ATIS与收费策略下多用户随机均衡的效率损失

考虑ATIS作用的交通网络,用户具有交通信息接受程度的异质性;进一步,考虑实施道路收费策略情形下,用户具有时间价值的异质性;基于这两类异质性,研究了ATIS下异质性交通网络的效率损失问题。用户对ATIS系统的响应程度,亦即ATIS信息遵从率,是影响ATIS系统运行效率的关键因素。因此,通过ATIS信息遵从率参数的引入,将用户分为不同类型。假设用户均按照随机方式进行择路,建立了基于时间准则与基于费用准则的多用户Logit-随机均衡变分不等式。当系统总出行成本包含收费时,建立了多用户双准则系统最优模型,界定了多用户Logit-随机均衡相对于多用户系统最优的效率损失,推导出效率损失上界;进一步分析了当路段阻抗函数为多项式情形时,引入了自由流出行时间参数,给出了双准则下效率损失上界的解析式,分析了效率损失上界与各参数之间的关系。研究结论表明,双准则下效率损失上界为ATIS信息遵从率的减函数;此外,效率损失上界与路段阻抗函数、用户时间价值及其对路网的熟悉程度、路网本身复杂程度等因素有关。最后,通过算例验证了结论的有效性。

多周期农产品废弃物供应链网络均衡模型构建

目的研究农产品废弃物可持续利用问题,既实现供应链整体利润最优,又减轻对环境的污染。方法在随机需求的背景下,考虑生产合作社对零售商的不同激励度,分析生产合作社、零售商、需求市场的最优状态,利用变分不等式建立相应的多周期供应链网络均衡模型。结果从多周期角度,实现了农产品废弃物供应链网络均衡利益最优化,可为合作社与零售商在较长时间达到一种均衡状态提供有效解决方案。结论既实现了多周期农产品废弃物的持续利用,又促进了循环经济的发展,同时还实现了供应链网络均衡、供应链整体利润最优和减轻环境污染等目标。

路径交叉测绘任务规划问题

不同于传统多旅行商问题,小型飞机测绘任务规划问题的每个测绘目标需要测绘多个测绘载荷,同时多次测绘间要有时间间隔,称之为路径交叉的多旅行商路径规划问题。针对点目标测绘任务场景,将最少飞机数量的求解目标转化为求解最短航行路径。在采用遗传算法求解最短路径的基础上,结合探测载荷约束、探测任务时长约束等条件,进一步规划出最优的调度方案。针对点目标和区域目标测绘任务规划问题,考虑各机场测绘任务工作量的均衡,定义测绘工作量指标为每个机场完成的测绘目标点和目标道路的数目,求解调度策略和飞机数量。在此基础上求解均衡性,使3个机场探测的目标点和目标道路数量相当。结果表明,所提方案兼顾了测绘代价与任务分配的均衡性。

Regional Stability of Positive Switched Linear Systems with Multi-equilibrium Points

This paper studies the regional stability for positive switched linear systems with multi-equilibrium points （PSLS-MEP）. First, a sufficient condition is presented for the regional stability of PSLS-MEP via a common linear Lyapunov function. Second, by establishing multiple Lyapunov functions, a dwell time based condition is proposed for the regional stability analysis. Third, a suprasphere which contains all equilibrium points is constructed as a stability region of the considered PSLS-MEP, which is less conservative than existing results. Finally, the study of an illustrative example shows that the obtained results are effective in the regional stability analysis of PSLS-MEP.

基于多因素均衡动态分簇的WSN路由协议算法

为了解决无线传感器网络分簇路由协议随机筛选簇头节点的位置分布不均衡及转发节点的数据传输路径不合理会加剧节点能量消耗、缩短网络生存周期的问题,提出一种基于改进社交网络搜索(improved social network search, ISNS)算法优化模糊C均值聚类(fuzzy C-means, FCM)的多因素均衡动态分簇路由协议(multi-factor balanced dynamic clustering routing protocol, MD-LEACH)。首先,引入莱维飞行改进反向精英学习策略,以增强社交网络搜索算法的全局寻优能力;接着,使用ISNS优化模糊C均值聚类算法对网络节点动态均匀分簇,均衡网络负载;此外,在每个簇内,考虑簇内节点的能量因素和位置因素引入模糊推理,设计两种簇头选取模式,动态选举簇首,提高簇首质量。在稳定传输阶段,将单跳改为簇首之间的通信的方式,使用改进的蚁群算法寻找最优数据传输路径,提高能量效率。仿真结果表明,算法能够有效提高能量效率,平衡网络负载,延长网络生存期。

