期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
复杂感知系统信息理论与构建方法
1
作者 葛建军 唐思琦 +3 位作者 李明强 韩丛英 王彤 徐根玖 《雷达学报(中英文)》 北大核心 2025年第3期651-663,共13页
该文面向高动态强对抗战场环境下复杂感知系统在探测、跟踪及抗干扰等核心任务中的适应性难题,提出以信息驱动为核心的系统理论模型与构建方法体系。具体而言,构建基于语法、语义、语用的多层信息描述框架突破单一语法结构及表层语义的... 该文面向高动态强对抗战场环境下复杂感知系统在探测、跟踪及抗干扰等核心任务中的适应性难题,提出以信息驱动为核心的系统理论模型与构建方法体系。具体而言,构建基于语法、语义、语用的多层信息描述框架突破单一语法结构及表层语义的局限,提出系统动态演化架构打破传统静态建模与固定模式设计的应用壁垒。此外,将上述理论成果应用于分布式雷达探测系统实践,针对系统寻优的复杂性难题,设计基于有限场景交互学习机制与结构化分层优化算法,实现系统有序组织与能力涌现,为复杂战场环境下智能感知系统设计提供了理论范式与技术路径。 展开更多
关键词 复杂感知系统 多层信息描述框架 系统动态演化架构 分布式雷达探测系统 分层寻优范式
在线阅读 下载PDF
复杂系统优化设计的分解协调法(之一) 被引量:6
2
作者 吕新生 高济众 《合肥工业大学学报(自然科学版)》 CAS CSCD 1995年第3期1-7,共7页
设计一个由若干子系统组成的复杂系统,既要满足各子系统的设计目标,又要顾及各子系统之间的相互依存相互制约关系.本文提出适用于这类复杂系统优化设计的三种分解协调方法(可行分解法、非可行分解法和报合法).本篇(之一)介绍分... 设计一个由若干子系统组成的复杂系统,既要满足各子系统的设计目标,又要顾及各子系统之间的相互依存相互制约关系.本文提出适用于这类复杂系统优化设计的三种分解协调方法(可行分解法、非可行分解法和报合法).本篇(之一)介绍分解协调优化的理论基础、数学模国和可行分解法. 展开更多
关键词 分解协调法 优化设计 复杂系统
在线阅读 下载PDF
多级安全中敏感标记的最优化挖掘 被引量:6
3
作者 杨智 金舒原 +1 位作者 段毅 方滨兴 《软件学报》 EI CSCD 北大核心 2011年第5期1020-1030,共11页
提出了一种自底向上的方法来实现系统迁移过程中自动和科学的访问控制策略转换.首先对多级安全中敏感标记最优化挖掘问题作了形式化描述,证明了该问题是NP完全问题,不存在多项式时间算法.然后,在此基础上提出了基于层次聚类和遗传算法... 提出了一种自底向上的方法来实现系统迁移过程中自动和科学的访问控制策略转换.首先对多级安全中敏感标记最优化挖掘问题作了形式化描述,证明了该问题是NP完全问题,不存在多项式时间算法.然后,在此基础上提出了基于层次聚类和遗传算法的近似最优化挖掘算法,将该问题分解为范畴划分和密级分配两个阶段.最后,实验结果表明,算法能够有效地挖掘出最优的敏感标记.该方法可以应用于等级保护工作中的系统迁移工程. 展开更多
关键词 多级安全 敏感标记 最优化挖掘 计算复杂度 层次聚类算法 遗传算法
在线阅读 下载PDF
基于分层匹配追踪算法的电能质量复合扰动参数辨识方法 被引量:8
4
作者 崔志强 王宁 贾清泉 《电力自动化设备》 EI CSCD 北大核心 2017年第3期153-159,共7页
针对电能质量中的复合扰动信号分析问题,提出一种粒子群优化(PSO)和匹配追踪(MP)算法相结合的分层搜索的原子分解方法。首先应用MP算法提取基波分量,对于去除基波分量的残差信号,利用快速傅里叶变换找寻能量最大的频率成分,采用PSO算法... 针对电能质量中的复合扰动信号分析问题,提出一种粒子群优化(PSO)和匹配追踪(MP)算法相结合的分层搜索的原子分解方法。首先应用MP算法提取基波分量,对于去除基波分量的残差信号,利用快速傅里叶变换找寻能量最大的频率成分,采用PSO算法粗搜索出最佳匹配粒子,然后以最佳匹配粒子为中心,在一定范围内重新离散化,生成小规模原子库,再应用MP算法有针对性地进行细搜索,最终得到最佳匹配原子,提取出电能质量复合扰动特征参数。仿真结果表明,该方法能克服MP算法匹配时间长、计算量大及PSO优化MP算法残差积累过大、容易陷入局部最优、匹配参数不准确等缺点,且具有一定的抗噪性和实时性。 展开更多
关键词 电能质量 原子分解 复合扰动 分层匹配追踪 粒子群优化算法 参数辨识
在线阅读 下载PDF
复杂机械系统优化设计研究 被引量:3
5
作者 何芝仙 桂长林 《机械科学与技术》 CSCD 北大核心 2006年第2期158-162,共5页
总结了复杂机械系统优化设计的特点。从优化设计数学模型建立和求解算法两方面讨论了复杂机械系统优化设计的研究和应用现状,讨论了一些可用于复杂机械系统优化设计的求解方法。最后结合内燃机优化设计有关问题,对今后的工作提出了展望。
