Distributed Model Predictive Control for Networked Plant-wide Systems With Neighborhood Cooperation

For large-scale networked plant-wide systems composed by physically(or geographically) divided subsystems, only limited information is available for local controllers on account of region and communication restrictions. Concerning the optimal control problem of such subsystems, a neighbor-based distributed model predictive control(NDMPC) strategy is presented to improve the global system performance. In this scheme, the performance index of local subsystems and that of its neighbors are minimized together in the determination of the optimal control input, which makes the local control decision also beneficial to its neighboring subsystems and further contributes to improving the convergence and control performance of overall system.The stability of the closed-loop system is proved. Moreover, the parameter designing method for distributed synthesis is provided.Finally, the simulation results illustrate the main characteristics and effectiveness of the proposed control scheme.

Generalized multi-layered granulations and approximations based on neighborhood systems under incomplete information systems

A generalized multi-layered granulation structure used by neighborhood systems is proposed. With granulated views, the concepts of approximations under incomplete information systems are studied, which are represented by covering of the universe. With respect to different levels of granulations, a pair of lower and upper approximations is defined and an approximation structure is investigated, which lead to a more general approximation structure. The generalized multi-layered granulation structure provides a basis of the proposed framework of granular computing. Using this framework, the interesting and useful results about information granulation and approximation reasoning can be obtained. This paper presents some useful explorations about the incomplete information systems from information views.

Granular Computing on Partitions, Coverings and Neighborhood Systems

Granular Computing on partitions(RST),coverings(GrCC) and neighborhood systems(LNS) are examined: (1) The order of generality is RST, GrCC, and then LNS. (2) The quotient structure: In RST, it is called quotient set. In GrCC, it is a simplical complex, called the nerve of the covering in combinatorial topology. For LNS, the structure has no known description. (3) The approximation space of RST is a topological space generated by a partition, called a clopen space. For LNS, it is a generalized/pretopological space which is more general than topological space. For GrCC,there are two possibilities. One is a special case of LNS,which is the topological space generated by the covering. There is another topological space, the topology generated by the finite intersections of the members of a covering The first one treats covering as a base, the second one as a subbase. (4) Knowledge representations in RST are symbol-valued systems. In GrCC, they are expression-valued systems. In LNS, they are multivalued system; reported in 1998 . (5) RST and GRCC representation theories are complete in the sense that granular models can be recaptured fully from the knowledge representations.

Human-in-the-Loop Consensus Control for Nonlinear Multi-Agent Systems With Actuator Faults

This paper considers the human-in-the-loop leader-following consensus control problem of multi-agent systems(MASs)with unknown matched nonlinear functions and actuator faults.It is assumed that a human operator controls the MASs via sending the command signal to a non-autonomous leader which generates the desired trajectory.Moreover,the leader’s input is nonzero and not available to all followers.By using neural networks and fault estimators to approximate unknown nonlinear dynamics and identify the actuator faults,respectively,the neighborhood observer-based neural fault-tolerant controller with dynamic coupling gains is designed.It is proved that the state of each follower can synchronize with the leader’s state under a directed graph and all signals in the closed-loop system are guaranteed to be cooperatively uniformly ultimately bounded.Finally,simulation results are presented for verifying the effectiveness of the proposed control method.

一种属性变化局部变精度邻域粗糙集动态算法

传统的邻域粗糙集模型对混合型数据的抗噪能力和计算效率低下,基于矩阵理论建立了一种属性动态变化的局部变精度邻域粗糙集模型。在局部对角矩阵和中间矩阵的更新规律的基础上,构建了混合信息系统局部变精度邻域粗糙集下近似的动态更新机制,提出了一种新的属性变化的局部变精度邻域粗糙集动态算法。通过实验分析可知:所提出的动态算法具有较高的计算效率和良好的稳健性。

多重堕距:地方政府创新缘何难以持续——基于安徽省亳州市B县邻长制的案例研究

政府创新的适用性和有效性共同决定着政府创新的可持续性。通过构建政府创新可持续性影响分析框架,对安徽省亳州市B县邻长制这一基层组织体系建设案例进行实证分析,探讨多重堕距如何影响政府创新的可持续性。研究表明:资源堕距弱化了邻长制运行的组织动力,文化堕距加剧了邻长制运行的主观阻碍,能力堕距限制了邻长制运行的功能发挥,而多重堕距共同作用则降低了邻长制运行的可持续性。多重堕距为研究地方政府创新可持续性提供了新的视角,也为地方政府保持创新的可持续性提供了一定的理论参考。

F-粗糙集的拓展与应用

F-粗糙集是第1个动态粗糙集模型,具有良好的兼容性、表达能力以及动态性,但绝大多数粗糙集模型动态性不足.为了明晰粗糙集模型的动态性,拓展F-粗糙集的应用,综述了F-粗糙集研究的现状和发展,证明了多粒度粗糙集、多粒度邻域粗糙集和多尺度信息系统中的粗糙集可以用F-粗糙集表示.此外,还研究了F-粗糙集的可拓性,并建议将其他粗糙集模型与F-粗糙集相结合,使它们在处理动态数据、增量数据和海量数据时具有更强的能力.研究结果将提高其他粗糙集模型的动态性,有利于粗糙集进一步应用到大数据领域.

