基于双线性模型的动态系统优化和参数估计集成方法

针对双线性模型与实际系统之间的差异，提出一种基于双线性模型求解非线性动态系统最优控制的迭代算法。该算法通过重复求解修正的基于双线性模型的优化控制问题和参数估计问题，获得实际系统的最优解。同时提出求解修正的基于双线性模型的优化控制问题的一种新的分解方法，克服了非线性和双线性两点边值问题求解的困难。仿真例子表明该算法的有效性和实用性。     

离散时间非线性时滞系统最优控制的DISOPE算法

对于非线性时滞系统的最优控制,提出一种基于线性时滞模型和二次型性能指标问题的迭代处蒙混过关针时滞系统化为满足可尔可夫性质的增广状态系统,在模型和实际存在差异的情况下,该算法通过迭代求解时滞线性最优控制问题和参数估计问题,获得原问题的最优解,仿真实例表明该算法的有效性和实用性。     

基于微粒群优化算法的非线性系统PWA多模型建模

针对复杂非线性系统,将微粒群优化(PSO)算法与多模型建模相结合,设计了一种基于PSO算法的非线性系统分段仿射(PWA)多模型建模算法。该算法将PWA多模型建模问题转化为混合整数二次规划（MIQP）问题,并基于PSO算法对其进行优化求解。在求解的过程中,采用分层优化求解方法,有效降低优化问题的维数,减小了陷入局部最优的概率,并通过仿真验证了该算法的有效性。     

具有模型和实际差异的非线性系统最优控制算法及其收敛性

针对模型和实际之间的差异,提出了一种基于时变线性二次型问题的动态系统优化和参数估计集成的算法该算法能逼近实际问题最优解,给出了该模型收敛的一个充分条件,分析了它的最优性,仿真例子说明了该算法的有效性和实用性。     

基于Hopfield神经网络的双线性离散系统最优控制

将基于二次型性能指标的离散双线性系统最优控制问题转化为动态规划问题，并用Hopfield神经网络（HNN）求解．该方法具有结构简单、易于硬件实现、求解速度快且能求得精确最优解等特点．在复杂系统的实时优化与控制等方面具有广阔的应用前景．     

双线性系统多目标控制问题研究

研究了双线性系统的多目标控制问题. 首先把多目标控制问题, 通过效用函数技术转化为一个单目标最优控制问题, 其中, 效用函数是多个二次型性能指标的非线性函数, 因此, 在动态规划的意义下是不可分的. 然后, 为了克服不可分对求解带来的困难, 提出了一种两级最优控制算法. 下级用动态规划求解一个参数化的具有双线性---二次型结构的辅助 Lagrangian 问题；上级迭代调整辅助 Lagrangian 问题中的参数向量. 不断重复这个过程, 直至最优性条件被满足.     

基于动态补偿的矩形广义系统线性二次最优控制

考虑了基于动态补偿的矩形广义系统线性二次最优控制问题. 首先给出具有适当动态阶的补偿器,使得闭环系统正则、稳定、无脉冲(称为容许), 而且相关的矩阵不等式和Lyapunov方程解存在. 进一步二次性能指标可写成一个与该解和系统初值相关的表达式. 为了求解系统的最优控制问题, 将该Lyapunov方程转化为一个双线性矩阵不等式, 并给出了相应的路径跟踪算法以最小化二次性能指标, 进而得到最优补偿器. 最后, 通过数值算例说明本文方法的有效性和可行性.     

求解双边加权模糊支持向量机的序贯最小优化算法

高的计算复杂度限制了双边加权模糊支持向量机在实际分类问题中的应用。为了降低计算复杂度,提出了应用序贯最小优化算法（SMO）解该模型,该模型首先将整个二次规划问题分解成一系列规模为2的二次规划子问题,然后求解这些二次规划子问题。为了测试SMO算法的性能,在三个真实数据集和两个人工数据集上进行了数值实验。结果表明：与传统的内点算法相比,在不损失测试精度的情况下,SMO算法明显地降低了模型的计算复杂度,使其在实际中的应用成为可能。     

整数分解问题下的基于证书数字签名方案

已知的基于证书签名方案主要是在双线性对下设计的,而双线性对是公认的计算复杂度最高的。为了提高基于证书签名方案的效率,利用大整数分解问题构造了一个新的基于证书签名方案。方案的证书生成算法和签名算法都利用雅可比符号分别将用户信息和待签消息的Hash值映射成二次剩余。将证书和签名的不可为造型建立在模Blum整数求二次根困难问题上。并在随机预言机模型下,形式化证明了方案的安全性。所构造方案的不需要任何双线性对计算,只计算雅可比符号和幂指数运算,提高了基于证书签名方案的效率。     

