基于模糊控制的ASIFT图像特征优化算法

ASIFT算法是图像特征匹配的有效工具,具有很强的仿射不变性.在ASIFT算法的基础上,利用Nelder-Mead单纯形方法优化采样点,并通过模糊控制策略实现单纯形参数的自适应调整.针对一组低空遥感图像的实验结果表明,本文方法保持了ASIFT算法对仿射变换的鲁棒性,并且能获得比ASIFT和SIFT算法更多的特征匹配对.     

模糊蚁群算法及其在TSP中的应用

在传统蚁群算法的基础上加入了使用模糊规则表更新信息素的策略,提出了一种新的算法——模糊蚁群算法.算法结合了模糊控制中输入输出的模糊化处理和蚁群寻优的特点,为实际问题提供了新的解决手段.文中将模糊蚁群算法应用于TSP问题,通过对中国31个省会城市等实例数据进行的测试,验证表明了新算法具有良好的有效性和鲁棒性.     

基于改进蚁群算法的无人仓的多AGV避碰路径优化策略

对无人仓库中多AGV系统的避碰路径优化问题进行了研究,提出了一种基于弹性时间窗和改进蚁群算法的多AGV避碰路径优化策略.通过对传统蚁群算法改进启发式信息和信息素更新策略,来提高算法的执行速度和寻优能力,提出AGV任务优先级排序并改进冲突解决策略来解决多AGV之间的不同路径冲突.基于电商物流无人仓库的环境,利用MATLAB仿真软件对多AGV避碰路径规划进行建模分析.实验结果表明,基于弹性时间窗和改进蚁群算法的可以实现多AGV避碰路径规划,并能够短时间内找到避碰最优路径.     

基于存档策略的多目标优化的遗传算法及其收敛性分析

设计了一种用遗传算法求解多目标优化问题的有效方法——基于存档策略的多目标优化的遗传算法,并讨论了此算法的收敛性.首先给出档案的定义,设计出基于支配关系下的带有存档策略遗传算法,并通过算例检验了算法的有效性;然后引入了两档案间的距离的概念,在此距离定义的基础上证明了算法在概率意义下是收敛的.     

含有等式约束非线性规划的全局优化算法

针对含有多个等式约束的非线性规划问题,提出一个全局优化算法.该方法基于可行集策略把改进的模拟退火方法与确定的局部算法方法相结合.对算法的收敛性进行了证明,数值结果表明算法的有效性及正确性.     

中央空调系统节能设计

根据商场的冷负荷平衡公式,求得商场的平均客流量;利用数据拟合、插值等算法对商场的逐时客流量进行了优化,并建立了以人流量和外部环境温度为变量的商场冷负荷模型;采用模糊控制策略建立了保持商场内部温度稳定的数学模型,可以实现对中央空调系统供冷量的逐时控制;运用微积分原理建立了基准冷负荷的数学模型,为直接基于基准能耗的控制策略提供了可行性依据.     

基于并行阻塞策略的社交网络舆情传播控制方法

近年来,随着社交网络的不断普及,负面舆情信息对经济、社会和文化等造成的威胁不断放大.现有方法多通过剔除节点或边集实现舆情传播控制,却难以适应现今规模巨大的社交网络环境.基于此,基于阻塞自回避行走算法提出了融合边与节点集移除的并行舆情传播控制方法,并基于GPU框架应用成本约束函数对算法进行改进,提高了所提算法在大规模社交网络图中的适用性,且使用改进前推回代算法进行求解.最后,基于多种真实社交网络数据集进行实验,结果表明:所提CN-OPC法能对社交网络舆情传播进行有效控制,控制效率与精度较经典算法均有较大提升,这说明并行阻塞策略可用于大规模社交网络舆情传播控制,未来可进一步尝试多策略并行的控制方法在社交网络环境中的应用.     

