基于蚁群粒子群算法求解多目标柔性调度问题

通过分析多目标柔性作业车间调度问题中各目标的相互关系，提出一种主、从递阶结构的蚁群粒子群求解算法。算法中，主级为蚁群算法，在选择工件加工路径过程中实现设备总负荷和关键设备负荷最小化的目标；从级为粒子群算法，在主级工艺路径约束下的设备排产中实现工件流通时间最小化的目标。然后，以设备负荷和工序加工时间为启发式信息设计蚂蚁在工序可用设备间转移概率；基于粒子向量优先权值的大小关系设计解码方法实现设备上的工序排产。最后，通过仿真和比较实验，验证了该算法的有效性。     

一种基于博弈论的发电商竞价策略模型与算法

随着电力市场化改进的推进，发电厂商的竞价策略问题存在受到越来越多的关注，解决这一问题的关键在于从数学模型上对它进行合理的描述。文中将发电厂商竞价问题看成是竞标者同市场间的对策，进而用博弈论中的零和二人混合对策来进行数学描述，经过推导给出了一种简单实用的发电厂商竞价策略。该策略的目标是使发电厂商的期望收益达到最大，前提条件是市场电价的预测值服从已知的正态分布规律。最后给出了一个具体的算例说明算法和模型的实用性。     

具有角色转换的自适应人工蜂群算法

提出一种具有引领蜂与跟随蜂动态协调机制的改进人工蜂群算法（DHABC）。根据优化函数的寻优状态,设计了引领蜂与跟随蜂动态角色转换机制,以更好地适应全局和局部搜索;为使算法能够更好地进行局部兼顾更大范围搜索,设计了引领蜂与跟随蜂间位置信息的共享方式;为提高算法的求解速度,设计了跟随蜂进化代数起始值的计算方法;通过仿真和比较实验,改进算法较其他ABC改进算法及其他智能优化算法既参数少,便于应用,又求解精度较高。     

T-S模糊控制系统的虚拟等价系统及稳定性判据

针对未知确定性被控对象和未知非线性时变对象,通过构造虚拟等价系统的方法研究T-S模糊控制系统的稳定性.采用虚拟等价系统的目的在于降低原问题的难度,改进现有稳定性判据的保守性.分析结果表明,T-S模糊控制系统的稳定性主要取决于局部模型的精度、模糊规则的正确性以及局部控制器的镇定性.      

基于关系的模型动态组合推理设计

在关系化模型框架的基础上,对用于定量计算的数学模型进行关系化的分析与表示,使其便于用关系数据库系统存储与管理．依据关系化模型的特点,重点对其推理机制进行设计与讨论．该推理机制除以模型的输入／输出为纽带实现模型的自动连接外,还可以交互式的提示系统信息及完成数据输入,并可依据用户设定的模型特征对模型组合序列进行优选,实现了模型、数据和对话的有机结合．最后应用一数学模型对关系化模型的组合推理过程作实证性的分析．     

发电厂机组组合与负荷分配

发电厂通过竞价获得上网电量以后，需要在厂内各机组问合理安排生产计划，以便达到最佳的经济效益，这就是电厂的经济调度问题。经济调度主要有两个方面：一是经济负荷分配问题，即运行机组间的负荷分配问题；另一个是机组组合问题，又称开停机计划。这两个问题的优化目标都是使发电费用(一般考虑系统消耗的燃料)最小。     

自校正控制的虚拟等价系统理论

用虚拟等价系统理论统一分析基于任意控制策略和任意参数估计算法的自校正控制系统的稳定性和收敛性．对于各种被控对象(确定、随机、最小相位、非最小相位),只要控制策略满足常规条件,即控制策略对参数估计得到的模型构成稳定闭环系统,则自校正控制系统当采用适当低阶模型,参数估计不收敛时也有可能稳定和收敛,参数估计的取代条件为有界、慢时变以及参数估计误差为相对无穷小量(相对于回归向量范数)．     

柔性作业车间人员配置及作业排序问题研究*

以最小化任务完成时间为目标,建立了柔性作业车间人员配置及作业排序模型,并设计了蚁群-遗传混合优化算法进行求解。首先,根据求解问题特征,设计了蚁群-遗传协调优化的算法结构。其中,蚁群算法求解资源配置,遗传算法求解既定资源配置方案下的作业排序;其次,为便于蚂蚁游历中配置任务的加工设备和操作人员,设计了一种新的蚂蚁游历地图及地图上启发式信息的计算方法和更新方式;再次,遗传算法采用基于工序优先权值的实数编码方式,并采用父子排序的精英保留策略以促进算法收敛;最后,通过两个不同规模的实例,比较其与其他算法及不同资源配置规则的运行结果,说明本算法能较好的求解柔性作业车间的人员配置及作业排序问题。     

基于Dog-Leg算法的服务机器人视觉SLAM系统

针对原有SLAM系统非线性优化存在迭代次数多、计算时间长、实时性差的问题,设计一种基于阻尼因子更新来计算信赖区域半径的方法;针对YOBY机器人平台,设计并实现基于增强实时性的Dog-Leg算法的多模块SLAM系统;通过EuRoc MAV MH 05数据集的实验分析和真实场景的实际测试,验证了算法的有效性以及SLAM系统在YOBY机器人平台上的可用性.