基于RBF神经网络的直接广义预测控制

针对广义预测控制算法需要在线递推求解 Diophantine 方程及矩阵求逆等计算量大的缺陷,对参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制算法.该算法将多变量非线性系统转化为多变量时变线性系统,用三次样条基函数逼近系统广义误差向量中的时变系数,然后利用径向基神经网络来逼近控制增量表达式,并基于广义误差估计值对控制器参数向量即网络权值向量θu和广义误差估计值中的未知向量θe进行自适应调整.仿真结果验证了此算法的有效性.     

无冲突满足P4的无β环数据库模式分解条件的研究

无β环是一种重要的无环级别,与无损联接、保持依赖和４ＮＦ一起,成为多值依赖环境下数据库模式规范化的基本要求,能够直接指导数据库的模式设计,文中提出了严格无冲突的概念,以线图为工具,证明了应用分解树算法对一个严格无冲突的ＭＶＤ集分解得到的数据库模式对应的线图及等权化简子图都是三角化的,而且图中每个三角形都相容的,最后得出无冲突条件下无β环且满足保持数据依赖、无损联接和４ＮＦ的数据库模式分解的充要条件     

一种基于神经网络的微波器件快速建模方法北大核心CSCD

随着微波器件结构复杂度的增长和产品性能要求的提高,微波器件建模不仅要能够描述其理想电磁特性,还要能快速准确反映多物理参数对器件性能的影响。虽然神经网络已经被引入到微波器件领域,但是将其应用于器件的多物理特性建模的研究还比较少。文章提出了一种基于人工神经网络的多物理参数建模方法来表示输入输出变量之间的非线性关系。提出了一种高效的神经网络多物理参数模型,并针对该模型引入了一种新的训练算法。所提出的模型可以快速准确地预测微波器件的多物理响应,如滤波器的S参数特性曲线、离子敏感场效应晶体管的输出特性曲线等。与有限元方法相比,此方法可以节省约98%的计算成本与99%的计算时间,为实现快速高效的微波器件行为级建模提供一种可行方法。     

多极小值粒子群优化算法

针对标准粒子群算法只能搜索到目标函数一个最小值的缺点,提出多极小值粒子群算法.该算法通过在每一代粒子群中搜索极小值粒子,使得该算法中的粒子不仅具有目标函数的最小值点信息,而且还具有目标函数的极小值点信息,从而达到搜索目标函数最小值和多个极小值的目的.该算法消除了标准粒子群算法在搜索多极小值函数时全局最优粒子在不同极小值位置附近振荡的缺点,明显的提高了收敛的速率和搜索的精度.通过对典型的一维、二维和多维目标函数进行测试,证明了多极小值粒子群算法能够寻找到目标函数的全部极小值和其所在位置,且具有很强的全局收敛能力,验证了多极小值粒子群算法的有效性.     

面向不确定数据的概率阈值可见最近邻查询算法

在现实世界中,障碍物的存在影响了查询点到对象的可见性.可见最近邻查询返回到查询点最近的一个可见对象,是时空数据库中的一类重要应用.由于度量设备的误差和隐私保护,很多关于空间对象位置的数据是不确定的.将不确定对象应用到可见最近邻查询中便产生了概率可见最近邻查询,返回成为可见最近邻概率大于0的对象.有些情况下,用户只关心概率超过一定阈值的结果,于是本文提出了概率阈值可见最近邻查询,返回可见最近邻概率超过阈值T的不确定对象,其中阈值T是用户设定的,并且给出了高效的概率阈值可见最近邻查询算法.相比以前的工作,不仅处理了概率和为1的不确定对象,而且处理了概率和小于1的不确定对象;此外,通过引入缺失概率和聚类的概念,提出了高效的过滤技术和快速的批处理技术.最后通过实验验证了本算法的高效性和有效性.     

无线传感器网络中基于能量级加权的质心定位算法

针对无线传感器网络的内在特点以及传统质心定位方法的局限性,提出一种基于能量级加权的质心定位算法——PWC定位算法.它完全基于网络连通性,采用信标节点的能量级信息作为加权因子计算未知节点位置,体现了不同信标节点对质心计算结果的影响.仿真结果表明,该算法减小了平均定位误差,是一种适合大规模传感器网络应用的节点定位算法.     

无线传感器网络中DV-Hop定位算法的改进

针对无线传感器网络非基于测距的DV-Hop定位算法中,信标节点与未知节点之间平均跳距估计的不足以及三边定位过程中信标节点的选择对定位误差的影响,提出一种改进的DV-Hop定位算法.在改进策略中,对平均跳距采用加权处理进行修正,并有选择性的选取信标节点参与最后的三边定位.仿真结果表明,改进后的DV-Hop算法能够更准确地对平均跳距进行估计,并且有效地降低了未知节点的定位误差.     

WSN导航中的拥塞控制算法

针对无线传感器网络导航中出现的拥塞问题,提出一种拥塞检测和缓解算法。每个节点周期检测其导航的用户数量,根据用户数量是否超过上限判断其所在路径是否发生拥塞,若发生拥塞,采用拥塞缓解算法,导航相应用户到其他路径,从而使用户更加快速、安全地逃离危险区域。仿真实验结果表明,该方法在导航时能有效控制网络拥塞,使路径负载更加平衡。     

基于Gibbs采样与遗传算法的模体识别

借鉴Gibbs采样思想,将序列峰值所对应的候选模体作为遗传算法的初始种群,提出一种改进的模体识别算法。将模体在序列中的出现次数作为变量加入到适应度函数中,使其更符合生物数据的特性。在算法变异操作中加入IUPAC简并码保持种群的多样性。对DBTSS数据库中的真实数据进行测试,结果表明该算法具有较高的识别精度和较快的搜索速度。     

基于Agent的同步休假排队调度系统仿真研究

目前港口卸车调度系统缺乏科学性,港口卸车效率低下,为了提高港口卸车效率,对卸车进行合理调度,通过对港口煤炭卸车流程的分析研究,构建了基于Agent的同步休假排队调度仿真模型。提出了基于Agent的同步休假排队调度算法,并结合秦皇岛港煤炭卸车系统业务数据,进行了仿真实验,实验结果表明了算法的有效性和实用性。