信息表的离散格研究

定义离散化方案之间的偏序关系以及交、并运算,将一个信息表的各种离散化方案组织成一个格空间,称为离散格.分析了离散格与划分格之间的关系,证明了离散格是一个布尔代数,而划分格不是布尔代数.分析了一类离散化算法,指出这类算法的求解过程正是对离散格的搜索过程.     

重型燃气轮机的模块化建模研究

通过对重型燃气轮机的结构和工作原理的分析,将燃气轮机进行局部子系统划分,分为压气机、燃烧室以及透平三个子系统.分别研究它们的工作原理和动态特性,以质量守恒和能量守恒原理为基础,详细论述了子系统的模型算法.采用模块化的建模方法,分别建立压气机、燃烧室及透平的模块,并建立燃气轮机的整体仿真模型.     

基于粗糙集理论的离散事件系统不透明性的验证算法

近年来,离散事件系统的不透明性研究引起了国内外众多学者的广泛关注.本文针对离散事件系统的不透明性,提出了一种将粗糙集理论作为知识提取工具来处理离散事件系统不透明性验证的方法.先对离散事件系统的不透明性进行形式化,再利用粗糙集理论对离散事件系统以信息表及决策表的形式进行表示,得到一个关于离散事件系统不透明性的充分必要条件.在此基础上,给出一个验证离散事件系统不透明性算法.与现有方法相比,该验证算法既适用于对强不透明性的验证,又适用于对弱不透明性的验证,并且在时间复杂度上也有较明显改进.     

定位-运输路线安排问题的改进离散粒子群优化算法

定位-运输路线安排问题(LRP)是集成物流中的一个NP-hard难题,为求解一类特殊的LRP问题,提出改进的离散粒子群优化算法.该方法采用整体优化的思想,将LAP和VRP集成在一起.通过合适的粒子编码方式,并改进粒子的运动方程,引入相应的变异算子和趋同扰动算子等,使得算法的适用性和性能获得了改善.通过仿真实验及与另2个典型算法的比较分析,证明了该算法的有效性.     

求解旅行商问题的离散型贝壳漫步优化算法*

提出基于离散型贝壳漫步优化算法(DMWO)的旅行商问题(TSP)求解算法.在DMWO的计算框架下构造TSP相应的评估函数及个体差异度量算子.针对离散型算法整体调整容易破坏已形成的较优路径问题,采用简单的2-opt算子进行局部调整,增强算法在求解TSP时的局部搜索能力.实验中采用多组不同规模的标准TSPLIB数据,对比同样采用2-opt算子的萤火虫优化算法和蚁群优化算法,DMWO在稳定性、解的准确性及所需的迭代次数等方面具有更好的性能.     

NURBS曲线整体光顺逼近算法研究

针对离散数据点序列的拟和精度及光顺度问题,提出了一种三次非均匀有理B样条(NURBS)曲线整体光顺逼近算法。该算法建立了一个由最小二乘、离散点曲率和、离散点曲率变化和三项组成的目标函数并求出了最优控制点序列坐标,采用非线性优化方法对权因子序列进行了调整,确立了逼近误差的近似表示方法,并提出了包含上述方法的循环判断流程。最后,实现了拟合曲线在UG NX 4.0中的显示和分析。     

基于改进DPSO的组合测试数据生成算法

对离散粒子群优化算法进行改进,提出一种两两覆盖的组合测试数据生成算法。以一个粒子代表一个测试数据集,从整体上评价测试数据集对各个因素组合的覆盖情况,以测试数据中各因素离散值出现的次数为依据,随机产生粒子位置。实例分析表明,该算法与初始值无关,可有效生成测试数据且收敛速度快。     

具有混合动态约束的生产系统优化调度新算法

研究具有混合动态约束的生产系统优化调度问题.在Lagrange松弛法框架下,求解包 含混合动态约束的子问题仍然十分复杂,许多算法只能求得子问题的近似解,降低了Lagrange 松弛法的有效性.文中提出了一种新的离散状态定义方法,解除了子问题中离散决策变量与连 续决策变量的耦合.在此基础上结合动态规划思想,提出了一种新算法,在保证整体最优性的前 提下,可以同时对离散和连续状态分别寻优,对算法复杂性进行了初步分析,新算法效率高且可 以得到子问题的精确解.电力系统调度问题的数值算例验证了新算法的有效性.     

