基于信息物理融合系统的无人机地面目标跟踪系统

是在网络通信条件下信息世界与物理世界高度集成交互的复杂智能异构系统;为了解决CPS发展中缺乏测试和验证通用平台的现状,文章在深入分析CPS定义,架构及相关特性的基础上,从经济性,易于实现的角度出发,构建了一套基于CPS架构的无人机地面目标跟踪导航系统的通用测试验证平台,并在OPNET和MATLAB/Simulink模块下进行了仿真,最后针对该系统存在的问题提出了在未来发展中的关键技术及挑战。     

基于人工免疫克隆选择算法的不可靠测试点优化

针对实际复杂系统诊断与测试过程中普遍存在的不确定性问题,提出测试不可靠条件下基于人工免疫克隆选择算法（artificial immune clone selection algorithm, AICS）的测试点优化选择方法。通过综合考虑故障检测率、隔离率、虚警率以及测试总费用等性能指标,构造了反映测试点集性能的适应度函数,并设计了基于AICS的不可靠测试点优化方案,有效地降低了算法复杂度,时间开销缩减到0496 s,提高了运行效率。最后用燃油耗量测量系统的耗量组件进行实例验证,结果表明该方法能够获得在满足故障检测率、隔离率、虚警率等性能指标要求下,使得测试总费用最少的测试点集合,并且其综合性能指标优于遗传算法和模拟退火粒子群算法。     

基于CS的机载分簇型WSN数据采集方法

提出一种适用机载分簇型WSN的数据采集方案。该方案一方面采用随机压缩采样的方式,有效地减少了硬件资源受限的簇成员节点的采样数据量,降低了簇成员节点对硬件资源的要求;另一方面,提出一种基于复合混沌—遗传算法的MP重构方法,将混沌理论良好的局部寻优特性与遗传算法强大的全局搜索能力相结合,有效提高了簇头或Sink中信号重构的性能。实验结果表明,该方案在有效减少簇成员节点采样数据量,且采样频率降为原采样频率1/8的基础上,仍能保证10-7数量级的重构精度,为实用型WSN的实现提供了有效借鉴。     

一种协商在线增量学习算法及其在基于智能体的电子商务中的应用

随着多智能体系统MAS的迅猛发展,常常需要进行在线的协商。然而由于协商中不完全信息的存在,常常会大大影响协商的效果。该文提出一种多智能体协商中的动态在线增量学习算法,采用Q-学习机制来学习agent协商中的不完全信息。该文将这种学习算法应用基于智能体agent的电子商务中。实验证明算法可以加速协商的过程,提高协商的效果。     

超声波智能料位遥测系统

介绍了无线遥控式超声波智能料位测量系统的工作原理。该系统具有测量精度高，速度快，重复误差小的特点，并有数据运算与记忆功能。