自动控制原理混合式一流本科课程教学改革研究

为响应教育部一流课程“双万计划”,加快发展新工科建设,积极探索自动控制原理一流本科课程教学改革,文章从分析课程教学现状出发,总结了在课程教学改革中要解决的重点问题,坚持以学生为中心、以能力产出为导向,从课程思政、教学模式、实践教学和课程考核等四个方面进行自动控制原理线上线下混合式课程教学改革。不断聚焦人才培养新需求,将课程教学改革与课程思政建设并行,创新多维度智慧教学模式,探索多元化实践教学方式,为培养适应时代需求的新工科应用型人才提供有效途径。

基于群体多样性反馈控制的自组织微粒群算法

微粒群算法是一种新型的群智能算法,已被广泛用于各种复杂优化问题的求解,但算法依然面临着过早收敛问题.为克服算法的早熟问题,提出了自组织微粒群算法.将微粒群体视为自组织系统,引入负反馈机制.群体多样性是影响微粒群算法全局优化性能的关键因素,把群体多样性作为个体微粒可感知的群体动态信息,用于动态调整惯性权重或加速度系数,通过不同的特性参数实现微粒的集聚或分散,使群体维持适当的多样性水平以利于全局搜索.用于复杂函数优化问题的求解,并与其他典型改进算法进行了性能比较.仿真结果表明,基于多样性控制的自组织微粒群算法可以有效避免早熟问题,提高微粒群算法求解复杂函数的全局优化性能.

基于遗传算法与思维进化计算的一种广义进化模型

本文在遗传算法 (Genetic Algorithm,简记 GA)与思维进化计算 (Mind Evolutionary Computation,简记 MEC)的基础上 ,提出了一种广义进化模型 (Generalized Evolutionary Model,简记 GEM) .该模型用微演化与宏演化两个过程 ,分别模拟人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化 .该模型既能有效的克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围 .

基于引导的思维进化算法

本文在分析思维进化算法特点与不足的基础上 ,提出了两点改进 :一是尝试将模矢法引入趋同算子中 ,形成模矢法趋同策略。该策略能有效地利用子群体的进化信息 ,利用模矢为子群体提供一个快速的趋同方向 ,从而提高算法的局部搜索能力。二是提出了基于进化强度引导的异化策略。该异化策略不仅考虑了成熟子群之间的竞争 ,而且加强了未成熟子群体间的协作及信息交流 ,从而加快了优良子群的收敛速度 ,进而提高了算法的全局搜索能力。仿真结果证明 ,这两种改进是有效的。

基于思维进化计算求解约束优化问题的新算法

约束优化问题一直是科学与工程优化领域中的难点与热点问题之一。由于思维进化计算(MEC)具有严格的群体结构组织、完善的记忆机制、显著的首领效应等特点,因此很便于对约束条件进行描述与度量。文章尝试用MEC求解约束优化问题,借鉴可变容差策略,定义了个体可行测度、群体可行测度、近乎可行个体等概念,利用子群体的可行测度与其优胜者的可行测度,准确描述子群体到可行域的相对位置,并以此为指导信息引导搜索从非可行域不断向着可行域的方向进行,逐渐逼近问题的最优解。对非线性约束优化问题的仿真结果表明,用MEC求解约束优化问题是非常可行的。

多车型动态需求车辆路径问题建模及优化

针对现代物流配送系统中客户需求动态变化、配送中心车型多样化以及车辆行驶路线开放式的特点,建立了多车型开放式动态需求车辆路径问题的两阶段数学规划模型。制定了相应的"预优化路线调度"和"实时动态调度"的两阶段求解策略,提出了混合2-OPT量子进化算法的求解方法,设计了一种将常用的整数编码转换为量子比特的编码方法,每一个染色体都代表一种行车路线方案,对于量子进化算法求得的行车路线方案,引入2-OPT优化方法,对线路内的子路径进行局部调整,进一步提高了算法的收敛速度。最后通过实例测试及与其他算法的比较,验证了该方法的有效性。

混合粒子群算法求解多目标柔性作业车间调调度度问题

柔性作业车间调度问题是生产管理领域和组合优化领域的重要分支.本文提出一种基于Pareto支配的混合粒子群优化算法求解多目标柔性作业车间调度问题.首先采用基于工序排序和机器分配的粒子表达方式,并直接在离散域进行位置更新.其次,提出基于Baldwinian学习策略和模拟退火技术相结合的多目标局部搜索策略,以平衡算法的全局探索能力和局部开发能力.然后引入Pareto支配的概念来比较粒子的优劣性,并采用外部档案保存进化过程中的非支配解.最后用于求解该类问题的经典算例,并与已有算法进行比较,所提算法在收敛性和分布均匀性方面均具有明显优势.