Klein-Gordon方程的紧致辛中点格式

本文利用紧致算子和修正的辛中点格式构造了Klein-Gordon方程初值问题的保结构算法.该紧致辛中点格式在时间方向具有二阶精度,在空间方向具有六阶精度,保持离散的辛结构,是线性稳定的算法.另外,该算法保持线性系统的离散能量,而对非线性系统,该算法满足一个离散能量的转移公式.数值算例验证了理论分析.     

一种改进的启发式离散化算法及应用

Nguyen S.H提出的布尔逻辑和粗糙集理论相结合的离散化算法是粗糙集理论中的离散化算法在思想上的重大突破。通过定义分界点来区分Nguyen S.H离散化算法中定义的断点对决策系统的分辨关系是否有贡献,并仅取分界点集作为初始断点集,使得初始断点数目较大幅度地降低,提出了一种改进的启发式离散化算法并应用于一个实际的决策系统的连续属性离散化。应用实例表明改进算法较大程度地减小了算法空间复杂性和时间复杂性,具有正确性和实用性。     

解决TSP问题的局部调整离散微粒群算法

微粒群算法提出以来一直不能较好的解决离散及组合优化问题,针对这个问题,通过对微粒群算法的优化机理的分析,对原有的微粒群进化方程中的速度和位置的更新等进行重新的定义,同时提出一种具有自适应能力的惯性因子,使其适合解决TSP这样的组合优化问题.针对过去的离散算法整体调整容易形成对路径的破坏这一缺点,在重新定义的算法上加入局部调整的策略,形成一种局部调整的离散微粒群算法(local adjustive discrete PSO,LADPSO),通过在ch31和ei151上的试验,证明了该算法在解决这一问题上是可行的.     

文本分类中连续属性离散化方法的研究

针对机器学习领域的一些分类算法不能处理连续属性的问题,提出一种基于词出现和信息增益相结合的多区间连续属性离散化方法.该算法定义了一个离散化过程,离散化了采用传统信息检索的加权技术生成的非二值特征词空间,然后判断原特征空间中每个特征词属于或不属于某给定子区间,将问题转换成二值表示方式,以使得这些分类算法适用于连续属性值.实验结果表明,该算法离散过程简单高效,预测精度高,可理解性强.     

基于球摆模型的离散变分积分子算法研究

在动力学系统长时间的仿真计算中,力学系统固有的结构将影响到计算精度及稳定性.离散变分积分子能够保持力学系统的能量,动量及辛结构的守恒.结合离散变分原理,通过对系统的拉格朗日函数进行离散化以及求变分和积分的过程,可以得到力学系统的离散变分积分子算法.该算法是一种递归算法,给定初始条件便可得到系统的动力学参数的时间历程.使用该原理可以构造具有完整约束的拉格朗日系统的辛-动量积分子方法.与连续算法相比,离散变分积分子算法能够直接在离散拉格朗日函数的基础上得到姿态与角速度的递推公式,而不需要复杂的迭代计算.本文研究是基于第一类拉格朗日函数的离散变分积分子算法.球摆模型是一个具有完整约束的拉格朗日系统.仿真结果表明,系统的能量值在长时间的仿真中得到保持,且计算的精度与步长的数量级呈现二次方的关系,系统角速度和姿态的仿真结果都符合球摆的运动规律.     

一般术语公理下的模糊描述逻辑FALCN推理

分析了一般术语公理下推理的主要难点:在模糊解释中的隶属度不是离散值,而是区间[0,1]上的连续值.为解决该难点,提出了模糊描述逻辑FALCN下的模糊解释离散化方法,从而使解释中的隶属度都属于一个特殊的有限离散集合.基于该离散化方法,给出一般术语公理下FALCN推理问题的离散Tableau推理技术,包括离散Tableau的定义以及离散Tableau的构造算法,并证明了算法的正确性、完备性和复杂度.     

