多Agent动态调度方法在染色车间调度中的应用

为解决复杂、繁琐的染色车间调度问题,根据印染生产过程的工艺特点和约束条件,建立了染色车间作业调度问题模型。为了提高调度系统对生产环境经常发生变化的自适应能力和全局优化能力,提出了一种基于蚂蚁智能与强化学习相结合的协商策略的多Agent动态调度方法。在该方法中,智能Agent能根据行为的历史反馈和立即反馈来选择相应的行为,也能根据算法的历史奖励来选择相应的智能调度算法,从而把一小部分工序任务的实时局部优化和大部分工序任务的全局优化结合起来。调度实例的求解结果验证了该方法的有效性。     

基于Hopfield神经网络的作业车间生产调度方法

该文提出了基于Hopfield神经网络的作业车间生产调度的新方法.文中给出了作业车 间生产调度问题(JSP)的约束条件及其换位矩阵表示,提出了新的包括所有约束条件的计算能 量函数表达式,得到相应的作业车间调度问题的Hopfield神经网络结构与权值解析表达式,并 提出相应的Hopfield神经网络作业车间调度方法.为了避免Hopfield神经网络容易收敛到局部 极小,从而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield 神经网络收敛到计算能量函数的最小值0,从而保证神经网络输出是一个可行调度方案.该文 改进了已有文献中提出的作业调度问题的Hopfield神经网络方法,与已有算法相比,能够保证 神经网络稳态输出为可行的作业车间调度方案.     

基于SVM的视频检索系统框架①

底层特征到高级语义的转化是视频检索中的重要环节。结合在视频检索中的相关反馈,结果排序以及BOOST思想,提出了针对视频检索的改进的SVM算法流程,并根据改进的SVM算法提出了基于SVM的视频检索系统框架。通过采用TREC2007的数据测试表明,该视频检索系统框架可达到较高的查准率和查全率。     

面向3D肌肉模型的穿插分离算法

针对肌肉配准后获得的三维肌肉模型之间小范围区域的穿插问题,提出一种新的穿插分离算法.首先应用OBB层次树检测3D模型间的交叉区域,然后采用最小二乘法计算穿插模型间的接触面,最后用基于逐点位置约束的Laplace算法对接触模型进行优化和光滑,并保留模型的原有几何细节,实验表明本文算法分离效果良好.     

无线网络中基于流媒体传输的自适应TFRC机制

在无线网络高误码率的环境下, 经典TFRC机制会将无线误码丢包误认为拥塞丢包, 导致吞吐量过度降低. 针对无线网络实时流媒体业务的传输控制问题, 提出了一种改进型动态自适应TFRC机制(Adaptive-TFRC). 它在接收端利用丢包区分参数来真实反映网络的状态(即拥塞或者误码), 然后反馈至发送端, 同时对经典TFRC机制的吞吐量模型公式进行改进, 最终能够根据实时网络条件动态自适应地调节传输速率. 仿真结果表明, Adaptive-TFRC机制能够有效地提高网络吞吐量, 降低实时业务流的延时抖动, 同时能够进一步改善TCP业务的友好性传输, 从而保证无线网络实时流媒体的服务质量.     

基于在线LS-SVM的网络预测控制系统

针对网络控制系统（NCS）的鲁棒性,提出基于在线最小二乘支持向量机（LS-SVM）的预测控制方法．在LS-SVM的基础上,利用训练数据窗及训练数据阈值,推导出适合控制系统的在线训练方法．当在线LS-SVM的核函数取线性函数时,结合预测控制方法得到在线LS-SVM预测控制量的方程解,并将其应用于存在时延、丢包及包序错乱的NCS进行验证．仿真显示了该方法的快速性、准确性、鲁棒性．     

基于马尔科夫链的网络控制系统调度

网络控制系统数据包的丢失将导致控制系统性能下降与网络资源利用率降低。以马尔科夫链对网络控制系统的数据包丢失时延进行动态预测,并将它作为网络利用率的一个重要参数,利用反馈原理动态地调整网络控制系统控制任务周期,在线分配网络资源,实现调度与控制的集成,提高了网络资源的利用率与控制系统性能,仿真结果表明了该方法的有效性。     

基于混合粒子群优化算法的旅行商问题求解

针对旅行商问题提出一种混合粒子群优化算法。为了增强算法的局部搜索能力,在粒子群优化算法中加入倒置、对换等局部搜索算法。利用遗传算法全局搜索能力强的特点对用粒子群优化算法求到的解进行优化,对全局最优路径通过消除交叉路径进行优化,以进一步提高混合算法的性能。仿真结果表明,中小规模旅行商问题能够在较少的代数内收敛到较满意解。     

GMM与RVM融合的话者辨识方法

相关向量机(RVM)分类法使用概率输出克服了支持向量机(SVM)识别速率低的缺点,并且具有更好的稀疏性。但在与文本无关的话者辨别中,大量训练样本数据体现了RVM在模型训练时计算量与内存需求过大的缺点。针对以上特点,提出基于GMM统计特征参数与RVM融合的与文本无关的语者辨别系统,既有效地提取话者特征信息,解决大样本数据下的RVM训练问题,又结合统计模型鲁棒性高和分辨模型辨别效果好的优点。实验结果证明,该系统比基本的GMM系统具有更优的错误辨别率,比GMM/SVM系统具有更高的稀疏性。