基于社团和多级拓扑的机器人群体编队算法

为解决机器人群体难以形成与保持稳定队形的问题,通过引入社团划分和牵制控制思想,提出了一种基于社团和多级拓扑的机器人群体编队控制算法。基于层次聚类算法,将机器人群体分成若干社团并找出每个社团中的固定牵制机器人;设计一种多级拓扑使其成为各社团中机器人的基准队形;设计了一种机器人群体编队及避障控制器,控制器中形状调节力和方向控制力分别解决了社团中可能出现的局部极小值和队形的结构方向不确定问题,实现了群体队形的形成与保持。仿真实验证明了该算法的有效性。

大规模机器人群体的分层编队控制算法

提出一种分层拓扑结构作为机器人群体在动态期望区域内的编队队形,并在此基础上设计一种基于分层拓扑的群体编队及避障控制器,邻域内各层层间机器人之间的通信是双向的.多机器人通过虚拟领导者的引导向动态期望区域内运动,并在邻居个体间的局部交互下形成期望编队控制队形,机器人群体速度达到一致,个体间距离稳定,从而实现编队和避碰.控制器中形状调节力用于调整和保持机器人群体队形,解决编队中因可能出现局部极小值而导致某些机器人死锁的问题.仿真实验表明了该算法是有效性的.

基于不确定度量化加权的CKF算法

针对传感器网络中每个传感器节点的邻接节点状态估计值不确定度不同的问题,提出一种基于不确定度量化加权的一致性卡尔曼滤波算法(CKF).该算法通过考虑节点度数对于传感器网络估计精度的影响,结合节点度数提出了一种衡量邻接节点状态估计值不确定度的量化函数,并把量化值作为该邻接节点与当前节点的状态估计值偏差的融合权重引入一致性协议中,利用优化后的一致性协议对传感器节点先验估计值进行更新,可提高一致性卡尔曼滤波算法的估计精度;算法同时具有非一致性误差小和鲁棒性强等特点.最后在3种不同网络类型下,通过动态目标跟踪实验仿真验证了算法的有效性.

人民币均衡汇率的BEER模型研究

人民币均衡实际汇率是判断人民币实际汇率水平的重要参考尺度。GDP同比增长率、进出口总额占GDP的比率、外汇储备都是人民币均衡实际汇率的重要长期决定因素,且GDP同比增长率、进出口总额占GDP的比率对人民币均衡实际汇率具有反向作用,外汇储备对人民币均衡实际汇率具有正向作用。1995年以来,人民币实际汇率在大部分时间内都偏离了人民币均衡实际汇率水平,表现为人民币实际汇率失调。造成人民币汇率长期失调的一个主要的宏观政策因素是,1997年亚洲金融危机以来实行的事实上钉住美元的汇率政策。在2005年人民币汇率形成机制改革之后,人民币对美元持续升值,使得这段时间承受被低估压力的人民币汇率有了一定程度的缓解。因此,应该建立和完善一个更富有弹性的人民币汇率形成机制,以促进我国经济的健康发展。