对目前动态电压恢复器（Dynamic Voltage Restorer,DVR）补偿能力有限、储能电容较大等问题,提出了一种改进的DVR拓扑结构.新的拓扑结构通过一个二极管不可控整流器从负载侧上获得能量,再利用升压斩波电路的升压特性,把直流侧电压稳定在一定范围内,保证在电网电压发生跌落严重的情况下,逆变器仍能正常维持工作.它可以有效地控制逆变器直流侧电压稳定,增大了补偿电压的范围,延长补偿时间,从而提高DVR的补偿能力.本文详细介绍了改进的拓扑结构主电路,对boost的功能和参数设计进行了分析.最后通过仿真实验来证明提出的新型DVR系统可行性.     

算法到低维处理器阵列的最优映射模型

研究了ｎ维一致递推方程描述的算法到ｑ维脉动阵列的映射问题．根据优化设计的思想,建立了映射问题的优化模型,通过一系列约束条件保证了映射的正确性,并给出了基于线性规划问题的求解策略．     

网络控制系统的动态权重变采样周期调度算法

为提高网络控制系统的性能,提出一种用于网络控制系统的动态权重变采样周期调度算法.首先,通过二次平方根映射函数,根据控制回路数据传输误差对各个控制回路赋予不同的动态权重;然后,根据当前网络运行状况,通过比例控制预测新的网络利用率,同时利用最小二乘支持向量机算法预测各回路数据包传输时间;最后,在网络带宽资源受限的情况下,利用回路动态权重、网络利用率预测值并结合控制回路数据包传输时间,动态的调整回路的采样周期,使得网络控制系统的性能得到优化.仿真实验表明,提出的变采样周期调度算法能够使得网络利用率收敛到设定值,减少了控制回路的数据传输时延,提高了系统的输出响应与控制性能.     

基于动态规划优化传感器网络寿命的算法

根据多跳无线传感器网络的特点,为了优化网络中节点的生存时间,提出了一种求解无线传感器网络寿命Pareto最优的集中式算法.熵是系统平均程度的度量,通过证明最大熵函数与传感器网络寿命Pareto最优的等价关系,建立了求解传感器网络最大熵函数的动态规划模型,将复杂的多目标线性规划问题转换成单目标动态规划问题.理论分析和仿真研究结果表明,新算法能够快速有效地获得网络寿命的Pareto最优解,达到了优化传感器网络寿命的目的,提高了系统的可实现性并降低了计算复杂度.     

一种等效的变步长盲多用户检测算法

为提高判决反馈Sato盲多用户检测器和最小输出能量MOE盲检测器的性能，通过控制Sato算法的反馈系数，提出了一种新的盲多用户检测算法．该检测器等价为一种判决反馈变步长MOE盲检测器．既保持了MOE检测器全局收敛性，又具有最小均方误差MMSE检测器高输出信干比的优点．计算机仿真结果表明该算法的收敛性能和误码性能均优于MOE和Sato检测器．     

多边形顶点匹配优化算法

分析了3种有代表性的平面多边形顶点匹配算法的特点，即基于极小化形变功的匹配算法、基于轮郭绕行趋势变化的匹配算法和基于边界局部剖分的匹配算法,综合利用不同算法的优点，在修正动态规划框架下设计了一种新的匹配算法.新算法结合了多边形局部和全局的几何本质特性，其匹配结果不受图形平移、缩放和旋转等形变的影响.分别利用4种算法对52幅平面多边形图形样本进行了试验，按照算法匹配结果和人为判断结果的一致性进行评分.统计分析结果显示，在不同规模的图形组实验中，新算法较前3种算法均表现出明显的优越性.     

