基于Voronoi图和动态自适应蚁群算法的UAV航迹规划

以UAV航迹规划为应用背景,提出了一种基于Voronoi图和动态自适应蚁群算法的航迹规划方法;为了提高航迹规划问题最优解的质量及全局求解能力,克服传统蚁群算法收敛速度慢、容易陷入局部最优等缺点,提出了一种动态自适应蚁群算法;采用动态自适应航迹点选择策略并将信息素更新规则和挥发系数进行动态自适应调整变化来对蚁群算法进行了改进,提高了算法的求解效率;根据战场已知威胁源生成Voronoi加权图,并与所提的动态自适应蚁群算法相结合求解规划空间中的最优航迹;考虑到UAV的物理约束限制,对生成的可行航迹进行平滑优化;仿真结果表明,该方法能够为UAV规划出一条满足要求的可飞航迹,验证了所提方法在解决航迹规划问题时是可行、有效的;     

基于自适应状态聚集Q学习的移动机器人动态规划方法

针对现有移动机器人路径规划方法存在的收敛速度慢和难以进行在线规划的问题,研究了一种基于状态聚集SOM网和带资格迹Q学习的移动机器人路径动态规划方法——SQ(λ);首先,设计了系统的总体闭环规划模型,将整个系统分为前端(状态聚集)和后端(路径规划);然后,在传统的SOM基础上增加输出层构建出三层的SOM网实现对移动机器人状态的聚集,并给出了三层SOM网的训练算法;最后,基于聚集的状态提出了一种基于带资格迹和探索因子自适应变化的改进Q学习算法实现最优策略的获取,并能根据改进Q学习算法的收敛速度自适应地控制前端SOM输出层神经元的增减,从而改进整体算法的收敛性能;仿真实验表明:文中设计的SQ(λ)能有效地实现移动机器人的路径规划,较其它算法相比,具有收敛速度快和寻优能力强的优点,具有较大的优越性。     

指控装备多Agent远程监测与诊断系统设计与实现

针对指挥控制系统日趋复杂,装备测试诊断任务压力骤增的现状和装备智能化保障需要,提出了一种基于多Agent分布式指控装备远程智能监测诊断系统,结合某型军用指控系统,将智能代理技术引入远程监测及诊断领域,建立多Agent系统(MAS)的远程监测模型,运用分布式人工智能理论设计组建各功能Agent子系统,并分析了其通信机制及协调一致性等关键技术,实现了对某型复杂指控装备的远程监控及故障诊断任务。通过实验仿真运行,验证了该系统能较好实现装备保障需求,具有良好的时效性与可靠性。     

基于改进量子粒子群的分布式并行计算框架设计

为了实现用户任务在大规模计算机集群上进行高效地处理,并克服现有并行计算框架通用性不强的缺点,提出了一种基于改进量子群算法和Map-Reduce模型的通用并行计算框架;首先,对经典的Map-Reduce分布式并行计算框架以及并行计算流程进行了具体描述;然后,基于改进的量子粒子群算法设计了改进的Map-Reduce模型,在Map阶段通过多种群并行搜索并计算所有粒子适应度,在Shuffle和Sort 阶段实现粒子的排序和种群的重新划分,然后在Reduce阶段更新控制系数和粒子位置,当最优解不变时,通过混沌扰动对其进行扰动;仿真实验表明同,文中设计的基于改进量子粒子群算法和Map-Reduce模型能高效地执行任务,较传统的Map-Reduce模型具有较少的执行时间,具有很强的可行性,是一种有效的通用并行计算模型。     

链式多智能体遗传算法在分布式电源全时序上优化配置

分布式电源的选址与定容是微电网研究所面临的重要问题,本文主要考虑规划地区的24-h负荷时序特性和气候特点的24-h负荷变换的情况下的DG优化配置。针对以上问题,通过链式多智能体遗传算法对其进行优化处理。首先通过算法对IEEE33节点系统进行测试,验证算法在分布式电源优化配置中的优越性,并对PG E69节点配电网进行24-h时序的全过程模拟仿真优化,结果验证了多智能体遗传算法能在分布式电源配置上的有效性,同时提高微电网接入的预测精度,加快收敛速度,改进陷入局部最优的可能性等问题,对微电网在规划选址与定容选择上提供工程参考的实用性。     

具有不同时延的多智能体系统一致性分析

针对有向加权且存在全局可达点的静态网络拓扑, 考虑了同时具有通信时延和输入时延的一阶、二阶智能体系统的运动一致性问题. 基于广义Nyquist准则与频域控制理论的方法, 分析并得到了网络中所有智能体渐进收敛到一致状态的充分条件. 通过该条件发现一致性的达到只与系统的耦合强度、智能体的输入时延以及各自的连接状态信息有关, 与通信时延无关. 但是, 通信时延的存在却要影响系统的动态特性. 仿真实验结果进一步验证了理论分析所得结论的正确性.     

时延多智能体系统分组一致性分析

研究了拓扑结构为连通无向图与连通二分图的一阶时延多智能系统分别在两类控制协议下的分组一致性问题．基于广义Nyquist准则与频域控制理论的方法,分析并得到了多智能体系统渐进分组收敛一致的充分条件．通过该条件发现系统分组一致性的达到与系统的时延以及智能体间的耦合强度相关．同时,时延的大小影响着系统的收敛速度与动态性能．仿真实验的结果进一步验证了理论分析所得结论的正确性．     

基于代价优化的云工作流调度改进PSO算法

云计算可以通过即付即用的方式向用户工作流提供资源。为了解决资源服务代价异构环境下的云工作流任务调度代价问题,提出一种基于改进粒子群算法的云工作流任务调度算法WSA-IPSO。通过综合考虑任务的执行代价和依赖任务间发生数据传输时的通信代价,算法将总代价优化问题形式化为有向无环图DAG中的任务调度模型,并提出基于改进粒子群算法的优化模型对其进行求解。通过改进传统粒子群算法的粒子速度更新策略和惯性权重更新策略,算法可以以更快的收敛速度得到代价最小化的调度方案。通过仿真实验,与MCT算法及标准粒子群算法进行性能比较。实验结果表明,WSA-IPSO算法在降低总代价、任务分布的负载均衡以及算法收敛性方面比较同类算法均表现出更好的性能。     

改进的LMS算法在光全散射法粒度反演中的应用

在光全散射法颗粒粒度测量中,正确地选择以及使用反演算法是非常关键的。首先介绍了光全散射法的基本原理,然后提出了一种基于非负PT直接算法的改进的LMS迭代算法,最后将改进的LMS迭代算法应用到光全散射颗粒粒度分布函数的求解中。对理想状态和加噪状态分别采用传统的LMS迭代算法和改进的LMS迭代算法进行求解,通过对比单峰分布颗粒粒度和双峰分布颗粒粒度的实验结果,改进后的LMS迭代算法使粒度相对误差均减少了4%左右,整个运行时间小于3s,不仅提高了LMS算法的运算时间、收敛速度和稳定性,而且还解决了LMS算法中初始值对结果的影响。     

带状方程组二叉树MIMD算法

利用行处理法和分治策略给出一个基于分布式存储MIMD二叉树随机模型求解任意带状方程组的并行迭代算法，证明算法对相容性带状方程组收敛并分析算法的通信复杂度。     

Field of interest of bord of editors

Journal of Statistical Physics -     

Fields of Interest of Board of Editors

Journal of Statistical Physics -