基于遗传算法的参数在线自调整模糊控制器

提出了一种基于遗传算法优化的自调整模糊控制器的设计方法．该模糊控制器的运行参数自调整公式以系统响应的最大超调量、调整时间及稳态误差为性能指标，利用遗传算法搜索模糊控制器量化因子Ke，Kec及比例因予Ke公式中相应的最优基准值Keo，Xeco及Kuo和微调参数K1，K2及K3，设计一个根据系统当前的动态误差e运行参数可在线自调整的模糊控制器，以确保系统的响应具有最优的动态和稳态性能．该控制器巳用于控制由作者设计的智能人工腿中的执行电机．计算机仿真结果表明，与运行参数固定的模糊控制器相比，这种自调整模糊控制器具有良好的动态和稳态性能，     

群机器人仿真系统设计与实现

群机器人仿真系统是一个能够对群机器人系统的体系结构、协调控制和学习算法等进行实验的数字仿真系统。分析了各仿真对象的物理特性及其实现难点,给出了仿真系统的软件架构和对象建模,描述了各仿真功能的具体实现。利用本仿真系统进行的实验结果表明此系统达到了比较理想的效果,具有良好的分布式运行能力和方便的实时交互能力,为群机器人系统的研究提供了一个有效的平台。     

多机器人系统的研究现状

介绍了多机器人系统的研究进展及现状,对该领域内的主要内容(思想源泉、体系结构与控制、通信、学习、可重构机器人)的研究现状作了分析和介绍,还提出了一些未来值得研究的议题。     

基于虚拟力的群机器人围捕算法

启迪于物理学中的范例,探讨了基于虚拟力的群机器人围捕算法的原理和方法。制定了详细的系统性能评价指标（稳定时间、层数、层间距离、层中机器人个数、机器人密度等参数）。分析了围捕性能与机器人数量、虚拟力的关系;提出了目标对机器人作用力的分层结构思想,实验显示不仅加快了围捕速度,而且提高了围捕分层的质量;提出了机器人绕目标转动的围捕方法,解决了势场法中常见的局部极点问题,并且大大提高了围捕的速度和质量。设计了一个简单的实体机器人实验证实了围捕算法的可行性,指出了今后的研究方向。     

基于粒子群算法的移动机器人全局最优路径规划*

以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法.该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径.在计算机上进行了仿真,仿真结果证明了该方法的可行性和有效性.     

一种基于AIS和Bayes网络的垃圾邮件过滤算法

将人工免疫系统和贝叶斯网络相结合应用于垃圾邮件的过滤,设计了一个基于AIS和Bayes网络的垃圾邮件过滤算法,分析并解决了该算法实现过程中的关键问题,给出了亲和力的计算方法和抗原/抗体的结构定义。在PU1bare 语料的基础上与Carreras提出的AdaBoost方法进行对比实验,最后给出了实验结果。     

工业机器人时间最优轨迹规划及轨迹控制的理论与实验研究

提出了一种用于工业机器人时间最优轨迹规划及轨迹控制的新方法, 它可以确保在关节位移、速度、加速度以及二阶加速度边界值的约束下, 机器人手部沿笛卡尔空间中规定路径运动的时间最短. 在这种方法中, 所规划的关节轨迹都采用二次多项式加余弦函数的形式, 不仅可以保证各关节运动的位移、速度、加速度连续而且还可以保证各关节运动的二阶加速度连续. 采用这种方法, 既可以提高机器人的工作效率又可以延长机器人的工作寿命. 以PUMA 5 6 0机器人为对象进行了计算机仿真和机器人实验, 结果表明这种方法是正确和有效的. 它为工业机器人在非线性运动学约束条件下的时间最优轨迹规划及控制问题提供了一种较好的解决方案.     

基于免疫遗传算法的多约束QoS组播路由选择方法

以具有精英保留的免疫遗传算法（IGAE）为基础,提出了一种新的用来求解带宽、时延、时延抖动受限,费用最小的QoS组播路由选择问题的方法。首先采用预处理机制,将网络结构中不满足带宽约束的链路去掉,利用Dijkstra第k最短路径算法建立编码空间的备选路径集;然后采用基于路径的树结构编码来随机产生初始群体,使种群中的每个个体都代表组播路由问题的一个候选解;最后利用IGAE算法对种群进行优化,最终求得满足QoS要求的组播路由。仿真实验结果表明,该算法具有较好的性能,能以较快的速度搜索到满足QoS要求的费用最小的组播树。     

基于虚拟力的群机器人队形控制

提出了一种基于虚拟力的群机器人队形形成原理,提出了一种使用拟合法构建虚拟力模型的方法及其应用。实验结果表明该方法可以快速、有效地完成队形分布,并指出了今后的研究方向。