基于形状特征的移动目标实时分类研究

基于室外场景中移动目标的形状特征,提出了一种利用多级神经网络进行运动目标实时分类的方法。在对人、人群、自行车、大汽车与小汽车5种常见运动目标的形状特征分析基础上,将七阶矩、分散度、长宽比、离散度作为分类特征向量,利用多级神经网络进行了目标分类。实验结果表明该方法误判率低、分类精度高,能较好地实现单人、人群、自行车、汽车的分类。

改进蜻蜓算法及其在特征选择中的应用

为合理应用生产制造中产生的数据,分析和挖掘出数据中的关键特征和潜在信息,以帮助企业提高效率、降低成本,提出一种改进的蜻蜓算法,并将其用于特征选择。算法在继承蜻蜓算法良好收敛性的基础上,引入局部序列浮动后向选择机制,在增加算法的全局搜索能力的同时提高了算法的求解精度。在标准复杂数据集上对该算法与其他特征选择算法进行仿真对比与分析,并将其应用在半导体生产线上进行验证。实验结果表明,所提算法无论是在标准数据集上还是实际工程问题上,均表现出良好的全局搜索能力与发展潜力。

结合极大似然距离估计的MDS-MAP节点定位算法

基于多维定标的定位算法通常利用节点间的最短路径长度代替欧式距离构建距离矩阵,当网络拓扑结构不规则时,会导致较大的定位误差。针对这一问题,提出了一种结合极大似然距离估计和多维定标的节点定位算法MDS-MAP(MLE)。算法将待测节点的一跳邻居节点信息作为极大似然方法的输入,利用与邻居节点的距离信息计算待测节点的相对坐标,然后根据已知锚节点的坐标,将所有节点的相对坐标映射为绝对坐标。实验结果表明,针对规则网络和不规则网络,MDS-MAP(MLE)算法均可取得较好的定位精度,且当网络连通度在一定范围内变化时,定位误差可保持在较低的稳定区间内。

基于离散PSO的分层多链无线传感器网络路由算法

针对无线传感器网络节点能量有限的特点,在PEGASIS协议的基础上提出了一种基于离散粒子群优化算法的分层多链无线传感器网络路由算法DPSO-MCRA。此算法把网络分为两层,通过离散粒子群优化算法建立多条低层链路来遍历所有节点;高层节点则自发地根据剩余能量以及到基站距离的平方大小竞争父簇头,依次选择最近的邻居链节点作为该链簇头,并由这些簇头节点组建簇头链。仿真结果表明,本文提出的路由算法与PEGASIS、GASA、ECR相比能显著缩短通信距离,减少和均衡能量消耗,从而延长了网络的生命周期,并降低了网络时延。

基于混合粒子群优化算法的旅行商问题求解

针对旅行商问题提出一种混合粒子群优化算法。为了增强算法的局部搜索能力,在粒子群优化算法中加入倒置、对换等局部搜索算法。利用遗传算法全局搜索能力强的特点对用粒子群优化算法求到的解进行优化,对全局最优路径通过消除交叉路径进行优化,以进一步提高混合算法的性能。仿真结果表明,中小规模旅行商问题能够在较少的代数内收敛到较满意解。

一种精确估计恒虚警检测器阈值因子的方法

针对恒虚警检测器在利用求解阈值因子方法时需要大量样本且搜索耗时较长的问题,提出了一种基于仿生微粒群的精确估计雷达恒虚警检测器阈值因子的方法.将指定虚警概率下的求解阈值因子问题转化为一个最小化问题,再利用微粒群方法对其进行求解,而微粒群优化采用基于种群的搜索方式.惯性因子可以随着迭代数的变化自适应调整,从而线性地减少了惯性因子的数值,致使算法具有平衡全局搜索、局部搜索的能力和较高的搜索效率.仿真结果表明,所提方法可在指定的精度下快速实现单雷达或者雷达组网等多种恒虚警检测器阈值因子的精确估计,节省了近50%的时间,提高了解的检测精度,并具有良好的鲁棒性和快速收敛等特点.

