船舶电力系统可靠性评估的自适应模糊Petri网方法

针对船舶电力系统可靠性建模难的问题,提出了一种适用于电网结构可靠性估计的自适应模糊Petri网模型。该模型首先给出了模糊神经Petri网定义及其适用于可靠性建模的引发规则,并在此基础上提出一种学习算法。该算法既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力。最后,建立了船舶电力系统可靠性评估模型,并通过定性分析和定量计算,验证了该模型和算法的有效性。     

网络系统可靠性评估的模糊神经Petri网方法

针对网络信息系统可靠性建模困难的问题,提出了一种新的可靠性估计的模糊神经Petri网方法。给出了模糊神经Petri网定义及其适用于可靠性建模的引发规则,并在此基础上提出一种学习算法,其既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力。最后建立了信息系统可靠性评估模型,并通过定性分析和定量的实例计算,验证了算法的有效性。     

基于粒子群优化算法的复杂系统可靠性分配与优化

为了能快速获得费用最小约束条件下的复杂系统可靠性优化分配结果,在对可靠性成本函数及可靠性数据分析研究的基础上,选择了一种工程上易于获取的三参数可靠性成本函数模型作为可靠性优化分配模型;在此基础上,研究了粒子群优化算法的参数选择方法,提出了一种适合于复杂系统可靠性分配的改进型粒子群优化算法--变加速系数的粒子群优化算法,...     

基于Petri网模型的通信网络综合性能评价

本文论述了传统Petri网和模糊Petri网的一些基本概念,特点及区别,提出了用模糊Petri网建模规则和进行系统问题分析时的有效算法,最后,通过通信网综合性能评价来说明模糊Petri网在系统性能分析中的应用。     

战术决策中基于Petri网的知识表示与权值训练

通过对驾驶员辅助决策人工智能系统(PAAIS)中战术决策知识进行模糊Petri网的表示和推理,提出了一种模糊神经Petri网络(FNPN)来训练其权值的方法,并进行了实验仿真.结果表明,神经网络和Petri网结合使得模糊产生式规则更加有效,也对知识库的建立、更新和维护有着重要的意义.     

装甲装备作战效能评估的模糊Petri网模型研究

利用模糊Petri网清晰、简单的知识表示能力和模糊推理能力,将其应用于装甲装备作战效能评估中。基于"能力需求分析"方法建立了装甲装备的分层效能评估指标体系,并对其优化和赋权方法做了简要介绍;介绍了模糊Petri网的定义和基于BP算法的学习能力;在此基础上以装甲装备战场感知能力二级指标为例介绍了基于模糊Petri网模型的评估方法,并对评估结果进行了分析。     

一种模糊学习Petri网模型及其收敛性分析

Petri网是对具有产生式规则的故障诊断系统建模的有力工具,但其学习能力不强。以Petri网的基本定义为基础,结合模糊逻辑和Petri网模型,并在此基础上引入人工神经网络技术,定义了模糊学习Petri网模型。模型中的隐含库所和变迁将人工神经网络中隐含神经元内部信息处理过程明确化,然后对该模型提出一种逐层调整变迁阈值的训练算法,该算法通过逐层调整的方式来获取变迁的阈值,改善了网络的学习效率,并对算法的收敛性进行了证明。最后,以故障推理实例验证了算法的有效性与实用性。     

基于粒子群优化的模糊交通控制器设计

城市中存在着一些关键路口,其交通通畅与否会对周围路网的交通流起着很大的影响,这些路口需要优先保持通畅.针对此情况,设计了基于上下游交通信息的二级模糊交通控制器来对路网进行协调控制.在此基础上,提出了针对交通特性改进的粒子群优化算法（TIPSO）,并采用TIPSO对第一级模糊规则进行优化,实验结果表明TIPSO对模糊规则具有较好的优化效果,能够离线训练,获取到比人工设定的更优的模糊规则.     

基于粒子群优化的模糊交通控制器设计研究

城市中往往存在着一些关键路口,其交通通畅与否会对周围的路网的交通流起着很大的影响,需要优先保持此路口的通畅.针对以上情况,设计了基于上下游交通信息的二级模糊交通控制器来对路网进行协调控制.在此基础上,本文提出了针对交通特性改进的粒子群优化算法(TIPSO),并采用TIPSO对第一级模糊规则进行优化,实验结果表明TIPSO对模糊规则具有较好的优化效果,能够离线训练获取到比人工设定的更优的模糊规则.     