基于最大联盟粗糙集的三支聚类

针对邻域粗糙集模型受邻域参数影响大、刻画样本信息时不够精细等问题,提出了一种基于最大联盟理论的粗糙集模型。在标准化邻域信息系统后,引入最大联盟集来描述邻域颗粒信息,使得邻域粗糙集模型对信息的划分更加精细,从而显著降低了边界域的不确定性。将该模型与三支聚类相结合,设计了一种基于最大联盟粗糙集的三支聚类算法。在6个UCI公共数据集上进行对比实验,结果表明,所提算法相较于对比算法具有更好的聚类质量,在处理边界域样本时具有更高的比较正确率。

混合信息系统中基于邻域粗糙集的双评价三支聚类算法

三支聚类将不确定性高的样本置于边界域,可有效解决由数据的不确定性带来的误决策问题,因此具有良好的聚类性能.为了在混合信息系统中更合理地刻画样本间的相似性和存在的不确定性,本文提出了一种基于邻域粗糙集的双评价三支聚类算法.首先,在混合信息系统中建立广义邻域关系,并分别从样本间相似属性个数和样本间距离两个角度来建立样本间相似性的两个评价函数.然后,通过引入基于双评价函数的三支决策规则,处理了广义邻域关系下样本间的相似性和存在的不确定性.最终在混合信息系统中建立了基于广义邻域关系的双评价三支聚类模型.在UCI数据集上的实验结果证明,与已有三支聚类算法相比,本文的算法在F1-score和兰德系数上都具有较好的聚类表现.

区间值直觉模糊β覆盖粗糙集模型

在新的β覆盖邻域系统上提出四种区间值直觉模糊β覆盖粗糙集模型,用于有效处理区间值直觉模糊信息的多属性决策问题.首先,从论域的区间值直觉模糊β覆盖出发,引入两类新的邻域系统并构造了四种不同类型的区间值直觉模糊β覆盖粗糙集,扩展了现有模型的适用范围.其次,深入研究了每种模型的数学性质,构建了所提出的四种模型之间的关联关系,为模糊β覆盖粗糙集领域的研究提供了理论基础.最后,为解决区间值直觉模糊信息的多属性决策问题,设计了决策算法并进行应用实例分析,并通过与其他决策方法的对比分析,表明了区间值直觉模糊β覆盖粗糙集在多属性决策问题中具有可行性和有效性.研究成果对于复杂模糊信息决策具有一定的参考和指导意义,并为解决多属性决策问题提供了新的思路和方法.

改进NRS与ELM相结合在住宅需求预测中的应用

针对住宅需求预测受到不同方面因素的影响且具有非线性特征等问题,本文在原始邻域粗糙集(NRS)的基础上进行改进,并与极限学习机(ELM)相结合来进行预测.首先改进算法(MNRS)解决了原始NRS无法在不同条件属性之间设定最佳邻域值的问题,根据不同条件属性的邻域半径和标准差构建邻域关系矩阵;然后在输出属性重要度排序时引入Pearson相关系数,克服了条件属性之间的影响,获得最小冗余属性的约简集构成住宅需求预测指标体系;最后将构建的住宅需求指标体系输入极限学习机模型,得到准确的预测值.实验结果表明:MNRS-ELM预测模型不仅有效降低了运算复杂度,而且能够获得更高的预测精度.

基于新邻里视角的食物共享平台社交服务系统设计研究

在城市化迅速推进的背景下,传统的邻里社交逐渐式微,导致现代社区居民凝聚力和归属感下降。为了应对这一现象,文章基于新邻里视角设计了食物共享平台社交服务系统的设计,以食物作为关键研究因素,探索其在改善社区现状方面的影响。通过系统研究和实践,设计了一套可行的社交服务系统,旨在促进社区内部的互动与合作。同时,强调了服务系统在加强社区凝聚力、推动社区共生方面的作用,并为未来社区发展提供了新的思路。

基于街区制的微循环公交系统规划方法研究

为优化街区制背景下微循环公交系统规划,在国内外研究的基础上分析街区制与微循环公交之间的相互影响,评估微循环公交在街区制度下的适用性。通过对微循环公交系统的规划原则和目标进行分析,提出基于改进K-means算法进行站点布局的方法,并构建以线路客流密度最大化为优化目标的微循环公交线路规划模型。最后,以武汉市汉口历史文化风貌区部分片区为例,对该区微循环公交系统进行优化设计,验证了模型与方法的可行性与适用性。

基于对象隶属等级分布的等级合并判断方法

为了解系统功能状态评价、预测和分析中需要的数据形式和等级划分,提出对象隶属等级分布概念和等级合并判断方法,建立用于分析的变量系统,对相邻2个语义等级的相似度进行判断,提出分析多因素语义等级相似性的方法,最终形成隶属等级空间。研究结果表明:对系统功能状态进行评价、预测和分析的基础是以目标-对象-因素-分级所构成的数据结构。该数据结构可通过对象隶属等级分布的形式呈现,但该分布存在等级划分不准确、受多因素影响和对象隶属等级判断不准确等问题。针对这些问题,提出因素语义等级和等级值域的合并判断方法,方法以出现在邻域中的对象数量期望值为基础构建邻域相似度,给出单因素语义等级和等级值域合并的判定方法和流程。研究结果可为对象隶属等级确定提供判断方法,为安全评价等对象分类提供支持。

