检测网络社团结构的基于最短路径的$k$-均值算法

我们考虑复杂网络社团结构的检测问题,即检测出那些具有高于平均密度的边所连接的节点的集合.本文我们利用模拟退火策略来极大化可表示为稳定效益函数的模量(modularity),并结合基于最短路径的$k$-均值迭代过程来对网络进行分区.该算法不仅能检测出社团,而且能够识别出在最短路径度量下,该社团中位于中心位置的节点.社团的最优数目可以在无需任何关于网络结构的先验信息下自动确定.对人工生成网络和真实世界中的网络的成功应用表明了算法的有效性.     

一种基于谱聚类分析的粒子群聚类算法

本文研究了谱聚类中NJW算法的样本最优划分问题.利用粒子群算法在聚类问题上搜索到的全局最优,获得了NJW算法对聚类样本的最优划分.推广了谱聚类算法在样本划分时的普适性和稳定性.实验对比验证该算法是有效的.     

基于航段需求计算网络竞价的近似动态规划方法

竞价控制是收益管理中广泛应用的一种存量控制方法.将网络存量控制问题描述为一个动态规划模型,通过状态向量的一个仿射函数近似动态规划的最优值函数,并且在航段水平上考虑随机需求,最终得到一个计算网络竞价所需的确定性线性规划(DLP),相对于标准的DLP,这个DLP得到了更接近于动态规划最优值的上界.给出了一个列生成算法用于求解这个DLP,并提供了模拟算例,计算结果表明可获得比标准的DLP方法更好的收益.     

主指标为最大延迟的主次指标分批排序问题

研究现代排序问题—主指标为最大延迟的主次指标分批排序问题.这里利用动态规划的递推法给出了次指标分别为最大完工时间和误工总数时的多项式时间算法,并给出了次指标为关于工件完工时间的任意正规函数时的拟多项式时间算法.     

替代产品的动态库存决策与控制

考虑了替代产品的动态库存决策与控制问题,建立了替代产品的多周期动态库存决策与控制模型.得到了目标函数的一些重要性质,给出了系统最优参数的求解算法,利用动态规划方法对系统的库存参数进行了优化求解.     

周期时变布尔控制网络的能控性及其在一类细胞凋零网络中的应用

细胞凋零是细胞受基因控制的生物学演化现象,在生物进化中起非常重要的作用.布尔网络的提出为人们研究基因控制问题提供了新方法.文章以矩阵半张量积作为主要工具,考虑周期时变布尔控制网络的能控性和能达性问题.首先将周期时变布尔控制网络转换为离散动态系统,定义系统的依时间输入-状态关联矩阵;其次由依时间输入-状态关联矩阵给出了一系列周期时变布尔控制网络的能控性和能达性的充要判定条件,并设计了寻找最优控制序列的算法;最后将所得结论应用到一类细胞凋零网络,验证了所提供方法的有效性.     

基于隐Markov模型的最优资产组合选择

在具有可观测和不可观测状态的金融市场中,利用隐马尔可夫链描述不可观测状态的动态过程,研究了不完全信息市场中的多阶段最优投资组合选择问题.通过构造充分统计量,不完全信息下的投资组合优化问题转化为完全信息下的投资组合优化问题,利用动态规划方法求得了最优投资组合策略和最优值函数的解析解.作为特例,还给出了市场状态完全可观测时的最优投资组合策略和最优值函数.     

具有饱和输入和非严格反馈结构的切换非线性系统的自适应模糊控制

针对一类具有非光滑饱和输入和非严格反馈结构的任意切换规则下的非线性切换系统,给出了一种模糊减少计算量控制算法.通过构造公共Lyapunov函数,利用模糊系统对非严格反馈结构和未知不确定函数进行建模,采用辅助函数补偿饱和输入问题,基于逼近最优估计参数的界以减少在线自适应调节参数数目.该控制算法在任意切换规则下不仅可以调节输入饱和不确定性,还可以减少自适应调节参数.基于Lyapunov稳定性理论证明闭环系统的所有信号是有界的.数值仿真结果可以有效地验证控制器和自适应律设计算法的可行性.     