多品种电力市场交易下负荷聚合商投标策略及市场均衡分析

中国新型电力系统建设正面临灵活资源短缺等问题,亟须发挥负荷侧调节能力。随着电网与负荷双向交互越发频繁,更多负荷聚合商通过整合辖区灵活资源参与市场交易,导致以往由发电侧占主导的市场均衡被打破。为研究多主体负荷聚合商博弈策略,构建了能量-备用电力市场下负荷聚合商双层投标模型,并引入多场景描述非决策者投标不确定性对市场均衡的影响。通过强平稳算法(SSM)将多个双层模型转化为带均衡约束的均衡问题(EPEC)模型,并采用大M法、二进制展开法等线性化方法进行线性化。算例结果验证了模型及求解算法的合理性和有效性,表明基于EPEC模型的负荷聚合商最优投标策略更加契合实际市场规则,有助于系统优化负荷曲线,缓解灵活资源供需紧张。

新形势下南水北调中线工程智慧调度的研究框架思考

南水北调中线工程智慧调度是新形势下实现精确精准调水、支撑工程高质量发展的重要途径。系统分析了南水北调中线工程通水以来的运行条件变化,提出了新形势下中线工程智慧调度需解决的关键科学技术问题,并提出了未来重点研究内容:要在研究复杂调水系统多水源多用户水资源均衡调配方法基础上,研发中线工程多场景输水智慧调控技术、事故智能预警与精细控制技术体系、决策支持平台,形成中线工程调度的科学决策管理模式,为国家水网重大工程智慧调度管理提供科学应用范式。

多居民点多商户系统顾客需求分布机理

根据市场供求关系假设商品价格与顾客需求数量相关,提出多居民点多商户系统中顾客需求分布的均衡机理:对各处居民点的顾客,只选择其所需成本(包括出行成本和商品货币成本)最低的商户,而没有被选择的商户具有更高的成本。构建了等价的数学规划模型来求解多居民点多商户系统中顾客在各商户间的数量分布。证明了模型具有唯一解,并设计了模型的求解算法。并通过算例求解表明,所提出的模型能够真实表达所提出的均衡原则。文章探讨多居民点多商户系统中顾客的选择机理,从而构建顾客需求分布计算模型,可为商户选址优化、商品定价策略优化、顾客需求分析以及各地间交通需求分析等提供基础。

基于多Agent的锂电池主动均衡策略控制仿真研究

【目的】针对锂电池的荷电状态均衡管理问题,提出一种基于多智能体的电池组荷电状态一致性均衡方案。【方法】首先,将多智能体控制策略引入电池管理的下垂控制中,实现了主动均衡电路拓扑下的自主均衡;其次,建立领航跟随者模型,利用参数已知的虚拟智能体使各个荷电状态不一致的电池的状态向其靠近,实现充放电模式下的荷电状态均衡;最后,对二阶多智能体荷电状态均衡控制策略进行仿真验证。【结果】实验结果表明,相比一阶均衡控制策略,自主均衡时间减少了43.02%,充电模式中均衡时间减少了16.13%,放电模式中均衡时间降低了32.90%。【结论】多智能体系统在电池的均衡管理中能够实现荷电状态的均衡,有效地降低了锂电池荷电状态到达一致性的收敛时间。

一种结合MADDPG和对比学习的无人机追逃博弈方法

针对复杂作战环境中无人机的追逃博弈问题,建立了其马尔科夫模型,采用零和博弈思想,设计了追逃双方的奖励函数。构建了集中训练-分布执行的多智能体深度确定性强化学习算法(MADDPG)的训练流程,求解得到追逃博弈的纳什均衡解。针对以追逃双方初始位置等高维向量构成的捕获域(逃逸域)难以解析表征的问题,在MADDPG博弈网络基础上,结合深度对比学习算法,通过构建和训练孪生神经网络,实现了对高维捕获域(逃逸域)的间接表征。仿真结果表明,MADDPG算法可以有效求出给定条件下的无人机追逃博弈的纳什均衡解,同时,对比学习算法结合收敛的MADDPG网络对高维的捕获域(逃逸域)表征的正确率达到95%。

基于改进SlowFast模型的设施黄瓜农事行为识别方法

[目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄瓜叶片和设施遮挡导致识别准确率不高的问题,提出一种名为SlowFast-SMC-ECA (SlowFast-Spatio-Temporal Excitation、Channel Excitation、Motion Excitation-Efficient Channel Attention)的农事活动行为识别算法。[方法]该算法主要基于SlowFast模型,通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特征和关键特征的提取能力。在Fast Pathway中,引入多路径激励残差网络的概念,通过在信道之间插入卷积操作来增强它们在时域上的相互关联性,从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中,将传统的Residual Block替换为ECA-Res结构,以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系,提升了特征之间的语义信息传递,进而显著提升了农事行为识别的准确率。此外,为了解决数据集中类别不均衡的问题,设计了平衡损失函数(Smoothing Loss),通过引入正则化系数,平衡损失函数可以有效地处理数据集中的类别不均衡情况,提高模型在各个类别上的表现。[结果和讨论]改进的SlowFast-SMC-ECA模型在农事行为识别中表现出良好的性能,各类行为的平均识别精度达到80.47%,相较于原始的SlowFast模型有约3.5%的提升。[结论]本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。