A hybrid dynamic programming-rule based algorithm for real-time energy optimization of plug-in hybrid electric bus

The optimization of the control strategy of a plug-in hybrid electric bus(PHEB) for the repeatedly driven bus route is a key technique to improve the fuel economy. The widely used rule-based(RB) control strategy is lacking in the global optimization property, while the global optimization algorithms have an unacceptable computation complexity for real-time application. Therefore, a novel hybrid dynamic programming-rule based(DPRB) algorithm is brought forward to solve the global energy optimization problem in a real-time controller of PHEB. Firstly, a control grid is built up for a given typical city bus route, according to the station locations and discrete levels of battery state of charge(SOC). Moreover, the decision variables for the energy optimization at each point of the control grid might be deduced from an off-line dynamic programming(DP) with the historical running information of the driving cycle. Meanwhile, the genetic algorithm(GA) is adopted to replace the quantization process of DP permissible control set to reduce the computation burden. Secondly, with the optimized decision variables as control parameters according to the position and battery SOC of a PHEB, a RB control is used as an implementable controller for the energy management. Simulation results demonstrate that the proposed DPRB might distribute electric energy more reasonably throughout the bus route, compared with the optimized RB. The proposed hybrid algorithm might give a practicable solution, which is a tradeoff between the applicability of RB and the global optimization property of DP.     

基于可变数据重用因子的变步长仿射投影算法

提出的仿射投影算法可根据输入数据矩阵条件数的变化情况,实时地决定下一步输入矩阵的维数,即数据重用因子和步长,并利用这两个动态量去折中收敛速度和稳态误差之间的矛盾.仿真结果表明,在较大程度节省了运算量的情况下,该算法的收敛速度接近于使用高维输入矩阵的情况,而稳态误差与使用低维输入矩阵时相当,同时收敛稳定性更优.     

双电压动态可重构FPGA任务模型及调度算法

通过对单电压动态可重构可编程逻辑门阵列（FPGA）实时任务模型的学习研究,建立基于双电压动态可重构FPGA的非可抢占任务模型.该模型很好地描述了双电压动态可重构FPGA任务的特征,在单电压任务模型的基础上增加了双电压任务模型特有的属性.并基于降序首次自适应算法提出一种新的硬件任务调度算法,该算法在保证任务集限制时间内完成所有任务的同时,利用动态电压调节的方法大幅度减少了任务集完成所需要的能量.在Sun Saloris 工作站下对任务调度模型及其算法进行仿真和评估,实验数据表明,这种基于双电压的任务模型的调度算法,能够有效降低FPGA任务执行的能耗,对于大规模的任务,能耗最高可节省24.1%.     

变采样周期网络控制系统的最优保性能控制

针对短时延网络控制系统,提出了将时变采样周期分成为定常采样周期和网络诱导时延的和.建立了系统离散模型,将采样周期的不确定性转换成系统参数的不确定性.研究设计了最优保性能状态反馈控制器,基于线性矩阵不等式的可行解给出了控制器参数.仿真证明了该方法的有效性,比较于其他的设计方式,该方法的计算量小.     

基于茎区的动态规划算法的核糖核酸二级结构预测

结合传统动态规划算法和组合优化算法在二级结构预测的优势,提出了一种以茎区为最小结构单元的新的动态规划算法。对于给定的RNA序列,首先得到所有可能的茎区集合,采用环依赖的方式计算二级结构的能量,通过茎区动态规划算法递归得到能量最优的二级结构,最后选取数据库中不同长度的已知二级结构的RNA序列进行测试。结果表明,该算法在特异性、敏感性和马休兹参数方面均优于遗传算法,在计算复杂性方面低于传统的动态规划算法。     

基于动态规划算法的混联混合动力汽车控制策略

针对某混联型混合动力汽车的布置形式,构建了整车控制数学模型。利用动态规划方法,提出了以控制整个循环发动机燃油消耗最低和电池SOC维持在理想值为目标的优化函数。提出了动态限制SOC区域模型。设计了动态规划全局搜索算法。进行了换档逻辑的优化。仿真对比了基于功率跟随的混联汽车控制策略、动态规划方法以及改进的功率跟随策略。结果显示,动态规划方法可以作为其他控制策略的评价参考,可以改善功率跟随控制策略控制效果。