一种基于差异演化的协同粒子群优化算法

提出一种协同进化PSO算法,用于保持粒子种群的多样性并避免发生“早熟”的问题．该方法采用两个不同的分群;其中分群一的粒子采用标准PSO算法进行搜索寻优,分群二的粒子采用差异演化算法进行搜索和寻找最优解．在搜索过程中,如果标准PSO算法的适应度变化率低于一个阈值,则按照黄金分割率用分群二中的若干优势粒子取代分群一中的劣势粒子．用所提出的PSO算法和标准PSO算法对4种常用函数进行优化．结果表明,该粒子群优化算法比标准粒子群优化算法更容易找到最优解,而且优化效率和优化性能明显提高．     

分布式多媒体技术的研究及其展望

伴随着“信息高速公路”的兴起,分布式多媒体这一综合的跨学科的研究领域越来越受到人们的重视。如何认识分布式多媒体技术,以及如何把握其未来的发展方向对于从事这一领域工作的科研开发人员是十分必要的,本文从计算机学科的角度出发,对分布式多媒体技术的产生、分布式多媒体的通信平台、分布式多媒体通信协议、分布式多媒体数据库及其应用等方面做了概要的阐述,并对每一部分的发展做了展望。     

基于灰色层次分析法的有人/无人协同作战效能评估

当前和今后相当长一段时期内,战场的机械化、信息化、智能化将长期并存、并行发展。有人/无人协同作战可以通过各无人系统与有人系统之间的资源调度、态势统一、任务整合来进一步提高作战系统的作战效能。基于灰色层次分析法,结合径向基函数（Radial Basis Function,RBF）神经网络进行数据整理,对有人/无人协同作战效能进行科学评估,提出了一种新的评估模型,为优化协同作战体系结构和提高协同作战能力提供了理论依据。围绕有人/无人协同作战的作战任务和能力需求构建了相关评估指标体系,基于灰色层次分析法与RBF神经网络设计了有人/无人协同作战评估模型,并进行了仿真实验分析。仿真结果表明,该方法能够实现对有人/无人协同作战效能客观有效的评估。     

基于TRNSYS的气候变化下“冷-热-电”联供系统运行优化

气候变化导致的极端天气给建筑负荷和冷、热、电联供(combined cooling heating and power, CCHP)系统供能策略带来很大的影响,以上海市某医院为主要研究对象,采用PRECIS软件预测该地区2025至2100年的温度变化,利用TRNSYS软件搭建医院能耗模型计算气候变化影响下的全年逐时负荷,构建了考虑负荷变化影响的“冷-热-电”联供系统运行优化模型,最终生成适应气候变化的供能系统运行方案。负荷预测结果表明,极端高温现象导致建筑的冷、热负荷呈现波动变化趋势,可能造成供需失衡,即夏季高温制冷不足和冬天暖冬供暖过剩的问题。与传统优化模型相比,该模型生成的系统协同运行方案可以增强用户体验,实现降本增效。     

基于分布式分支界限算法的产消者联盟电能交易策略

随着分布式能源在配电网中的高比例渗透,产消者作为新型主体参与市场竞争日益受到关注。基于合作博弈的产消者联盟电能交易可增加产消者的整体收益,产消者采用动态联盟结构可提升对环境变化的适应协调能力。为此,提出基于多代理系统（MAS）的产消者联盟运行框架,以及在此框架下产消者联盟电能交易的双层优化模型。上层模型使用分布式分支界限算法求解最优联盟结构下的产消者电能交易策略;下层模型根据更新的交易电价调整产消者购售电计划。最后通过仿真算例验证了所提方法的合理性、有效性及模型的可扩展性。     