基于二维连续模型的图像加、解密技术研究

文章讨论了基于二维伪抛物型方程的图像加、解密快速实现问题。首先证明了基于二维连续模型的加、解密问题是适定的,为加、解密实验提供了理论依据;然后根据模型的二维C-N格式系数矩阵的特殊稀疏结构,给出快速迭代求解算法;最后运用此迭代算法对图像进行了加、解密实验,结果表明采用该算法的图像加、解密在安全性上优于基于一维模型的算法。     

具有模型和实际差异的非线性离散动态系统最优控制

针对模型与实际存在一定差异的情况,提出了一种求解非 线性离散系统最段控制的动态系统优化和参数估计集成（Ｄｙｎａｍｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｓｙｓｔｅｍ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｐａｒａｍｅｔｅｒ Ｅｓｔｉｍａｔｉｏｎ,简称ＤＩＳＯＰＥ）的研究法。推导出一组求解一类有终端等式约束的非齐次的线性两点边值问题的递推公式,对于有终端等式约束的非线线性最优控制问题得到了在计算上易于实现的一种ＤＩＳＯＰＥ     

An integrated optimal control algorithm for discrete-time nonlinear stochastic system

Consider a discrete-time nonlinear system with random disturbances appearing in the real plant and the output channel where the randomly perturbed output is measurable. An iterative procedure based on the linear quadratic Gaussian optimal control model is developed for solving the optimal control of this stochastic system. The optimal state estimate provided by Kalman filtering theory and the optimal control law obtained from the linear quadratic regulator problem are then integrated into the dynamic integrated system optimisation and parameter estimation algorithm. The iterative solutions of the optimal control problem for the model obtained converge to the solution of the original optimal control problem of the discrete-time nonlinear system, despite model-reality differences, when the convergence is achieved. An illustrative example is solved using the method proposed. The results obtained show the effectiveness of the algorithm proposed.     

双线性时滞系统的最优控制及其在精馏塔的应用

本文利用块脉冲函数(BPFs)和参数优化方法,提出了解决具有任意状态时滞、控制时滞及其任意初始条件的多变量双线性系统最优控制问题的具体算法,该算法被成功地用于一类可用双线性时滞模型描述的精馏塔的温度最优控制,同时,通过其它例子仿真,也表明这个算法是令人满意的。     

DISOPE distributed model predictive control of cascade systems with network communication

A novel distributed model predictive control scheme based on dynamic integrated system optimization and parameter estimation （DISOPE） was proposed for nonlinear cascade systems under network environment. Under the distributed control structure, online optimization of the cascade system was composed of several cascaded agents that can cooperate and exchange information via network communication. By iterating on modified distributed linear optimal control problems on the basis of estimating parameters at every iteration the correct optimal control action of the nonlinear model predictive control problem of the cascade system could be obtained, assuming that the algorithm was convergent. This approach avoids solving the complex nonlinear optimization problem and significantly reduces the computational burden. The simulation results of the fossil fuel power unit are illustrated to verify the effectiveness and practicability of the proposed algorithm.     

DISOPE distributed model predictive control of cascade systems with network communication

A novel distributed model predictive control scheme based on dynamic integrated system optimization and parameter estimation (DISOPE) was proposed for nonlinear cascade systems under net work environment.Under the distributed control structure ,online optimization of the cascade system was composed of several cascaded agents that can cooperate and exchange information via network communication.By iterating on modified distributed lin ear optimal control problems on the basis of est imating parameters at every iteration the correct op timal control action of the nonlinear model predicti ve control problem of the cascade system could b e obtained,assuming that the algorithm was convergen t.This approach avoids solving the complex nonlinear optimi zation problem and significantly reduces the computation al burden.The simulation results of the fossil f uel power unit are illustrated to verify the eff ectiveness and practicability of the proposed algorithm.     

非线性离散动态系统优化与参数估计集成的多模型方法

在非线性系统分时段线性化多模型基础上,给出了非线性离散动态系统优化与参数估 计集成的多模型方法,并论证了算法的最优性和收敛性.在存在模型-实际差异的情况下,从分 时段线性化多模型出发通过迭代运算可得到实际非线性离散动态系统的真实最优解.仿真结果 表明了算法的有效性和实用性.     

Integrated system optimization and parameter estimation using a general form of steady-state model

Based on a general form of steady-state model, the integrated system optimization and parameter estimation problem is formulated and two algorithms arc derived for determining the optimal operating point of a process. A set of model qualifications, which are very mild, is defined to ensure that the real process optimum can be obtained by solving an equivalent model based optimization problem. Optimality and convergence conditions of the algorithms are analysed. The practical utility of the approach is demonstrated by a simulation of a continuous chemical reactor. It is observed that the correct optimum is quickly achieved in spite of using an incorrect model.