随机活动工期下求解资源约束项目最大期望净现值的动态调度算法

本文研究了随机活动工期下如何调度资源约束项目使得项目的期望净现值最大。首先对问题进行了界定,建立了相应的优化模型,其次针对问题的特点设计了一种动态规划算法。在算法设计的过程中,本文通过对项目网络图结构及不同状态最优值之间关系的分析,优化了动态规划算法状态的生成过程及状态最优值的求解过程,从而加快了算法的求解。使用随机生成的540个不同规模、不同结构的仿真案例对算法的有效性进行了验证,并分析了项目网络特征对算法效率的影响。实验发现:项目的次序强度对算法所需时间有着较大的影响,随着项目次序强度的减小,生成的状态数量会增加,从而计算时间也会增加。本文的研究可以为不确定环境下的项目调度提供决策支持。     

一类异构线性多智能体系统最优输出跟踪的分析与控制

研究了一类异构线性多智能体系统的最优输出跟踪问题.利用非零给定点调节器理论,通过引入适当的性能指标函数,得到了使所有智能体输出变量收敛到期望值的充分必要条件;并指出当个体输出矩阵为单位阵时,最优输出跟踪问题即转化为最优状态跟踪问题;在此基础上,将所得结果推广到了个体状态变量传输具有时滞的情形,得到了问题可解的充要条件,给出了时滞上界.同时,给出了系统实现动态输出跟踪的充分必要条件.利用所得结果,可以确定满足性能指标要求的信息交换拓扑和基于个体的控制器,从而为实现最优输出/状态跟踪的异构多智能体系统的设计提供了工具.仿真结果验证了所得结果的有效性.     

有理单变元表示在优化问题上的应用

利用零维多项式系统的有理单变元表示,给出了求多项式在有限点集上的正性判定算法.同时,结合不等式证明,呈现了目标函数在零维系统约束下最优化的一个纯代数算法,从而将多元函数约束优化问题转化为单变元函数在单变元多项式约束下的优化问题.新算法不仅能处理目标函数为多项式的最优化问题,而且还能处理目标函数为有理分式函数和根式函数的的最优化问题,并且给出了目标函数最优值的精确区间表示,使得能任意精度地逼近最优值.     

复杂网络在双曲空间的节点动态择优路径研究

本文研究复杂网络双曲嵌套模型.利用改进克林伯格和克莱尔科夫网络拓扑模型的方法,得到了复杂网络在双曲空间的动态择优路径,推广和发展了复杂网络节点间最优路径的算法.     

线性多智能体系统一致性的自适应动态规划求解方法

利用自适应动态规划的在线迭代算法来研究线性多智能体系统的一致性问题.所研究的多智能体系统的状态矩阵和输入矩阵可以是已知的或未知的.首先,给出多智能体系统依赖初始时刻、终端时刻的性能指标;然后,将由初始时刻和终端时刻确定的时间段进行划分;接着,结合代数Riccati方程推导出迭代方程,并在划分后的时间段上重复地利用系统的状态信息和输入信息进行迭代计算,直至算法收敛为止;最后,利用仿真试验验证了该算法的有效性.     

进化规划与进化策略的变异算子

进化算法是研究全局优化算法中最重要的随机算法之一,本文给出了进化规划和进化策略的变异算子的数学描述,并提出变异函数的概念,在此基础上,给出了用均匀分布的随机数构造变异算子的几种方法和若干例子.结果表明.利用本文给出的方法,不仅可以构造出目前进化策略和进化规划算法普遍采用的几种变异算子,还可以构造出新的变异算子.针对一般的变异算子,在不要求目标函数连续的情况下,证明了保持最优个体的进化规划和进化策略,迭代产生的最优个体的函数值收敛到问题的最优值的ε-邻域的概率为1.     

基于自适应动态规划的随机时滞线性二次型最优跟踪控制

针对模型未知且带有时滞的随机线性二次型(SLQ)最优跟踪控制问题,提出了一种自适应动态规划(ADP)算法.首先,利用双因果坐标变换导出原时滞系统的等效系统,构造一个新的由等效系统和命令生成器组成的增广系统,并给出该增广系统的随机代数方程.其次,为了解决随机线性二次最优跟踪控制问题,将随机问题转化为确定性问题.然后提出ADP算法,并给出该算法的收敛性分析.为了实现ADP算法,设计了三种神经网络,分别近似最优性能指标函数,最优控制增益矩阵和系统模型.最后,通过一个数值算例验证算法的有效性.     