一类多对多物流系统的运送频率选择优化问题研究

多供应商多客户物流系统的周期运送库存决策问题是一个非常复杂的问题,但它在供应链管理中又极其重要.本文主要考虑一个由多个供应商、一个联运中心和多个客户组成的三级物流系统的运送频率选择优化问题.假定两级库存均采用周期补货策略,且补货周期满足二次幂(POT)策略,每个客户处的产品需求为确定性需求.假设给定一套可行频率的情况下,选择使整个系统总的长期平均成本最小化的联运中心的补货策略和联运中心到各客户的配送策略.分为单频率配送和多频率配送两种情况分别建立了数学模型,并设计了相应的近似算法——基于支配性的邻域搜索启发式算法和基于饱和性的邻域搜索启发式算法.计算试验显示,本文所设计的近似算法对于求解多对多配送这样的大型组合优化问题是有效的.     

改进种群多样性的双变异差分进化算法

差分进化算法(DE)是一种基于种群的启发式随机搜索技术,对于解决连续性优化问题具有较强的鲁棒性.然而传统差分进化算法存在种群多样性和收敛速度之间的矛盾,一种改进种群多样性的双变异差分进化算法(DADE),通过引入BFS-best机制(基于排序的可行解选取递减策略)改进变异算子"DE/current-to-best",将其与DE/rand/1构成双变异策略来改善DE算法中种群多样性减少的问题.同时,每个个体的控制参数基于排序自适应更新.最后,利用多个CEC2013标准测试函数对改进算法进行测试,实验结果表明,改进后的算法能有效改善种群多样性,较好地提高了算法的全局收敛能力和收敛速度.     

具有模糊行程的城市物流动态费用多车型车辆调度问题研究

针对城市物流配送中广泛存在的多车型问题,以及由于交通路况等因素导致的配送行程模糊化现象,给出了一种基于梯形模糊数的,以最小化行程费用为目标的具有模糊行程的动态费用多车型车辆调度问题模型.在问题求解方面,针对基本粒子群算法容易陷入局部最优的情况,引入混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子群算法.仿真实验表明,该算法具有可行性和有效性.     

自组织结构的变论域模糊控制

针对变论域模糊控制,提出一种新的自组织结构的变论域模糊控制方法。自组织结构算法可以调整变论域模糊系统结构以及动态获得模糊规则,进一步减小变论域模糊控制项的稳态逼近误差。通过进一步理论分析可知,自组织结构算法仅仅保证了系统瞬时的切换是平稳的,但不能保证系统的闭环稳定性。给出了所提出控制方法的适用条件。通过与固定模糊系统结构的变论域模糊控制比较,仿真结果表明,所提出控制方法不仅使得系统的稳态跟踪误差更平稳,而且使得输入控制信号更加平滑。     

ETSK模糊模型辨识及模糊控制算法

本文提出一种基于扩张原理的ＥＴＳＫ（ＥｘｔｅｎｄｅｄＴＳＫ）模型,导出了该模型的输入输出解析式,给出了辨识这种模型的方法。本文还导出了ＥＴＳＫ模型的一种等价形式——变权ＴＳＫ模型,从而将ＥＴＳＫ模型规则后件中的模糊数及其扩展运算转化为普通数的运算,使基于ＥＴＳＫ模型的模糊控制算法ＭＢＦＣ（Ｍｏｄｅｌ－ＢａｓｅｄＦｕｚｚｙＣｏｎｔｒｏｌ）易于实现。仿真辨识结果表明,ＥＴＳＫ模型的辨识效果和预报精度优于ＴＳＫ和ＬＭ模型;ＭＢＦＣ算法的控制效果优于通常模型ＰＩ控制算法     

车流高峰期交通信号的模糊控制及仿真

用较少的模糊规则控制车流高峰期的交通信号,建立仿真系统模拟单交叉口二相位交通流,利用遗传算法对模糊规则进行优化并找出绿灯时间模糊集隶属函数的最优边界.实验结果表明,优化后的模糊规则对高峰期的车流变化具有更强的适应性.     

Multi-strategy ensemble evolutionary algorithm for dynamic multi-objective optimization

Dynamic optimization and multi-objective optimization have separately gained increasing attention from the research community during the last decade. However, few studies have been reported on dynamic multi-objective optimization (dMO) and scarce effective dMO methods have been proposed. In this paper, we fulfill these gabs by developing new dMO test problems and new effective dMO algorithm. In the newly designed dMO problems, Pareto-optimal decision values (i.e., Pareto-optimal solutions: POS) or both POS and Pareto-optimal objective values (i.e., Pareto-optimal front: POF) change with time. A new multi-strategy ensemble multi-objective evolutionary algorithm (MS-MOEA) is proposed to tackle the challenges of dMO. In MS-MOEA, the convergence speed is accelerated by the new offspring creating mechanism powered by adaptive genetic and differential operators (GDM); a Gaussian mutation operator is employed to cope with premature convergence; a memory like strategy is proposed to achieve better starting population when a change takes place. In order to show the advantages of the proposed algorithm, we experimentally compare MS-MOEA with several algorithms equipped with traditional restart strategy. It is suggested that such a multi-strategy ensemble approach is promising for dealing with dMO problems.     

