基于不完全信息演化博弈模型的网络舆情传播羊群行为

以网络舆情传播过程中大部分人对事实不了解为前提,在这部分群体内构建基于不完全信息环境的两人对称演化博弈模型。提出了两人对称博弈矩阵来决定个体策略的选择,建立了复制动态方程说明不同策略群体比例的演化方向,演化时引入个体的记忆长度,根据设定的交互规则更新各自的观点值及记忆列表。仿真分析模型表明,在此环境中很容易产生羊群行为,群体内的个体都选择盲从并且观点保持一致。此外,羊群行为的集聚产生受多种因素影响,主要与采取分析策略的交互利益、成本系数以及记忆长度有关。本文对科学分析引导网络舆情的传播有一定实际意义。     

一种有效的常规雷达目标识别方法

基于小波变换和进化网络提出一种有效的常规雷达目标识别方法。即首先利用 Mallat算法对雷达目标一维距离像进行特征提取和压缩 ,然后在进化规划的基础上提出一种混合进化算法来优化设计由多层前向网络构成的分类器。实验结果表明 ,整个目标识别系统的结构简单 ,同时具有较好的推广能力     

电视侦察弹侦察效力的演化仿真优化研究

为了保证电视侦察弹能到达目标区域的上空并发挥最优的侦察效力,采用了基于遗传算法的启发式仿真优化方法来解决炮射电视侦察弹的优化使用问题.分析了电视侦察弹的主要影响因素,建立了用于计算目标侦察效力的仿真模型,引入了演化策略,实现了基于进化计算的启发式仿真优化系统,并求取了电视侦察弹的最大侦察效力及其主要影响因素的最优搭配....     

导弹自动驾驶仪的模糊自整定免疫PID控制

提出了一种模糊自整定免疫PID控制器的设计方案.该控制器将免疫反馈机理与传统的模糊PID控制有机地结合起来,实现了对控制系统的参数自整定.给出了某战术导弹自动驾驶仪的传递函数和仿真试验设计.仿真结果表明,这种模糊自整定免疫PID控制效果明显优于传统的模糊PID控制方式,具有较强的抗干扰能力,特别对变参数系统具有较强的鲁棒性.     

减摇鳍模糊免疫自适应PID控制器设计及仿真研究

针对船舶横摇的非线性模型,利用免疫反馈机理,设计了一种减摇鳍模糊免疫自适应PID控制器。控制器将模糊控制与PID控制相结合,采用Fuzzy推理,对非线性函数进行模糊逼近,用模糊免疫P调节器实时整定PID控制器的比例增益,采用常规模糊控制器在线调整免疫PID控制器的积分时间常数和微分时间常数。通过对船舶减摇鳍控制系统的仿真,可以看出采用模糊免疫自适应PID控制器其控制效果远优于常规PID控制器,使减摇鳍的减摇效果得到显著提高。     

军民融合产业创新集群的形成

在军民融合发展战略与创新驱动发展战略深入推进进程中,军民融合产业创新集群成为军民融合产业发展的重要创新形式,其形成问题研究更是对其发展与演化具有重要影响。以军民融合产业创新集群的内涵着手,通过刺激—反应模型与演化博弈模型,分析其形成过程与促进措施。研究表明,军民融合产业创新集群作为复杂适应系统,创新主体的适应性能力及其内在关系是集群形成的关键所在;为使合作创新行为成为演化博弈的稳定策略,从合作创新能力系数和合作创新成本、拥有的创新资源以及政府资金支持三个方面剖析集群形成的促进作用,对军民融合产业创新集群的发展与演化研究奠定基础。     

航空时敏制导炸弹增程弹道组合优化设计

为增强航空时敏制导炸弹在中制导段的滑翔能力,将极小值原理与自适应进化粒子群算法相结合,提出了一种适用于航空时敏制导炸弹增程弹道的组合优化设计方法。基于纵向平面内质心运动模型,推导了性能指标泛函及各不等式约束函数。引入Lagrange乘子矢量并建立相应的Hamilton函数实现无约束泛函极值问题的转换,推导出兼顾各优化目标函数的满意优化模型。利用自适应进化粒子群算法对该段增程弹道进行了攻角与弹翼张合档位双设计变量的组合优化。数值仿真算例表明,在满足状态方程约束的条件下,双变量的增程效果比常规单变量控制时显著提高,其优化结果可为制导炸弹弹道规划设计的研究提供一定的理论参考。     

大型舰船电力系统网络重构研究

大型舰船电力系统的出现使供电方式由原来的辐射状向环形发展,其网络重构是一个崭新的问题.文中给出了大型舰船电力系统的网络拓扑结构并综合考虑了线路容量限制、节点电压约束及供电负荷优先性的重构数学模型,保证了各种情况下最大限度地给负荷供电.将规划遗传算法应用于所建模型的求解,并应用算例验证了此解法的可行性.     

一类具免疫时滞的HIV模型的动力学性态分析

研究一类具有时滞和免疫反应的HIV模型。首先通过分析特征方程研究了平衡点的局部稳定性以及Hopf分支的存在性。然后利用规范型理论和中心流行理论得到了确定Hopf分支方向和分支周期解稳定性的计算公式。接着讨论了无病平衡点的全局稳定性。最后通过数值模拟说明了所得理论结果。     

Approximating nondominated sets in continuous multiobjective optimization problems

Many important problems in Operations Research and Statistics require the computation of nondominated (or Pareto or efficient) sets. This task may be currently undertaken efficiently for discrete sets of alternatives or for continuous sets under special and fairly tight structural conditions. Under more general continuous settings, parametric characterisations of the nondominated set, for example through convex combinations of the objective functions or ε‐constrained problems, or discretizations‐based approaches, pose several problems. In this paper, the lack of a general approach to approximate the nondominated set in continuous multiobjective problems is addressed. Our simulation‐based procedure only requires to sample from the set of alternatives and check whether an alternative dominates another. Stopping rules, efficient sampling schemes, and procedures to check for dominance are proposed. A continuous approximation to the nondominated set is obtained by fitting a surface through the points of a discrete approximation, using a local (robust) regression method. Other actions like clustering and projecting points onto the frontier are required in nonconvex feasible regions and nonconnected Pareto sets. In a sense, our method may be seen as an evolutionary algorithm with a variable population size. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2005.