联邦学习贡献评估综述

数据不动的联邦学习框架是多个数据持有方合作训练机器学习模型的新范式.多个数据持有方参与联邦学习时的贡献评估是联邦学习的核心问题之一.参与方贡献评估需要兼顾有效性、公平性和合理性等要素,在理论方法与实际应用中均面临多项挑战.贡献评估首先需要明确如何度量数据价值,然而数据估值存在主观性与依赖于实际任务场景的特点,如何设计有效、可靠并对恶意数据鲁棒的数据估值指标是第一大挑战.其次,联邦学习合作中的参与方贡献评估是经典的合作博弈问题,如何制定公平合理的参与方贡献评估方案,实现参与方一致认可的博弈平衡是第二大挑战.最后,参与方贡献评估往往计算复杂度高,同时,联邦学习中围绕模型的数据估值时间开销大,因此,在实践中如何设计高效且准确的近似算法是第三大挑战.近年来,为了有效地解决上述挑战,学术界对联邦学习中的贡献评估问题展开了广泛的研究.首先,简要介绍联邦学习与参与方贡献评估的背景知识;然后,综述数据估值指标、参与方贡献评估方案和相关优化技术;最后,讨论了联邦学习贡献评估仍面临的挑战并展望未来研究的发展方向.     

交叉口混合交通流微观控制模型

为构建智能网联汽车(CAV)和有人驾驶汽车(HDV)混合通行情况下的交叉口通行机制与控制方法, 本文提出CAV专用道条件下交叉口协同通行模型. 首先, 设计CAV专用道条件下的交叉口布置, 对交叉口进行网格化处理,将CAV通行时隙和HDV绿灯相位对交叉口某部分网格某时段的占用统一到交叉口时空资源描述框架下; 其次, 建立兼顾CAV与HDV的交叉口时空网格资源分配模型, 构建自适应信号灯控制算法和CAV轨迹规划算法; 再次, 以车辆最小延误为目标进行自适应信号灯配时优化和CAV轨迹优化; 最后, 选取广州某典型交叉口建立仿真实验对所提方法的有效性进行了验证.     

针对运动目标的多无人机协同鸽群优化搜索方法

针对多无人机协同运动目标搜索问题,本文设计了改进鸽群优化算法的协同搜索决策.首先,基于运动目标的独立性,建立了服从正态分布的目标概率信息图模型;为了提高环境中目标存在的确定度,建立了搜索环境的确定度信息图.其次,通过建立的吸引和排斥数字信息素图,引导无人机向未搜索区域飞行,减少重复搜索概率,提高协同目标搜索效率,并基于传统的鸽群算法,通过加入速度更新修正机制和精英代机制对其进行改进.然后,结合环境中目标的存在概率信息以及无人机搜索目标的探测信息,使用改进鸽群优化算法,规划无人机的最优搜索飞行路径.并设计避碰机制,以有效防止无人机搜索过程中的碰撞.最后,通过比较仿真实验验证了改进鸽群优化算法对运动目标协同搜索的有效性.     

计及主/被动需求响应下基于合作博弈的微网–配电网协调优化调度

随着含高比例可再生能源的并网型微网不断增加,微网与配电网的交互更加紧密。为解决两者作为不同利益主体双方利益分配问题,提出一种计及主/被动需求响应下基于合作博弈的微网-配电网协调优化模型。首先,考虑消费者心理学,建立了基于Logistic模糊函数的电负荷主动需求响应模型。然后,建立了以最优热电比为目标的热负荷被动需求响应模型。最后,微网与配电网作为参与者组成合作联盟,以讨价还价理论为核心,各自利益与联盟利益最大化为目标,协商确定了交互电价与交互功率,用改进的Shapley分配法分配了组成联盟后的额外收益,并通过基于参数自学习的自适应二次变异差分进化算法对其求解。通过算例分析对比可知,用户、微网、配电网三方利益均有所提升,证明了所提方案的合理性。     

面向鲁棒频谱感知的模糊K-means++算法

恶意用户通过向数据融合中心发送伪造的频谱感知数据,解决自身频谱资源短缺问题,但会极大地降低频谱感知系统的检测概率。为了解决此问题,提出了基于模糊K means++的数据融合算法。该算法首先引入模糊处理机制处理样本的数据特征值,以此来增加样本间的差异性;然后将模糊处理后的数据发送到融合中心,融合中心采用离群点挖掘的方法排除恶意用户,并对保留下来的用户进行融合,使样本向量具有鲁棒性;最后运用K means++算法对样本向量进行聚类。该算法利用轮盘法选择聚类中心,可有效抵御恶意用户的攻击,提高系统感知性能;无需知晓信号与噪声的分布等一些先验信息,也避免了繁杂的门限推导。从仿真结果可以看出,该算法对抵御恶意用户攻击具有突出的效果,有效提升了协同频谱感知系统的稳定性和鲁棒性。