不完备数据集的邻域容差互信息选择集成分类算法

针对不完备混合信息系统的分类问题,结合粒计算中的邻域容差关系和互信息理论,定义邻域容差互信息的概念,并利用集成学习的思想,提出不完备数据集的邻域容差互信息选择集成分类算法.该算法首先根据缺失属性得到信息粒,划分粒层构建粒空间,在不同的粒层上使用以BP神经网络作为基分类器的集成算法,构建新的基分类器;然后,根据每个信息粒的缺失属性计算出关于类属性的邻域容差互信息,来衡量各个信息粒的重要度,并根据基分类器预测准确率以及邻域容差互信息重新定义基分类器权重;最后,根据预测样本对基分类器加权集成预测分类结果,并与传统的集成分类算法进行对比分析.对于部分不完备混合型数据集,新提出的集成分类算法能有效提升分类准确率.

基于邻域量化容差条件熵增量式更新的网络入侵检测方法

网络入侵检测系统是网络信息安全防护的重要防御工具,而复杂的、冗长的网络入侵行为特征严重影响了网络入侵检测的效果。针对网络入侵检测中信息量增长迅速、数据不完备的现实问题,提出一种基于邻域量化容差条件熵增量式更新的特征选择算法。首先,在邻域量化容差粒计算的基础上,结合条件熵在刻画特征不确定性、对特征之间的相关或依赖程度方面的显著特性,研究了邻域量化容差条件熵的增量式更新机制;然后,基于该更新机制提出动态数据库增量式更新的特征选择算法;最后,通过数据实验分析验证了所提出的算法能有效提高不完备信息系统特征选择的计算效率。新提出的算法在网络入侵检测实例应用中体现的计算复杂度及虚警率低的优势,表明其可为网络信息安全防护提供有效可行的具体方法。

基于改进分类器动态选择算法的滚珠丝杠副状态识别

为提升滚珠丝杠副的性能状态识别精度,提出一种改进的分类器动态选择算法。该算法借助邻域成分分析(NCA),准确并自适应地定义测试样本的邻域,无需选择距离度量方式,从而更加准确地衡量多分类器系统中各子分类器对于测试样本进行正确分类的潜力,解决了传统分类器动态选择算法精度受限于距离度量方式选择是否合适的问题。将所提出的分类器动态选择算法应用于滚珠丝杠副状态识别中,首先利用AdaBoost算法离线训练反向传播(BP)神经网络集合,然后依据实时信号特征,采用改进的分类器动态选择算法从分类器集合中选取最合适的子分类器进行状态鉴定,从而实现更好的识别效果。实验结果表明,提出方法的状态识别准确率能够达到97.22%,高于BP神经网络、AdaBoost与传统分类器动态选择算法,且对于不同的性能状态均有较高的识别精度。

注重实用性与邻里交互的新型住宅设计体系探索——以一种宜居街坊叠墅创新型设计为例

通过梳理我国住宅建设现状,明确研究的背景、意义和目标,以未来好房子应注重实用性与邻里互动为主线,从设计角度探讨未来好房子的概念和构成要素,分析社区发展过程中人们对居住空间需求的升级和邻里互动的作用。在此基础上,提出一种全新的住宅设计体系——高层街坊叠墅,围绕提升空间实用性与互动性、促进邻里交往、完善宜居住宅建筑体系等,提出一系列相关的设计理念和策略,为好房子的设计提供新概念、新思路。

Multi-agent decision support system for missile defense based on improved PSO algorithm

Ballistic missile defense system (BMDS) is important for its special role in ensuring national security and maintaining strategic balance. Research on modeling and simulation of the BMDS beforehand is essential as developing a real one requires lots of manpower and resources. BMDS is a typical complex system for its nonlinear, adaptive and uncertainty characteristics. The agent-based modeling method is well suited for the complex system whose overall behaviors are determined by interactions among individual elements. A multi-agent decision support system (DSS), which includes missile agent, radar agent and command center agent, is established based on the studies of structure and function of BMDS. Considering the constraints brought by radar, intercept missile, offensive missile and commander, the objective function of DSS is established. In order to dynamically generate the optimal interception plan, the variable neighborhood negative selection particle swarm optimization (VNNSPSO) algorithm is proposed to support the decision making of DSS. The proposed algorithm is compared with the standard PSO, constriction factor PSO (CFPSO), inertia weight linear decrease PSO (LDPSO), variable neighborhood PSO (VNPSO) algorithm from the aspects of convergence rate, iteration number, average fitness value and standard deviation. The simulation results verify the efficiency of the proposed algorithm. The multi-agent DSS is developed through the Repast simulation platform and the constructed DSS can generate intercept plans automatically and support three-dimensional dynamic display of missile defense process.