关键词 复杂机械系统 优化设计 智能优化 分解协调法 可视化
在线阅读 下载PDF
基于Nash-Stackelberg分层博弈模型的路网交通控制强化学习算法 被引量:3
6
作者 张尊栋 王岩楠 +2 位作者 刘雨珂 刘小明 尚春琳 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2023年第2期334-341,共8页
为了解决多交叉口博弈引发的Nash均衡计算复杂度问题,考虑路网中不同交叉口的重要程度和博弈关系,兼顾路网中子区之间及子区内部的交通控制策略,以2个子区内的重要交叉口作为上层博弈主体,次要交叉口作为下层博弈主体,构建了一种Nash-St... 为了解决多交叉口博弈引发的Nash均衡计算复杂度问题,考虑路网中不同交叉口的重要程度和博弈关系,兼顾路网中子区之间及子区内部的交通控制策略,以2个子区内的重要交叉口作为上层博弈主体,次要交叉口作为下层博弈主体,构建了一种Nash-Stackelberg分层博弈(NSHG)模型.然后,提出2种多Agent强化学习算法,即基于NSHG的Q学习(NSHG-QL)算法和基于NSHG的深度Q网络(NSHG-DQN)算法.在实验中,使用NSHG-QL和NSHG-DQN算法在SUMO仿真软件搭建的路网环境中对信号灯进行控制,并与基础博弈模型求解算法进行比较.实验结果表明:NSHG-QL算法和NSHG-DQN算法减少了交叉口内车辆的平均旅行时间和平均时间损失,提高了平均速度;NSHG模型在满足重要交叉口间上层博弈的基础上协调次要交叉口,做出最优策略选择,而且基于分层博弈模型的多Agent强化学习算法能明显提高学习性能和收敛性. 展开更多
关键词 计算复杂度 交通控制策略 分层博弈模型 多AGENT强化学习 最优策略
在线阅读 下载PDF
分层并行遗传算法和遗传复合形算法及其应用 被引量:4
7
作者 杨昭龙 杨松林 《计算机工程与应用》 CSCD 北大核心 2009年第13期203-206,共4页
基于复合形算法、遗传算法、分层和并行思想,设计了一种求解复杂多目标、多约束和多变量工程优化问题的分层并行遗传或复合形算法,编制了界面友好和计算可靠性高的VC++软件。对于一类复杂三多工程综合优化问题,进行了遗传算法、复合形... 基于复合形算法、遗传算法、分层和并行思想,设计了一种求解复杂多目标、多约束和多变量工程优化问题的分层并行遗传或复合形算法,编制了界面友好和计算可靠性高的VC++软件。对于一类复杂三多工程综合优化问题,进行了遗传算法、复合形算法、分层并行遗传算法和分层并行遗传复合形算法的大量计算,结果表明:分层并行遗传算法计算效率最高;为解决复杂的三多工程综合优化问题提供了有效的可行方法。 展开更多
关键词 优化 遗传算法 复合形算法 分层并行
在线阅读 下载PDF
一种改进的鸡群算法 被引量:45
8
作者 孔飞 吴定会 《江南大学学报(自然科学版)》 CAS 2015年第6期681-688,共8页
针对鸡群算法在求解高维优化问题时易陷入局部最优和出现早熟收敛的情况,提出一种改进的鸡群算法。算法中对小鸡的位置更新公式中加入向小鸡自身所在群中的公鸡学习部分,并引入惯性权值和学习因子,然后用改进的鸡群算法对8个基本测试函... 针对鸡群算法在求解高维优化问题时易陷入局部最优和出现早熟收敛的情况,提出一种改进的鸡群算法。算法中对小鸡的位置更新公式中加入向小鸡自身所在群中的公鸡学习部分,并引入惯性权值和学习因子,然后用改进的鸡群算法对8个基本测试函数进行求解。仿真实验时与粒子群算法、蝙蝠算法和鸡群算法进行对比。结果表明,该算法在求解优化问题时易于跳出局部最优,避免早熟收敛,尤其对于高维问题,该算法相比其他进化算法,更容易找到全局最优值。 展开更多
关键词 群体智能 等级秩序 鸡群算法 测试函数 复杂度分析
在线阅读 下载PDF
复杂系统优化设计的分解协调法(之二) 被引量:3
9
作者 吕新生 高济众 《合肥工业大学学报(自然科学版)》 CAS CSCD 1995年第S1期34-39,共6页
设计一个由若干子系统组成的复杂系统,既要满足各子系统的设计目标,又要顾及各子系统之间的相互依存相互制约关系。本文提出适用于这类复杂系统优化设计的三种分解协调方法。本篇(之二)介绍其中的非可行分解法和混合法、并给出在配... 设计一个由若干子系统组成的复杂系统,既要满足各子系统的设计目标,又要顾及各子系统之间的相互依存相互制约关系。本文提出适用于这类复杂系统优化设计的三种分解协调方法。本篇(之二)介绍其中的非可行分解法和混合法、并给出在配用动静压轴承的磨床主轴系统设计中的应用实例. 展开更多
关键词 分解协调法 优化设计 复杂系统
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部