基于跳转模型的路网交通流预测

针对城市道路交通流复杂的非线性特征,采用基于跳转的ＡＲＩＭＡ 模型研究交通流的变化规律,以获得城市道路短期交通流的精确预测．引入路口转弯比例矩阵来描述路网的交通流状态．考虑在路网畅通和路网拥堵情况下路口转弯比例矩阵的不同特征,对两种情况分别进行研究．结合路段交通流预测模型,对路网交通流进行预测．仿真算例表明,所提出的预测模型能较好地用于路网交通流预测．

     

基于运动预测的路径跟踪最优控制研究

针对自动导引车的路径跟踪,提出一种基于运动预测的线性二次型调节器优化模型.在速度约束下,从全局角度通过运动预测达到多步控制的最优协调性.在目标函数中只包含速度控制量,避免了加权矩阵选择的难题,算法的快速性由控制步数的最小化来保证.数字仿真和实验均表明,对于不同速度和路径偏差,算法均能产生可实现的最优控制序列,同步,快速和平稳地消除两种偏差,且计算量小,可满足嵌入式控制系统实时滚动优化的需求.

     

基于专家知识的字典序优化决策方法及工业应用

为有效实现有色冶金配料过程的实时优化,首先根据氧化铝配料过程特点,建立一种字典序区间目标规划模型;然后通过整理长期积累的专家经验知识,构建了具有优先级的分类知识库;接着基于专家知识库的分类结构,提出一种字典序专家推理策略,以实现区间约束条件下的多质量指标的优化控制．工业应用结果表明,所提出的方法能够很好地实现生料浆质量的优化控制,为其他有色冶金工业配料过程的控制提供了一种优化模式．

     

基于遗传算法的结晶器液位约束广义预测控制

针对实际连铸过程中结晶器液位控制须满足多种约束的问题,将一种基于遗传算法的有约束广义预测控制方法（ＧＣＧＰＣ）应用于结晶器液位控制．首先基于机理模型构造了有约束结晶器液位广义预测控制器;然后以遗传算法处理带约束的非线性优化问题,并以此作为滚动优化策略,求得最优控制律．仿真结果表明,在有效处理了约束的基础上,基于遗传算法的有约束广义预测控制效果优于ＰＩＤ 控制以及无约束广义预测控制．

     

知识引导遗传算法实现机器人路径规划

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,设计一种知识引导遗传算法,在染色体的编码,初始种群的产生,各种遗传算子和优化算子中加入相关的领域知识.综合考虑机器人路径的长度,安全度和平滑度等性能指标,在对机器人进行路径规划的同时,利用删除,简化,修正和平滑,种优化算子进行路径优化操作.仿真结果表明.所提方法能够有效提高遗传算法求解实际路径规划问题的能力和效率.

     

基于微观行为学信息决策的自治交通模型的研究

提出一种引入信息决策因子的自治交通模型,对出行模式和出行道路的选择进行动态控制和优化,并通过ＮｅｔＬｏｇｏ进行微观行为学仿真,验证了该模型能实现交通、能源和温室气体排放的优化效果,对解决现有交通问题具有实用价值．

     

基于移动机器人路径规划的鼠群算法

研究静态环境下机器人路径规划问题,并根据老鼠觅食行为提出一种鼠群算法.该算法引入环境因子和经验因子,每次搜索后对路径进行经验因子更新,通过迭代的方式寻找静态环境下机器人最佳路径.同时提出一种禁忌策略,有效地避免了路径死锁问题.理论分析和实验结果表明,该算法能使机器人在有较多障碍的环境下迅速找到一条优化路径,而且安全避碰,与同类算法相比具有一定的优越性.

     

关于新的弱化缓冲算子的研究及其应用

在灰色系统理论缓冲算子公理体系下,构造出一类新的弱化缓冲算子．研究其一些特性和内在联系,可有效地解决冲击扰动数据序列在建模预测过程中经常出现的定量预测结果与定性分析结论不符的问题．实例分析结果表明,该类算子是有效而实用的．

     

一类新的粒子群算法

提出一种新的模糊粒子群优化算法---收敛模糊粒子群优化算法.重点研究了收敛因子的确定和模糊隶属度函数的选择对算法性能的影响.在考虑计算效率的同时,提高了算法的精度.利用4个基准函数测试了收敛模糊粒子群优化算法的性能,并与模糊粒子群优化算法$收敛粒子群优化算法以及基本粒子群优化算法进行了对比.实验结果表明#新算法具有很好的性能.

     

有界丢包网络环境下不确定系统的预测控制

研究了有界丢包网络环境下的多包不确定系统的鲁棒预测控制．首先在构建无限时域性能代价函数时,不同于传统预测控制方法,只考虑成功数据传输序列,并由此提出了两种鲁棒预测控制方法：将无限时域控制作用参数化为一个状态反馈控制律;或参数化为一个自由控制作用接一个状态反馈控制律．与传统方法一样,采用性能代价函数作为Ｌｙａｐｕｎｏｖ函数证明了系统的闭环稳定性．仿真实例验证了此方法的有效性．

     

蚁群算法滚动优化的LS-SVM预测控制研究

针对非线性过程预测控制的模型预测和滚动优化问题,提出一种蚁群算法滚动优化的最小二乘支持向量机(LS-SVM)新型预测控制器.该控制器以建模简单,精度高的LS-SVM作为预测模型,蚁群算法作为滚动优化策略,避免了滚动优化中复杂的梯度计算.仿真研究表明,该控制器具有良好的非线性控制效果.

