Markov analysis of qualitative dynamics1

Common sense sometimes predicts events to be likely or unlikely rather than merely possible. We extend methods of qualitative reasoning to predict the relative likelihoods of possible qualitative behaviors by viewing the dynamics of a system as a Markov chain over its transition graph. This involves adding qualitative or quantitative estimates of transition probabilities to each of the transitions and applying the standard theory of Markov chains to distinguish persistent states from transient states and to calculate recurrence times, settling times, and probabilities for ending up in each state. Much of the analysis depends solely on qualitative estimates of transition probabilities, which follow directly from theoretical considerations and which lead to qualitative predictions about entire classes of systems. Quantitative estimates for specific systems are derived empirically and lead to qualitative and quantitative conclusions, most of which are insensitive to small perturbations in the estimated transition probabilities. The algorithms are straightforward and efficient.     

双参数Bézier曲线的升二次扩展

本文以二次Bernstein基函数为例,首次提出了含双参数基函数的新扩展——αβQ—Bern-stein基函数,此类基函数具有新的特点,即基函数的扩展次数一次性升高两次,且包含了二次多项式和带一个参数的三次多项式基函数的所有性质。基于这组基函数定义了αβQ—Bézier曲线,该曲线也含有参数,具有形状可调性,当α与β取某些值时曲线能达到C4连续或在某个端点处C0连续。最后与含两个参数的升一次Bézier曲线进行比较,该曲线具有调节范围广、灵活性更强的优势。     

自适应布谷鸟搜索算法

为了使布谷鸟搜索算法(Cuckoo Search,CS)在保持强大的全局搜索能力的同时,尽可能地提高局部搜索能力,在深入分析CS算法机理的基础上,将CS算法中影响布谷鸟搜索路径步长的参数β和布谷鸟蛋被发现(淘汰)的概率p_a由固定值改为随搜索过程自适应变化的动态参数,将越界的鸟窝折返回边界内、在当前代最优鸟窝附近的区域随机建立1个新的鸟窝、而非折返回边界上重新建立鸟窝,以提高算法的局部搜索能力和收敛速度。改进后的CS算法称为自适应布谷鸟搜索算法(Adaptive Cuckoo Search,ACS)。通过8个标准测试函数分别测试了CS算法和ACS算法的性能,结果表明,无论是简单的单峰函数还是复杂的多峰函数,无论是小型的低维函数还是大型的高维函数,ACS算法的寻优性能均超过CS算法。     

三次Bézier曲线的α扩展

利用一个对称的调配函数,结合NURBS曲线中权的思想,在曲线控制顶点处引进调配参数,将三次Bézier曲线进行扩展,得到的新曲线比原来的曲线有更强的描述能力,并且包含了原曲线形式。讨论了扩展曲线的基表示及曲线的性质,调配参数可以用来控制曲线的局部形状,特别适用于自由曲线曲面的设计,在CAD/CAM中具有很好的应用前景。     

带有给定切线多边形的G2连续Bézier闭曲线

描述了一种与给定多边形相切的五次Bézier曲线的算法。在算法中,所有的五次Bézier曲线的控制点可以通过对多边形的顶点简单计算产生。所构造的曲线对多边形具有保形性,曲线可以局部修改,最后给出了一个算例。     

具有分布时滞的Liénard型方程周期解的存在性

考察了具有分布时滞的Liénard型方程,利用重合度理论研究其周期解问题,得到了该方程周期解存在的充分条件,结论丰富了现有文献的结果．     

带有Lévy Flight机制的引力搜索算法

引力搜索算法（gravitational search algorithm,GSA）是模拟万有引力定律进行搜索的一种新颖的优化算法,已有研究表明GSA算法相比一些传统的优化算法拥有较好的收敛性能,但其缺乏有效的全局寻优机制,易于被局部极值吸引,从而陷入早熟收敛。因此提出了一种基于Lévy Flight和权值惯性递减的引力搜索算法QmuGSA,以加强算法的全局寻优能力。该算法通过Lévy Flight独特的不均匀随机游走的机制扩大粒子的搜索范围,增加种群多样性,从而更容易跳出局部最优点。通过4个标准测试函数对所提算法进行了仿真测试,结果表明所提算法能够有效克服基本引力搜索算法易早熟、收敛精度低等缺陷,具有较好的寻优精度和全局收敛性能,能够解决一些复杂函数的优化问题。     

基于Lévy飞行特征的蝙蝠算法及其在WSN定位中的应用

针对蝙蝠算法收敛易早熟、收敛速度慢等不足,提出一种改进的基于Lévy飞行特征自适应的蝙蝠算法。采用Lévy飞行策略取代原算法中蝙蝠飞行速度和位置的更新方式,充分利用Lévy飞行的重尾效应,有效避免局部最优值的吸引,加快了收敛速度,达到寻优能力和搜索能力的平衡。在无线传感器网络自身定位应用中,把定位问题转换为一个全局优化问题,使用改进的算法进行定位计算。通过Zigbee平台的实验表明,改进后的算法在不同空间位置的定位精度更高,收敛速度更快。算法实现条件简单、精度高,具有较高的实际工程应用价值。     

基于OWL的成语典故本体构建研究

本体是共享概念模型的明确的形式化规范说明,作为知识表示和知识共享的一种方法,本体是目前信息处理领域研究的热点。基于本体论的思想,利用骨架法构建了成语典故本体,并用OWL语言对成语典故本体进行形式化描述。详细介绍了成语典故本体的目的和使用范围、知识采集提炼及OWL描述,OWL描述分别从类、子类、属性、个体及关系几个方面进行了详细分析,为成语典故相关知识的查询奠定基础。通过成语典故本体的构建可有效对成语典故进行智能检索,是本体技术在中国传统文化中应用的尝试。     

融合多向学习的混沌麻雀搜索算法

对于原始麻雀搜索算法（SSA）在迭代过程中表现出的种群多样性减小,易陷入局部最优等问题,提出一种融合多向学习的混沌麻雀搜索算法（MSSA）。利用Hénon混沌映射初始化种群,增加麻雀种群的多样性,扩大可行解的搜索范围,为全局寻优奠定基础;采用多向学习策略增加麻雀跟随者探索未知领域的机会,平衡算法的局部开发性能和全局搜索能力;当算法陷入局部最优时,引用遗传算法中的变异策略依据动态的变异概率对当前最优个体进行扰动变异;将MSSA算法应用到无线传感器网络节点覆盖优化问题。数值实验结果与Wilcoxon秩和检验结果均表明MSSA算法在收敛精度与收敛速度等方面具有更明显的优势。