思维进化算法的转移概率分析及几乎处处收敛性证明

思维进化算法已有的收敛性分析均是在依概率收敛意义下考虑的,而几乎处处收敛强于依概率收敛。在详细分析思维进化算法趋同算子和异化算子转移概率的基础上,利用种群最大适应度值函数描述思维进化算法的演化过程,将最大适应度值函数的进化过程转化为下鞅数列,并根据数学期望的性质和最大适应度值函数的特点,利用下鞅收敛定理严格证明了思维进化算法的几乎处处收敛性。     

基于神经网络非线性系统的广义预测

为了对复杂的非线性系统进行广义预测控制 ,避免较长的离线训练 ,采用受控自回归积分滑动平均模型来描述线性子系统 ,用神经网络来逼近非线性子系统 ,利用递推最小二乘法和 Davidon最小二乘法分别作为线性子系统和非线性子系统的在线学习算法 ,建立了一种适合于广义预测控制的非线性系统控制模型。仿真结果证明 ,该模型在非线性系统的广义预测中的有效性 ,在实时控制中具有极其广阔的应用前景。     

无模型自适应预测控制器在钢球磨煤机中储式制粉系统中的应用

文章介绍了钢球磨煤机中储式制粉系统的工艺流程和特点,建立了制粉系统的数学模型,并设计了该系统的无模型自适应预测控制器。仿真结果表明,该预测控制器具有超调量小、动态性能好等特点。     

混合模式搜索的分布式memetic差分进化算法

针对差分进化（DE）算法存在的早熟收敛与搜索停滞的问题,提出memetic分布式差分进化（DDE）算法。将memetic算法的思想融入到差分进化算法中,采用分布式的种群结构以及memetic算法中的混合策略,前者将初始种群分为多个子种群,子种群间根据冯·诺依曼拓扑结构周期性地实现信息交流,后者将差分进化算法作为进化的主要框架,模式搜索作为辅助手段,从而平衡算法的探索与开发能力。所提算法充分利用了模式搜索和差分进化算法的优势,建立了有效的搜索机制,增强了算法摆脱局部最优的能力,能够满足搜索过程对种群多样性及收敛速度的需求。将所提算法与几种先进的差分进化算法相比较,对标准测试函数进行优化的实验结果显示：所提算法在解的质量和收敛性能方面,均优于其他几种相比较的先进的差分进化算法。