On-Line Constrained Predictive Control Algorithm using Multi-Objective Fuzzy-Optimization and a Case Study

Model predictive control (MPC) has been used in process control systems with constraints, however, the constrained optimization problem involved in control systems has generally been solved in practice in a piece-meal fashion. To solve the problem systemically, in this paper, the Multi-Objective Fuzzy-Optimization (MOFO) is used in the constrained predictive control for online applications as a means of dealing with fuzzy goals and fuzzy constraints in control systems. The conventional model predictive control is integrated with the techniques from fuzzy multicriteria decision making, translating the goals and the constraints to predictive control in a transparent way. The information regarding the fuzzy goals and the fuzzy constraints of the control problem is combined by using a decision function from the fuzzy theory, so it is possible to aggregate the fuzzy goals and the fuzzy constraints using fuzzy operators, e.g. t-norms, s-norms or the convex sum. It is shown that the model predictive controller based on MOFO allows the designers a more flexible aggregation of the control objectives than the usual weighting sum of squared errors in MPC. The efficiency of the presented algorithm is validated by the visual robot path planning.     

基于GA-BP的模糊神经网络控制器与Elman辨识器的系统设计

提出了一种基于神经网络的模糊控制系统 ,该系统由模糊神经网络控制器和模型辨识网络组成 .文中介绍了模糊神经网络控制器采用遗传算法离线优化与 BP算法在线调整 ,给出了具体控制算法 ,推导了变形 Elmam网络的系统辨识算法 .仿真结果表明了此法的可行性和有效性 .     

基于AFS逻辑的模糊聚类分析

应用 AFS结构[8] 和 EI代数 [8] 给出一个新的模糊聚类分析方法。它和人类根据某些模糊特征对一些对象进行聚类分析的过程类似。并通过例子说明该方法分类的结果与用直觉分类的结果相似。     

含模糊变量的水污染控制系统研究

在水流量为模糊变量且河流中工业污水含量标准给定的条件下,分别建立了水污染控制系统问题的模糊期望值模型和模糊机会约束规划模型来满足不同的优化需求.为了有效求解优化模型,采用了将模糊模拟、神经元网络及遗传算法相结合的混合智能算法.最后用算例进行了验证,结果表明该算法是有效可行的.     

Wall-following of mobile robot based on fuzzy genetic algorithm to linear interpolating

Traditional fuzzy controller has some disadvantages, such as inferiorly adaptability due to the invariable membership function parameters and too many subjective factors. So in this paper, we firstly put forward a new method to fuzzy inference based on the idea of linear interpolating. This method overcomes the shortcoming of conventional fuzzy controller such as the character of multi-relay and the conflict of rule numbers and real-time. Then we use genetic algorithm to off-line optimize the membership function parameters of fuzzy controller, which is used in the controlling course of mobile robot following straight wall. The result shows the optimizing control strategy is more effective in the aspect of following precision than the traditional fuzzy controller.     

Research on two different mathematical theories on control

With a brand-new theory, this paper not only provides the differences of attributes in concept, formula expression and function type between fuzzy rough sets and probability statistics, but also introduces their differences in algorithms on target control for better solving the control problem. Some new definitions and theorems concerning fuzzy rough sets and probability statistics are given, but this paper mainly makes a comparison of two control algorithms for the target tracking. The simulation results show that the comprehensive performance of the fuzzy rough sets algorithm is better than that of the probability statistics algorithm, but its control effect is not as good as that of the latter on multisensor target control. Finally, some problems concerning the combination of fuzzy rough sets and the probability statistics phenomenon to be solved and development trends are discussed. By these investigations, we can choose the optimal control algorithms for accomplishing better target control.