不确定时滞系统的PD型迭代学习控制算法

针对不确定时滞系统,在网络时滞范围已知情况下,采用改进PD型迭代学习控制算法补偿网络时滞.在初态是严格重复时,给出这类系统的极限轨迹和迭代输出收敛于该极限轨迹的充分条件.并与P型迭代学习控制算法进行比较.仿真结果表明改进后的PD型迭代学习控制算法能够有效地补偿此类时滞.当网络时滞范围变窄时,能够更加精确跟踪极限轨迹.在相同迭代次数情况下,PD型迭代学习控制算法比P型迭代学习控制算法能更快收敛于极限轨迹.     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器-人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化.最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性.     

不确定型AHP在单轨桥梁状态评估中的应用

针对传统层次分析法（AHP）的缺陷,在跨座式单轨桥梁状态评估中引入不确定型层次分析法,该方法能够更好地反映桥梁评估中的模糊性和不确定性,很好地表达桥梁专家的意见.首次将区间数对数最小二乘法应用到单轨桥梁评估指标的权重计算中,论述了该方法求解权重的步骤.以重庆某单轨桥梁的上部结构为例,建立状态评估模型,通过专家构建的区间数判断矩阵,确定了评估指标的权重并得到该桥上部结构的状态评估值.结果表明,利用不确定型AHP对单轨桥梁进行状态评估具有一定的科学性和实用性,这种方法的应用将会为跨座式单轨桥梁的养护管理提供科学依据.     

车轮径向载荷疲劳试验机径向加载力示值误差的测量不确定度评定

分析车轮径向裁荷疲劳试验机校准试验径向加载力产生误差的来源,介绍其不确定度的评定方法,计算出其总的不确定度,     

������ɢ����µĹ��������мƻ��Ż��о�

提出飓风等自然灾害条件下运用公交车进行居民紧急疏散的优化模型. 最优公交车疏散运行计划问题可转化为不确定性需求的选址—路径优化模型,目标函数是使总疏散时间最小. 选址—路径优化模型用于确定最有效的公交车集结点服务区域和将人员从受灾区域转移到指定避难所或安全地区的最优线路,并设计遗传算法、神经网络算法和爬山算法结合的混合启发式算法. 通过美国密西西比州格尔夫波特市的实际数据对所提出的模型进行验证. 实验结果表明,混合遗传算法在求解效果和效率上都优于传统的遗传算法.     

动态不确定性环境下的地铁车站应急疏散仿真建模

针对动态不确定环境下乘客初始状态、疏散行为、全局疏散路径不确定等问题,提出基于Agent的疏散行为动态切换模型,并引入选择变更代价实现了多种疏散行为的动态切换;考虑与常态仿真衔接构建疏散空间衔接关系,并提出基于改进Dijkstra算法的全局疏散路径搜索方法;最后,以某车站突发事故场景为例进行多个应急预案的仿真评估.结果验证模型具有可行性,并能更真实反映动态不确定环境对乘客疏散过程的影响,进一步提高了疏散仿真精度.     

基于模糊路段流量的OD反推的不确定规划模型与算法研究

考虑调查数据存在的偏差,将路段流量视为一个模糊数,在此基础上构造一个OD反推的双层规划模型,其上层为一模糊期望值模型,即以路段计算流量与实测流量的偏差模糊期望值最小为目标;下层为用户平衡分配模型.为求解该模型,将模糊模拟、二分法、人工神经网络以及遗传算法相结合,给出一种混合智能算法及其步骤.通过一个简单的路网进行仿真试验,最后对这一新方法的有效性进行检验,并对结果进行了分析.     

基于拓扑变换的一种不确定性推理方法

不确定性推理的研究是人工智能研究领域的核心问题之一,也是近年来一个很活跃的研究方向.关于解决和处理不确定性推理问题的方法有很多.但从数学本质上来看,它们都是在推埋的前提和结论之间建立一种变换关系,并利用该变换关系去处理该推理问题.本文用模糊拓扑和模糊数学的方法给出了一种基于拓扑变换的不确定性推理方法.这为处理不性推理问题提供了一种合适的方法.     

不确定强对流天气下动态改航路径规划

为了解决对流云团状态不确定条件下的改航路径规划问题,利用云团预测状态的不确定性测度和外推位置随机误差建立多雷暴云团的状态转移矩阵,用于预测改航路径规划网络的时变阻滞状态.以期望改航代价最小为优化目标,以航段连续性和最大穿越风险代价为约束条件,建立了动态改航路径规划模型.针对确定性和不确定性两种天气场景的16种初始状态,采用遗传算法对模型进行求解,结果表明,通过预测云团状态的不确定变化,改航路径能策略性地选择穿越初始状态不可航云团或绕飞初始状态可航云团.与确定性改航策略相比,绕飞距离减少了40%,穿越云团次数减少了30.8%,改航路径的安全性和经济性均得到有效改善.     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器一人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化．最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性．