基于密度进化理论改进的LDPC码偏移最小和算法

针对目前LDPC码偏移最小和算法的偏移因子的选取方式不够准确灵活等问题，提出了一种基于密度进化理论改进的最小和算法，称为DOMS算法。该算法首先根据密度进化理论计算BP算法和MS算法在每次迭代译码过程中，校验节点传递给变量节点的信息的概率质量函数，然后由两者的差值得出每次迭代对应的偏移因子βｍ，ｍ表示第ｍ次迭代，再对偏移因子序列βｍ做加权平均处理得到新的偏移因子β，通过使用该偏移因子DOMS算法与经典的OMS算法相比。仿真结果表明大约可以取得0.2ｄＢ的增益。此外，当对比与BP算法译码性能相近的LMMSE Min Sum算法时，DOMS算法在获得相似译码性能的基础上，可以节省大约28.29％的逻辑元器件和34.33％的内存。     

矿用动力电池荷电状态预测

针对最小二乘支持向量机(LSSVM)用于预测矿用动力电池荷电状态(SOC)时正则化参数和核函数参数难以优化选择,灰狼优化(GWO)算法在单独求解约束优化问题时出现早熟、稳定性差、易陷入局部最优等问题,在差分进化灰狼优化(DE-GWO)算法的基础上,采用指数函数形式的非线性收敛因子对DEGWO算法进行改进。该非线性收敛因子在迭代过程前段衰减速率低,能更好地寻找全局最优解,在迭代过程后段衰减速率高,能更精确地寻找局部最优解,有效平衡全局搜索能力和局部搜索能力。实验结果表明,利用改进DE-GWO算法优化LSSVM参数后建立的矿用动力电池SOC预测模型最大绝对误差为3.7%,最大相对误差为5.3%。     

核动力系统多目标优化设计方法研究

为提高核动力系统多目标优化设计结果的精确性，提出一种改进的多目标自适应差分进化算法，并通过测试函数对算法性能进行了验证。基于改进的多目标自适应差分进化算法开发了一种核动力系统多目标优化设计方法；以AP1000核电厂非能动余热排出热交换器为对象，采用开发的核动力系统多目标优化设计方法对其进行了优化设计，计算结果证明该方法是有效可行的。      

基于冲突图模型的混合渠道供应链两阶段定价模型

为弥补经典博弈定价模型在战略分析层面的不足,提出了基于冲突图模型的混合渠道供应链两阶段定价模型,分析了不同销售策略对渠道定价、渠道利润及供应链利润的影响。首先从战略层面构建了基于冲突图模型的混合渠道价格图模型,通过稳定性分析得到三种市场均衡定价方案,该方案能够帮助各渠道制定满意的销售策略。然后在此基础上,重点分析捆绑销售、服务努力及广告营销对需求函数及利润函数的影响,分别构建了三种方案的主从定价模型,利用逆向归纳法求得模型最优解。最后,分析销售策略参数对市场最优定价方案的影响。最优定价方案能够帮助各渠道制定最优的销售策略及具体定价以实现市场最优。研究表明:各分销渠道可以通过采取不同的销售策略来获得更高的收益以避免低价竞争,也可以通过调整相应的市场销售策略参数来改变定价与策略以实现自己的目标收益。     

基于分解的多目标花朵授粉算法

在过去几十年里，许多多目标进化算法被广泛应用于解决多目标优化问题，其中一种比较流行的多目标进化算法是基于分解的多目标进化算法(MOEA/D)。花朵授粉算法是一种启发式优化算法，但迄今为止，花朵授粉算法在基于分解的多目标进化算法领域的研究还非常少。本文在基于分解的多目标进化算法的框架下，将花朵授粉算法拓展至多目标优化领域，提出一种基于分解的多目标花朵授粉算法(MOFPA/D)。此外，为了保证非支配解的多样性，本文提出一种基于网格的目标空间分割法，该方法从找到的Pareto最优解集中筛选出一定数量且分布均匀的Pareto最优解。实验结果表明，基于分解的多目标花朵授粉算法在收敛性与多样性方面均优于基于分解的多目标进化算法。     

基于stackelberg多步博弈的无人机协同搜索路径规划

考虑到现有无人机搜索问题研究中无人机、移动目标仅有一方具有远距离探测能力的设定，已经无法体现出战场环境下双方的博弈关系。针对这一不足，基于stackelberg均衡策略，结合多步预测的思想，提出了stackelberg多步博弈策略，实现了无人机、目标都具有远距离探测能力的博弈搜索。通过建立无人机、目标各自的路径收益函数，使双方能够根据不同时刻的博弈状态选择相对应的函数，实现无人机的动态路径规划。仿真结果表明所提出策略完全适用于该博弈模型，比贪婪策略具有更高的搜索效率，大大提高了目标捕获率。