基于思维进化算法的常微分方程组演化建模

在基本的思维进化算法(Mind Evolutionary Computation, 原名Mind-Evolution-Based Machine Learning)框架[1]的基础上,吸取遗传规划(GP)中的树形编码思想,提出了利用树结构进行信息抽取的方法,进而实现了用于常微分方程组演化建模的趋同、异化算子,并获取了优良的效果,使MEC在非数值优化领域中得到了进一步应用。最后的仿真实例的结果表明,同GP方法[2]比较,MEC方法具有计算速度快、建模结果优和全局搜索性能好等明显优点。

优化皮革裁剪加工空行程路径的混合算法

将皮革裁剪多轮廓加工空行程路径优化问题归结为广义旅行商问题,提出了一种求解问题的混合智能优化算法。用改进了的遗传模拟退火算法优化多轮廓排列序列,结合机床特征将问题转化为多段图最短路径问题,采用动态规划算法求解。对传统的Boltzmann更新准则进行改进,增加搜索记忆功能并设置双阈值,以在尽量保持最优性的前提下减少计算量;根据多段图最优子结构性质设计了个体适应度评价函数。实际应用效果和对标准问题的测试表明,新算法求解质量和收敛速度均有很大的提高。

基于Monte-Carlo方法的井下无线传感网络定位算法

在无线传感器网络应用当中,位置数据向来是关键信息之一。怎样用最小的代价,使得定位算法更加稳定健壮、更精确、更高效,是目前无线传感网定位算法追求的一个方向。因为无线传感网络有着很强的应用相关性,Monte-Carlo中心定位算法以井下环境为背景,设计的一种基于Monte-Carlo算法的改进的定位算法,定位方法简单,定位计算量小。最后通过实验将该算法和Monte-Carlo算法进行了仿真,结果显示在井下环境条件下,该算法有很强的稳定性和更好的精度。

虚实融合的“智能控制”课程教学改革

针对“智能控制”课程现有教学方式不能满足教学需求的现状,对以“能力导向、虚实融合”为核心的“智能控制”课程教学进行了改革及实践。设计开发了基于实际项目案例的移动机器人虚拟仿真实验,将课程知识点与实验内容充分结合;协调安排培养环节中的前导课程与实践环节,使认知实习实践教学、课程理论教学、虚拟仿真实验教学有机融合。该教学改革为“智能控制”课程理论联系实践提供了新的教学方式,有利于更好地激发学生学习兴趣,强化学生的创新能力。

基于思维进化计算的一种广义进化模型

本文在遗传算法 (GeneticAlgorithm ,简记GA)与思维进化计算 (MindEvolution aryComputation ,简记MEC)的基础上 ,提出了一种广义进化模型 (GeneralizedEvolutionaryModel ,简记GEM)。该模型用微演化与宏演化两个过程 ,分别模仿人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化。该模型既能有效地克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围。

基于OBE的移动机器人控制虚拟仿真实验建设

虚拟仿真实验是实验教学改革的有效途径。智能仓储移动机器人控制是智能控制的典型应用,在OBE理念指导下将其开发为虚拟仿真实验。该虚拟仿真实验包括6个实验模块,15个实验步骤。丰富的实验内容能激发学生的学习兴趣,有助于开展自主探究式学习。实验主题的选取契合行业发展需求,符合专业培养目标;实验内容的设计能有效支撑所属智能控制课程支持的毕业要求;实验实施过程强调了知识学习、能力培养、素质培养三位一体。

一种无线传感器网络定位系统的设计与实现

随着计算机和网络技术的快速发展,对于运算以及管理和控制要求更加精细。虽然无线传感器网络有很强的应用相关性,但在无线传感器网络的应用中对定位的要求都很普遍。本文基于无线传感器网络实现了一般环境下的人员定位系统,能够进行地图的实时更换,锚节点的部署,移动节点的跟踪定位,相关人员信息的管理,人员的实时监控和定位。这对于锚节点固定,未知节点在已布设锚节点区域内随机移动的应用环境都可以借鉴和使用。