求解高维复合体函数的智能优化算法

由于粒子群算法在处理高维复杂函数时存在容易陷入局部最优的问题,提出了多种群子空间学习粒子群算法(SLPSO),采用多种群进化模式,在粒子更新公式中加入了全局最优粒子,加快了粒子收敛速度,同时在种群之间采用了交叉学习的方法,大大提高了算法的全局搜索能力.另外,还增加了一种子空间学习方法,充分地利用粒子的历史经验,有效地避免了陷入局部最优的问题.通过在高维基准测试函数的仿真实验表明,SLPSO算法的测试结果都明显优于其他两种算法,随着函数维数增加,SLPSO算法测试结果的下降幅度明显低于其他两种算法.在6个极其复杂的复合函数的测试中,SLPSO算法有2个测试函数结果非常接近理论值,其他4个也明显优于其他三种算法.     

不同目标函数的量子系统动态跟踪

针对不同的随时间变化的目标函数,对所给定的封闭量子系统,利用李雅普诺夫稳定性定理进行控制律的设计.对于系统跟踪过程中控制量过大的问题,通过采用自适应算法来加以解决.分别针对不同的目标函数进行了系统仿真实验.在所设计的控制律的作用下,能够使控制系统的输出从任意初态动态跟踪目标系统的状态.仿真实验验证了所提出的控制策略具有根据系统响应过程中出现的控制值过大的情况自适应地调整控制律、对动态目标系统实时跟踪的能力,同时对不同的目标函数具有通用的特性.     

高速公路网络上行车时间估计和最优路线的选取

首先建立交通流动力学模型求解问题Ⅰ.在不考虑流量和考虑流量的两种情况下,该模型都能够解出在任意给定的时刻t位于第一个传感器的车辆到达第5个感应器的行车时间.我们还从四个方面给出了判断交通堵塞的衡量标准,并且利用神经网络方法准确地对未来的车流状态进行了预测.问题Ⅱ建立了交通网络的加权有向图模型,引入协方差矩阵描述网络中道路之间的相关性,并设计了查找最优路径的动态Dijkstra算法.问题Ⅲ构建了统计多目标规划模型,利用车比雪夫不等式,成功找到了从端点3到14和14到3的最优路径,并估算出了对应的行车时间.     

基于综合效益的城市地下物流网络设计与优化方法

针对城市地下物流系统(Underground Logistics System,ULS)的特征,对一系列ULS网络节点选址与优化问题进行了建模分析.1)从解决城市交通拥堵的角度出发,探讨了物流地上地下分配的三种方案,并建立了地下货运OD评价模型.2)综合权衡货运量与货源距离,基于改进的模糊C均值聚类确定ULS—级节点的选址和辐射范围.3)对每个一级区域构建了ULS二级节点选址优化模型,通过人工免疫算法搜索最少覆盖节点群及节点的最优归属.4)建立多目标ULS网络规划模型,结合Prim算法与Dijkstra算法实现货物地下运输路径的最优选择,并采用栅格覆盖的思路在节点服务范围内对ULS网络进行费用优化.5)提出ULS网络效能评估指标,设置中心节点以提高系统运输效率和抗风险能力.     

多用户类多准则交通分配的势博弈与拥挤定价

交通管理者在解决路网拥挤问题时,并不知道出行者的出行效用,同时管理者难以对出行者的路径选择行为做出准确的观测.运用势博弈理论分析多用户类多准则交通行为的演化过程,得到了固定需求和弹性需求情形下的可容许动态(一种刻画出行者通过转换路径增加当前效用的近似调整行为的演化动态),证明当路段时间函数和逆需求函数为严格单调、连续、可微时,所对应的交通分配是势博弈问题的惟一Nash均衡点.进一步研究了固定需求下的可变拥挤道路收费问题,得到了在当前系统状态下实现系统最优交通分配的拥挤收费水平.