基于Hopfield神经网络的双线性离散系统最优控制

将基于二次型性能指标的离散双线性系统最优控制问题转化为动态规划问题，并用Hopfield神经网络（HNN）求解．该方法具有结构简单、易于硬件实现、求解速度快且能求得精确最优解等特点．在复杂系统的实时优化与控制等方面具有广阔的应用前景．     

基于MGC法的非线性随机系统PDF控制

对于非线性随机系统,以均值、方差等低阶统计特征作为研究目标往往难以满足实际的控制要求,需要考虑更高阶的统计特征.概率密度函数(Probability density function,PDF)包含了完全统计特征,因此PDF控制能够实现各阶矩的有效控制.针对受高斯白噪声激励的非线性随机系统,将福克-普朗克-柯尔莫哥洛夫(Fokker-Planck-Kolmogrov,FPK)方程作为研究工具,提出一种基于多高斯闭合法(MGC)的PDF控制方法.首先,根据目标PDF的形状构造一个由多个高斯型PDF相叠加的PDF;然后,构造一个优化问题,使得该PDF逼近目标PDF;进一步,通过求解FPK方程得到被控系统的状态方程;最后,结合原始状态方程求得控制函数,实现对目标PDF的追踪控制.针对不同类型目标PDF进行的仿真结果表明了所提出方法的可行性和有效性.     

求解0-1背包问题的烟花算法

为了克服现有方法在求解0-1背包问题时存在的缺陷,提出了一种改进的烟花算法.在给出0-1背包问题的数学模型后,利用Kent混沌映射对基本烟花算法的解初始化以使初始位置分布更加均匀,同时引入Sigmoid函数得到渐变的爆炸半径使得算法的求解精度与搜索速度达到某种平衡,用改进的烟花算法来对其进行求解.通过对典型测试函数和0-1背包问题的求解结果说明了所提出的改进烟花算法求解精度更高,性能更加稳定.     

一种T-S 模型的在线辨识算法

提出一种能通过输入输出数据在线获得T-S模型的结构和参数的辨识算法。首先,对输入空间进行划分,并在线优化子空间的形状和个数;然后,通过RLS更新子模型参数,使各个子模型逼近当前工况的实际系统;当子空间生成或形状发生变化时,调整相应子模型参数和数据矩阵;最后,针对非线性动态系统和煤气炉数据进行仿真实验,验证了所提出算法的有效性。     

一类大系统的稳态递阶优化控制算法

充分利用线性稳态大系统这一特点,采用一种新方法在不破坏可分性的前提下对求解问题进行凸化。这种两级算法是：上级（协调器）固定协调变量;下级各局部决策单元并行求解Ｎ个子问题,再把结果送回协调器,这样,通过上、下级不断的信息交换就可得到原问题的最优解。由于该方法消去了子系统等式约束相应的Ｌａｇｒａｎｇｅ乘子,故没有扩大求解空间,提高了优化效率,仿真结果表明算法是有效的。     

基于黄金分割的全局最优化方法

提出了求无约束问题全局最优解的一种直接解法。该方法将经典的0.618由一维推广到了二维,将原算法的适用范围由单峰函数推广到了多峰函数,从而可以求全局最优解,该算法具有结构简单、精度高、对计算机硬件要求低等优点。此外,给出了收敛性证明。仿真结果表明算法是有效的。     

基于鲁棒优化的系统辨识算法研究

输入-输出数据是解决系统辨识问题的关键要素,传统的辨识理论除了假定影响输入-输出数据干扰的密度函数已知外,还要假定输入-输出数据能够精确获得,完全忽略了所用数据的质量.本文突破了传统理论的两个假设,首先用工程上易于获得的干扰的有界集合代替干扰的密度函数,并在特定数据不确定性结构下,考虑了数据质量问题,然后,以半定规划为基础,导出了鲁棒对等式,从而将系统辨识转化为对数据质量具有鲁棒性的优化问题,通过求解该优化问题,得到了一种新的鲁棒优化辨识方法,仿真结果表明了新方法的可行性和有效性.     

超混沌系统同步非线性反馈控制

在将超混沌系统的控制、同步及反同步问题统一处理的基础上,给出了一种可实现超混沌系统同步的非线性状态反馈方法。该方法以非线性系统的线性化方法和极点配置理论为基础,把控制律分解为非线性和线性两部分之和,使超混沌系统得以控制、同步和反同步。对超混沌Newton-Leipnik系统的仿真实验表明了控制策略的有效性。