一类自适应蚁群算法及其收敛性分析

为了克服蚁群算法易陷入局部最小点的缺点,同时提高算法的收敛速度,提出一类自适应蚁群算法.该算法利用自适应改变信息激素的挥发系数改善传统蚁群算法的全局搜索能力和收敛速度.通过马尔科夫过程对算法的全局收敛性进行分析,得出该类蚁群算法全局收敛性条件.并构造出该类算法的一种信息激素更新策略,证明了这种算法全局收敛性.利用提出的算法对典型的TSP问题进行仿真研究,结果表明比典型蚁群算法在收敛速度和解的性能上都有较大改善.     

蚁群协同模式搜索算法及其收敛性分析

提出了一种解决无约束连续空间优化问题的蚁群协同模式搜索算法.该算法通过目标函数值启发式信息素引导群体进行区域搜索,而每个个体的模式搜索为算法提供进一步的局部搜索,其搜索结果以信息素融合的方式进行信息共享,为下一次的区域搜索提供依据.通过随机模式搜索算法理论得出了算法的收敛性定理.详细的测试结果体现算法的涌现智能特征,与其他算法的比较结果说明了算法的有效性及群体协同的优势.     

一种机器人自适应阻抗控制算法

本文针对参数未知及负载不确定下的机器人运动控制问题，提出了一种形式非常简洁的自适应阻抗控制算法，它能使机器人系统跟踪目标阻抗并保证跟踪误差的渐近稳定性及机器人与外界整体系统的稳定性，本文还就无直接力反馈控制方法进行了讨论。     

全局稳定的机器人CMAC标称补偿跟踪控制研究

提出了一种新的小脑模型(Cerebellar Model Articulation Controller,CMAC)神经网络标称补偿控制器.采用二阶扩展B样条CMAC网络平滑逼近机器人标称模型,消除了常规神经网络控制对输入的严格假设.为了确保系统闭环的全局稳定性,采用Lyapunov直接法设计网络权值的更新律,并引入非线性反馈项完全抵消补偿的残留项.未知的CMAC逼近误差和系统随机干扰,通过一个简洁的鲁棒自适应律估计.最后,针对两自由度机器人的仿真实例验证了所提算法的有效性.     

一种面向对象数据库系统图形用户界面的设计与实现

本文介绍了西安交通大学ＣＩＭＳ研究中心，近几年来所研制的面向对象数据库管理系统ＣＩＭ—ＯＤＢＭＳ的图形用户界面。它是一个交互式图形界面，用户通过鼠标完成对数据库的各种操纵，这种操纵十分直观和方便。     

机械手的全局稳定自适应控制方案

本文针对机械手一类复杂的非线性系统,综合非线性补偿和模型参考自适应控制两种方法的基本思想,提出一种有效的全局渐近稳定自适应控制方案.此方案没有对机械手模型做任何线性近似,控制算法中只用到了容易测量的关节角位移和角速度信号,而且保证控制量平滑.最后给出了满意的仿真结果.     

控制中并行算法的研究方向及新进展

控制中并行算法的研究方向及新进展胡保生，葛新科（西安交通大学系统工程研究所，７１００４９）１引言众所周知，控制理论的发展总是与现代工程技术问题的需求及计算机科学的发展密切相关的．工程技术问题的大型化和复杂化是控制理论发展的源动力，而计算机科学的发展为...     

并行与分布控制研究的现状与未来

回顾自动控制的发展历史,可以发现,计算机的飞速发展一直对控制理论产生巨大的影响。60年代初,现代控制理论的形成,就强烈地依赖于当时Von Neumnn串行结构的计算机的发展。众所周知的Kalman滤波和Bellman动态规划就是适应了Von Neumann体系的计算机的递推计算特性。但是,以串行递推为基础的控制理论、控制规律和算法,在面对复杂系统离线设计和在线实时控制的大规模计算与信息处理问题时,出现了带有根本性的困难与局限。     

一类求解带时间窗的团队定向问题的改进蚁群算法

带时间窗的团队定向问题是一类重要的物流配送路径优化问题,其优化目标是制定最优可行车辆路线,在规定的时间窗内服务一组顾客,以获得最大的总收益。提出了一类改进蚁群算法,用以求解该问题。为了提高解构造质量与效率,使用一种快速的方法来确定动态候选链表,并且利用串行法和贪婪法构造解。与迭代局部搜索相比,所提算法能够在12s内得到更好的解。     

控制系统的Bayes可靠性评估算法

针对特定试验条件下小子样控制系统可靠性评定的特点,提出了利用验前信息来弥补现场试验信息不足的改进双重Bayes MC方法。在对单元可靠性分析的基础上,给出单元的可信验前信息,依据特定的可靠性框图,结合有限的系统试验数据,推导出试验用控制系统可靠性评估步骤和计算公式,并对系统可靠度进行了数值仿真计算,计算结果令人满意。