从知识的表达和运用综述强化学习研究

为推进强化学习研究的进一步深入和扩大其实际应用范围,从强化学习研究的理论基础--知识袭示和运用的角度对强化学习进行分类.并就经典随机强化学习、模糊强化学习、定性强化学习以及灰色强化学习作了较详细的探讨与比较.最后从知识表达和运用的角庹对强化学习的发展进行了展望.     

非对称信息下供应链库存系统Pareto优化模型

运用委托代理理论,研究了非对称信患条件下,由单供应商单分销商组成的供应链Pareto优化问题.在假定分销商所面临的需求是与销售价格有关的随机变量,以及供、销双方关于分销商销售价格信息不对称这两个前提下,将供应商作为委托人,分销商作为代理人,给出了供应商为吸引销售商选择对自己最有利的销售价格而设计的最优激励合同,比较了在不同信息条件下供销双方的最优决策.最后,给出了应用实例和灵敏度分析.     

Internet宏观拓扑的协议映射与分析

从协议角度,利用拓扑学和图论方法研究了Internet宏观拓扑的网络性能和形成机理。在给定Internet宏观拓扑的图论定义后,通过找到一个协议通信模式到Internet宏观拓扑的可行映射条件,进而分析了Internet宏观拓扑的连通度和平均拓扑距离。结果表明Internet宏观拓扑的形成机理源于协议的无限空间换取有限时间效应的设计原理,使得Internet可以实现实时通信,即在满足网络可靠性的同时,又保证网络的有效性。     

一种基于图论的聚类算法NeiMu

提出一种新的基于图论的聚类算法NeiMu。该算法首先分析数据中的对象,寻找每个对象的k近邻,根据k近邻关系构造k近邻有向图,然后通过k近邻有向图中的k-互邻居关系构造k-聚类图,发现数据中的自然聚类。算法的特点是根据数据之间的互为k近邻关系确定数据中的自然簇,而不必引入其他方法来划分小簇,从而能够保证对象不会被错误聚类,仅会与其他小簇一起融合到一个大簇中。这一优点可以有效保证NeiMu算法的聚类质量。而且,NeiMu算法给出的这种类似自底向上的层次聚类结果还有利于用户根据渐变的结果确定最佳的k值。实验结果表明,该算法对密度变化大的数据、大小相差大的数据、任意分布形状的数据均具有很好的聚类质量,对孤立点也很健壮。     

两级数据融合算法在木材干燥过程中的应用

本文提出了一种基于RBF神经网络和证据理论的两级数据融合方法。利用RBF神经网络实现特征层数据融合,建立基本信任分配函数,具有最佳一致逼近特性,同时解决了D-S证据理论确定基本信任分配函数困难的问题。基于D-S证据理论的传感器故障诊断方法的研究,可有效地判断工业现场传感器的工作状态。实验结果表明该方法可正确定位并准确分离出木材含水率检测系统中失效传感器。     

HVAC系统多传感器数据融合研究

提出了一种简单的、易实现的PMV(Predicted Mean Vote)值的计算方法.针对HVAC(Heating Ventilation and Air Conditioning)系统检测装置和控制系统存在的时间滞后,使人体舒适性得不到很好的满足,并且有额外的能量消耗,进而研究了多传感器数据融合算法及基于D-S证据理论的最小风险决策算法以满足HVAC系统做出合理的决策.根据决策结果可以调节最优的空气量,改进空气处理系统的响应速率,最后利用Labview开发环境来实现数据融合算法.将Labview与多传感器数据融合应用于HVAC系统,增强了研究的系统的稳定性和快速性,保证了人体的舒适性,并且减少了能耗.     

权重自适应模糊层次分析方法及应用

借鉴了误差反向修正理论和增量式的思想,结合层次分析法固有的优势,提出了具有自适应能力的权重设定层次分析法(adaptive weight setting method,AWS)新方法,使盾构法隧道施工风险识别模型能够利用较少的施工数据,完成进行权重调整,满足了实际隧道施工中风险评估的需求.该方法在上海地铁某区间隧道工程中进行了试用,取得了良好的效果,表明了该方法的有效性和实用性.     

布尔表达式的化简与并行排序网络验证

为设计出能够验证并行排序网络正确性的有效工具,根据[0,1]原理和布尔函数的特点和性质,提出一种布尔表达式的化简算法,并根据此算法设计出验证工具.对[0,1]原理和布尔函数的特点和性质进行了讨论,指出有利于化简操作的性质.设计出的工具能够根据并行排序网络的参数显示网络图形、自动生成布尔表达式并实现化简验证,工具的输出有利于对排序网络的分析,也可以用于辅助排序网络的设计和优化.实验结果表明了该工具的有效性.     

基于证据距离和矛盾因子的加权证据合成法

针对Dempster-shafer (DS)理论直接对高冲突证据合成时会有融合结果不合理的问题,本文提出了一种加权证据合成法.在多个证据融合时,该方法综合利用证据距离和矛盾因子表示证据冲突.并根据各证据与其它证据的冲突程度确定其权重系数,基于此又分别采用两种适用于不同情况的方法对证据基本置信指派函数修正,然后用DS规则合成.算例实验表明了本文方法对高冲突证据融合的有效性,并且其融合结果还具有良好的收敛性.     

无人机的追逃对抗仿真研究

代数图论方法较之微分对策建立的无人机追逃对抗模型更易仿真求解,利用梯度方法改变Laplacian矩阵的非零特征值给出了对抗双方的控制输入,仿真证明了该方法的可行性.利用边界权值函数考虑无人机通信或感知能力的变化.然后,针对仿真过程中遇到的问题提出根据实际情况构造不同的性能指标.仿真表明逃逸者为迷惑追击者不时交叉逃逸;而追击者也会更换追击目标:相对距离不断变化.