     

基于拉格朗日松弛的供应链合作生产计划模型研究

为解决供应链生产计划协调问题,通过市场价格和中间库存因素使供应链上下游企业结合成一个整体,建立一种供应链上下游一体化计划模型,从整体考虑供应链合作计划问题．为获取问题的可行解,采用拉格朗日松弛技术进行优化,为供应链上下游企业在信息共享条件下实现“多赢”目标,提供了理论依据．仿真结果验证了模型和算法的有效性．

     

基于Ｂａｇｇｉｎｇ的组合k-NN预测模型与方法

k-近邻方法基于单一k值预测,无法兼顾不同实例可能存在的特征差异,总体预测精度难以保证．针对该问题,提出了一种基于Ｂａｇｇｉｎｇ的组合k-NN预测模型,并在此基础上实现了具有属性选择的Ｂｇk-NN预测方法．该方法通过训练建立个性化预测模型集合,各模型独立生成未知实例预测值,并以各预测值的中位数作为组合预测结果．Ｂｇk-NN预测可适用于包含离散值属性及连续值属性的各种类型数据集．标准数据集上的实验表明,Ｂｇk-NN预测精度较之传统k-NN方法有了明显提高．

     

基于对象的扩展Petri网协同设计过程分析

针对协同设计中任务的执行流程缺乏柔性,不利于分析实际设计过程的现状,提出一种单元调用变迁对与决策变迁相集成的基于对象的扩展Petri网,扩展了Petri网的可达图以适应分析OEPNs模型.采用OEPNs中的过程网和单元网对协同设计过程建模,利用模型中的单元调用变迁对和决策变迁对过程本身和可能状态进行分析.最后与相关的研究工作进行比较并给出了结论.

     

基于区间数的多目标灰色局势决策模型

基于区间数的距离和灰熵分析,将灰色局势决策拓展到决策信息为区间数的情况,给出了灰色局势决策目标权重的优化方法.考虑各局势的效果测度与正理想效果值的接近性以及目标权重本身的不确定性,建立了多目标优化模型,利用拉格朗日乘子法求解该模型,得到了灰色局势决策的目标权重表达式.利用区间数的可能度对每个事件的局势进行排序,进一步完善了传统的灰色局势决策理论.最后通过实例验证了该模型的有效性和实用性.

     

钢铁企业集团订单分配模型研究

在集团统一销售的管理模式下,如何将订单在多个成员企业之间进行分配是钢铁企业集团需要研究的重要问题．为此,在对钢铁企业集团订单分配原则进行归纳总结的基础上,建立了以集团订单排产量最大和集团利润最大为目标的钢铁企业集团订单分配多目标优化模型;同时结合问题的特点,提出了模型求解的算法流程;最后,通过应用实例验证了模型和算法流程的可行性和有效性．

     

灰色随机多准则决策的优劣势排序法

针对准则值具有灰色性和随机性两种信息不确定的多准则决策问题,提出一种灰色随机多准则决策方法.通过对灰数与白数比较的定义,将随机支配规则推广到对灰色随机变量型准则值的处理中,得出方案之间的随机支配关系;利用一般性准则对该随机支配关系进行转换,构建出优势矩阵和劣势矩阵,得出每一方案的优势流和劣势流,进而确定出方案的排序.最后通过算例说明了所提出方法的可行性和有效性.

     

一类基于物种迁移优化的进化算法

借鉴自然界中的物种迁移机制,提出一类基于物种迁移优化的进化算法．该算法是根据生态系统中物种分布的迁移模型而提出的一种优化算法．参考其他智能算法的思想,通过物种迁移实现信息交换和共享,从而完成进化过程．讨论了物种迁移优化算法的基本原理和实现过程,同时进行一些基准函数的性能测试．实验结果表明所提出的算法是有效的,具有一定的参考和应用价值．

     

贝 叶 斯 网 络 扩 展 研 究 综 述

贝叶斯网络是一种能够对复杂不确定系统进行推理和建模的有效工具,广泛用于不确定决策,数据分析以及智能推理等领域.由于理论和实际的需要,贝叶斯网络不断扩展,出现了各种模型和研究方法 .为此,综述了贝叶斯网络在不同领域的扩展模型以及在不同理论框架下的进展,并展望了未来的几个发展方向.

     

基于Agent的分形供应链自适应协同计算

应用分形、智能Ａｇｅｎｔ和神经网络自适应控制技术,研究分形供应链适应环境变化的结构模式和策略模式．探讨了分形供应链Ａｇｅｎｔ关联结构,提出了分形供应链双层自适应协同计算模式,论述了资源Ａｇｅｎｔ,信息协调Ａｇｅｎｔ,人机交互Ａｇｅｎｔ和领域计算Ａｇｅｎｔ之间的相互作用关系．以一个分形模块的策略协同为分析对象,研究了领
域单元的自适应协同计算模式,分析了分形模块的成本模型,并对基于Ａｇｅｎｔ交互的神经网络模型部分进行了算例仿真．