着色Petri网的装备维修工艺建模

通过对装备维修工艺过程及其特点的分析,确定了基于Petri网建模方法的维修工艺优化过程模型。首先依据基本的维修拆卸规则和Petri网建模规则建立了工序Petri网模型,在此基础上以维修人员和通用维修机、工具为主要资源约束建立了维修工艺过程CPN模型。最后,通过装甲装备某部件维修的工艺过程仿真及数据分析确定了该建模方法的有效性和实用性。CPN较好地描述了装备维修工艺过程中的选择、冲突等事件,对指导维修工艺实践和工艺优化起到了积极的作用。     

基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

基于模糊Petri网编队协同战术决策

为了解决在不确定环境下编队协同空战战术决策问题,将Petri网理论引入到编队协同空战分析中,依据决策规则的模糊性,结合具有图形描述能力的Petri网,提出利用模糊Petri网对编队协同空战战术决策进行建模,并对模型进行了仿真分析。仿真结果表明模型能够提高编队协同空战战术决策的智能化和自动化程度。     

基于直觉模糊时间Petri网的不确定性时间推理方法

针对Petri网模型在对复杂不确定性时间信息描述和推理方面的局限性,在定义直觉模糊时间函数以及网络变迁约减规则的基础上,融合直觉模糊时序逻辑(IFTL)、直觉模糊Petri网(IFPN)以及线性逻辑推理的理论优势,构建了直觉模糊时间Petri网(IFTPN)推理模型,并提出了基于IFTPN的不确定性时间推理算法,较好地解决了态势评估中冲突事件间的不确定性时间推理问题。最后,通过典型的战场想定验证了该时间推理方法的有效性和优越性。     

基于免疫FNN算法的加热炉炉温优化控制

针对复杂钢坯加热过程,提出了一种免疫克隆进化模糊神经网络(ICE-FNN)控制算法。首先根据现场样本数据建立过程神经网络模型;然后基于该模型,采用模糊神经网络控制器(FNNC)规则优化算法,确定FNNC的最佳规则数;最后由FNNC的规则优化所得参数构造初始种群的一个解,采用免疫克隆进化(ICE)算法对FNNC参数优化。该算法具有全局寻优和局部求精能力,仿真结果证实了其有效性。     

动态模糊Petri网下的Ad hoc风险评估

Ad hoc网络具有无中心、无基础设施等特点,其安全面临严峻挑战。对Ad hoc网络安全进行评估,可为其安全性能提升与走向实际应用提供参考。对Ad hoc网络安全进行分析,提出了基于模糊Petri网的评估模型。通过引入变迁阈值和变迁支持度的策略,可自动灵活调整指标权重与指标体系结构,提高评估模型的准确度、灵敏度和适应性;充分利用Petri网和矩阵并行运算特点,给出了模糊规则的推理算法,提高了计算速度。     

改进粒子群算法在雷达组网优化布站中的应用

针对雷达组网优化布站问题,通过分析雷达组网探测性能指标,建立了优化布站数学模型,提出了一种融入自适应反向学习机制的改进粒子群算法并应用于雷达组网布站优化。在此基础上,通过调整加权值分析了不同情形下各性能指标对雷达网探测能力的影响,得出了各情形下的最优布站方案。仿真结果表明,采用改进算法得到的布站方案相对标准粒子群算法要更优,从而验证了布站模型的可行性和改进算法的有效性。     

基于综合性能的C3I系统通信效能

论述了C3I的重要性及其效能,分析了影响通信系统性能的因素,力求在实时综合性能的基础上选择通信路由,论述了传统Petri网和模糊Petri网的一些基本概念和特点及其区别,描述了用模糊Petri网进行系统综合性能分析时的有效算法,提出一种基于综合性能的路由选择算法,最后,通过实例来说明通信路由综合性能评价以及路由选择方法.     

基于自适应变异粒子群算法的火力分配方法研究

针对最优火力分配的特点,分析了火力分配优化问题的数学模型,设计了一种求解该类问题的自适应变异粒子群算法（Adaptive Mutation Particle Swarm Optimization, AMPSO）。该算法采用十进制编码方法和基于数值运算的个体更新方法;为平衡算法的局部搜索能力和全局收敛性能,设计了一种关键参数自适应调整方法;为增强种群在进化后期的多样性,提出了一种变异策略。仿真结果表明,所提AMPSO算法具有良好的寻优性能,是优化火力分配的一种有效算法。     

加权模糊Petri网的推理算法研究

将加权模糊Petri网与矩阵运算相结合，提出了一种推理算法，实现知识的推理运用。该算法利用了加权模糊Petri网的并行处理能力，将复杂的推理过程采用矩阵运算实现，充分考虑了多种约束条件，具有简单、高效、易于实现等优点，适合大型复杂加权模糊Petri网的推理计算。最后以实例对算法进行了验证。     

MOQPSO/D算法求解不确定目标分配问题

为了增强不确定目标分配对战场态势变化的适应性,提出了一种基于分解的多目标量子行为粒子群算法(MOQPSO/D)的不确定目标分配方法.基于模糊多目标规划方法建立了不确定目标分配模型.以MOEA/D为算法框架,以QPSO算法为寻优手段提出了一种MOQPSO/D算法.通过粒子编码和非法粒子调整,将MOQPSO/D算法成功应用于求解目标分配模型.仿真结果表明:采用多目标优化方法能有效增强不确定目标分配对战场态势变化的适应性;MOQPSO/D算法在求解目标分配模型时要明显优于MOEA/D及MOEMD-CD算法.