采样控制系统中线性二次型最优控制器的设计

在计算机控制系统中,受控对象是连续的,相应的二次型性能指标函数也是连续函数,而 控制器则由于计算机的参与而属离散型.本文给出了这种采样控制系统的线性二次型最优设 计的一整套算法.计算的关键在于性能函数及对象模型的离散化.本文导出了离散化的公式 及适合计算机计算的算法,同时也给出了用于采样周期加倍时的计算公式,从而保证了计算机 可按该算法及相应的计算程序可靠地运行.最后举例说明了这套算法的应用.     

状态饱和线性离散系统的H∞ 控制

研究一类具有状态饱和约束的离散线性系统的 ∞控制问题.通过引入一个无穷范数小于等于1的自由变量,将状态饱和约束下的离散线性系统状态变量约束在一个凸多面体内.在此基础上,给出了状态饱和离散线性系统的有界实引理,并研究了状态反馈控制律设计算法.所给出的结论表示为双线性矩阵不等式,可通过所提出的迭代线性矩阵不等式算法求解.最后通过数值例子验证了所提出算法的正确性和有效性.     

基于编码转换的离散演化算法设计与应用

为了利用演化算法求解离散域上的组合优化问题,借鉴遗传算法（GA）、二进制粒子群优化（BPSO）和二进制差分演化（HBDE）中的映射方法,提出了一种基于映射变换思想设计离散演化算法的实用方法——编码转换法（ETM）,并利用一个简单有效的编码转化函数给出了求解组合优化问题的离散演化算法一般算法框架A-DisEA.为了说明ETM的实用性与有效性,首先基于A-DisEA给出了一个离散粒子群优化算法（DisPSO）,然后分别利用BPSO、HBDE和DisPSO等求解集合联盟背包问题和折扣{0-1}背包问题,通过对计算结果的比较表明：BPSO、HBDE和DisPSO的求解性能均优于GA,这不仅说明基于ETM的离散演化算法在求解KP问题方面具有良好的性能,同时也说明利用ETM方法设计离散演化算法是一种简单且有效的实用方法.     

基于人工鱼群算法的离散化方法

针对连续属性离散化过程中由于区间分割不当所造成的病态问题,提出一种最优离散化方法.将离散化中的分割点划分问题转化为一个指标寻优问题,采用人工鱼群算法进行优化求解.通过引入虚拟分割点,利用鱼群算法的聚群行为对离散区间实现有效合并.实例分析结果表明,用人工鱼群算法寻优得到的离散区间数目较少,最后得到的决策规则更为精简并具有较强的数据抗干扰能力.     

基于广义信息距离的直接聚类算法

提出了基于广义信息距离的直接聚类算法.基于信息理论给出了离散量的基本概念,讨论并证明了离散量的一个基本不等式,进而给出了离散增量的概念.在分析距离测度的基础上,提出了广义信息距离(GID)、改进的广义信息距离(IGID),建立了基于GID,IGID的直接聚类算法,并对土地肥力数据资料进行了聚类分析.结果表明,建立的算法与传统的聚类算法相比,算法原理简便、对数据本身的维数与分布要求不高,且具有较好的聚类效果.     

基于离散数字编码的蚁群连续优化算法

本文提出了一种基于离散编码的蚁群连续优化算法(CACO-DE),用于求解连续优化问题.以往蚁群算法(AC0)的研究,以求解离散优化问题为主,较少涉及连续优化问题.与经典的ACO算法不同,CACO-DE将有限精度的实数转化为一个数字串,数字串的每位取0到9之间的数字,从而实现了用离散编码描述实数的效果.CACO-DE延用了经典ACO算法的框架,并加入了特殊的选择机制、信息素更新方式和局部搜索策略.测试实验结果表明:CA-CO-DE比以往同类算法求解速度更快且精度更高.