关于广州能源的可持续发展

通过介绍广州地区能源资源、消费现状及经济发展形势,客观分析了该地区拥有的有利条件和相对优势,指出了当前所面临的压力与挑战.同时,对部分国家能源发展过程中的相关经验与应对措施予以展示.针对广州地区存在的能源利用效率低、清洁能源比例小、大气环境质量差等问题,提出了有关能源工业发展战略定位、道路选择、体制保障、发展策略等方面的建议,特别阐述节能减排是缓解资源约束的现实选择和必然要求,并重点对适应广州现实情况的能源可持续发展道路进行了积极探索,有助于科学制定广州市能源发展战略.     

优先级柔性约束CMMO问题模糊处理策略

为了进一步满足复杂工业控制的要求,在大量约束多目标多自由度优化(CMMO)研究成果的基础上,提出了优先级柔性约束多目标多自由度优化模型,并设计模糊处理策略对其进行处理。采用新的模糊处理策略,不但可以保证系统柔性输出优先级顺序,而且能够最大程度地保证输出量在某种模糊满意度下的满意控制。最后给出算例仿真证明了模糊处理策略的有效性。     

一种新的并联混合动力客车的自适应控制策略

在自适应控制策略的基础上建立了基于工作效率的等效油耗模型。针对自适应控制策略优化过程复杂、计算量大的缺点,提出一种瞬时优化算法与逻辑门限判断相结合的新的自适应控制策略,并利用Matlab/Simulink/Advisor仿真平台进行了建模仿真研究。仿真结果表明,这种控制策略在仿真时间缩短且保持电池SOC状态稳定的情况下,有效地改善了混合动力客车的燃油经济性和排放性。     

高比例新能源电网多源最优协同调频策略

随着大规模可再生能源对电网渗透率的不断增加,大型风光电站也开始参与到电网的调频当中.首先,建立了功率响应总偏差、调频里程支出最小化的多目标互补控制模型,以解决不同调频资源的动态功率分配问题.为解决该非线性优化问题,采用多目标蝠鲼觅食优化算法(multi-objective manta ray foraging opti...     

关系数据库缓冲区置换策略的性能评测

缓冲区是计算机领域一个非常重要的研究主题。现在存在很多缓冲区置换策略,广泛地用于操作系统、文件系统、数据库以及存储系统中。提出了一种性能评测方法来评测关系数据库的缓冲区置换策略。这种方法采用直接测试方式,使用五个性能指标,包括新提出的指标以及由于模拟方法的局限性在以前的研究中很少使用的性能指标,同时利用显著性测试并提出一种联合使用多个显著性测试的方法进行置换策略之间的比较,设计和使用多种工作负载在单用户和多用户情况下有效地评测各种策略。使用这种评测方法,在一个真实的关系数据库环境中,对十三种典型的缓冲区置换策略的性能进行了详细、全面的实验研究,从中可以获得一些有用的结论。     

基于偏差耦合的起重机起升机构同步控制

针对大型起重机起升机构的驱动电机在负载发生扰动时同步性能较差的问题,采用滑模变结构控制与偏差耦合控制算法相结合的方法,设计了起重机起升机构同步控制器。在Matlab/Simulink仿真环境下建立仿真模型,仿真结果表明该系统具有较好的动态性能,并且有较强的鲁棒性和抗干扰性。     

基于免疫策略的信道资源分配算法

根据信道分配的限制条件和特点应用免疫策略算法（ISA）,提出了基于 ISA的一种整体优化的动态信道资源分配方案,其特点是保证最大程度的紧致分配。同时针对遗传算法的退化现象引入免疫策略算法,较好解决了遗传算法的退化问题。实验仿真表明,该方案与现有的固定信道分配（FCA）、动态信道分配（DCA）方案和改进遗传算法信道分配方案（IGADCA）相比,有较小的呼阻率。     

Ad Hoc网络中基于遗传蚁群算法的QoS多播路由算法

利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制,把蚁群算法和遗传算法融合起来,提出了一种遗传蚁群算法（GAAC）来解决Ad Hoc网络中QoS路由问题。首先利用遗传算法生成信息素分布,然后用蚁群算法求精解,优势互补,期望获得优化性能和时间性能的双赢。并针对算法应用于Ad Hoc网络QoS路由普遍产生的拥塞问题,采用拥塞回避的策略,从而实现网络业务流负载均衡。仿真表明该算法比其它单一采用蚁群算法进行路由选择更适合于动态Ad Hoc网络环境。     

室外自主移动机器人AMOR的导航技术

在非结构化环境,移动机器人行驶运动规划和自主导航是非常挑战性的问题。基于实时的动态栅格地图,提出了一个快速的而又实效的轨迹规划算法,实现机器人在室外环境的无碰撞运动导航。AMOR是自主研发的室外运动移动机器人,它在2007年欧洲C-ELROB大赛中赢得了野外自主侦察比赛的冠军。它装备了SICK的激光雷达,用来获取机器人运动前方的障碍物体信息,建立实时动态的环境地图。以A*框架为基础的改造算法,能够在众多的路径中快速地找到最佳的安全行驶路径,实现可靠的自主导航。所有的测试和比赛结果表明所提方案是可行的、有效的。     

无监督神经网络在游戏中的应用研究——解决游戏中的障碍物绕行问题

使用无监督神经网络解决了游戏中的障碍物绕行问题（obstacle avoidance）。使用遗传算法实现了无监督机制,该方法通过最优化适应度来改进神经网络的权值,使得神经网络得到最佳的输出值;利用以智能体（Agent）中心为出发点的5条射线模拟传感器（Sensor）,通过检测5条射线与障碍物边界的相交情况来感知环境。经过768代的进化,遗传算法种群最优适应度和平均适应度都有了明显提高,同时绕行成功率从12.5%上升到85%。