改进平衡优化器算法求解柔性车间调度问题

针对原始平衡优化器算法(Equilibrium Optimizer,EO)求解车间调度问题时出现精度低、稳定性差的问题,提出一种基于单向多种群信息交流的量子改进平衡优化器算法(Improved Multipopulation Quantum Equilibrium Optimizer,IMQEO)。首先,将初始化平衡池分为三个子平衡池,一个平衡池主要肩负开发功能,其余平衡池主要用于空间探索,以高效搜寻最优解;然后分离最优浓度各分量,重建多个最优浓度,结合贪婪策略,个体依次包围收缩于各最优浓度,实现加速收敛;最后,利用量子旋转门策略更新浓度以跳出局部最优解。对比标准EO算法,经过车间调度算例测试,结果表明混合改进策略具有较好的优化效果。

多智能体博弈中的分布式学习:原理与算法

自主智能决策是未来无人系统发展的核心技术,而博弈学习是实现自主智能决策的关键方法之一。围绕多智能体博弈中分布式学习领域,系统地介绍其基本问题、研究背景及意义;针对连续动作空间博弈与离散动作空间博弈两种典型博弈类型,综述多智能体博弈分布式学习算法的构建及收敛性研究进展;给出博弈学习领域尚待突破的挑战性问题。

基于博弈论与强化学习的多智能体路径规划算法

针对平面上多个智能体构成的路径规划求解算法普遍存在的速度慢效率低等问题进行研究,将多智能体路径规划问题归结为非零和随机博弈,使用多智能体强化学习算法赢或快速学习-策略爬山(win or learn fast-policy hill-climbing,WoLF-PHC)得到纳什均衡策略,为各智能体做出无冲突的最优路径决策,提出能够快速自适应的WoLF-PHC(fast adaptive WoLF-PHC,FA-WoLF-PHC)算法,通过构建目标函数,使用梯度下降对学习率进行自适应更新.在猜硬币和自定义收益矩阵2个博弈场景中使用FA-WoLF-PHC,并与策略爬山(policy hill-climbing,PHC)算法和Wolf-PHC算法进行比较.结果表明,FA-WoLF-PHC算法的学习速度较WoLF-PHC算法有所提升,并有效减小了WoLF-PHC算法和PHC算法在学习过程中出现的振荡现象.在多智能体路径规划问题中,FA-WoLF-PHC算法的学习速度比WoLF-PHC算法提高了16.01%.将路径规划问题的环境栅格地图扩大为6×6,智能体数量增加为3个时,FA-WoLF-PHC、WoLF-PSP和多头绒泡菌-人工势场Sarsa(physarum polycephalum-artificial potential state-action-reward-state-action,PP-AP Sarsa)算法在10次实验中学习到最终策略需要的平均时间分别为16.30、20.59和17.72 s.在多智能体路径规划问题中,FA-WoLF-PHC算法能够得到各智能体的纳什均衡策略,学习速度较WoLF-PSP和PP-AP Sarsa算法有显著提高.FA-WoLF-PHC算法在常见的博弈场景中能够快速获得纳什策略,在多智能体路径规划问题中可为多个智能体生成无冲突的最优路径,并且在学习速度等方面较其他算法有显著提高.

基于改进TOPSIS算法的低压多台区柔性互联运行评价方法研究

为解决光伏高渗透低压台区的电压越限、三相不平衡等问题,引入含储能柔性互联装置(FID),实现台区间的功率互济与优化运行。针对低压多台区柔性互联的运行评价方法,提出一种基于AHP-CRITIC组合赋权的改进TOPSIS评价模型。首先,从含储能FID接入对台区改善较为明显的运行电压、运行功率、运行经济3个方面建立评价体系;其次,通过AHP法与CRITIC法确定主、客观权重,利用纳什均衡理论实现AHP-CRITIC组合赋权;然后,基于加权灰色关联度改进TOPSIS,进一步反映指标内部变化。最后,以实际台区为算例,分析所提方法的有效性。

浊积岩油藏优势渗流通道精准识别——以胜利油区牛庄洼陷牛20区块为例

针对浊积砂岩油藏牛庄洼陷牛20区块平面水驱不均衡、边部供液不足与核部油井暴性水淹共存的开发状况,围绕浊积岩地质油藏特征,微观上通过三维数字岩心模拟,刻画不同微相微观孔喉结构约束下的优势渗流特征;宏观上基于浊积岩剩余油精细刻画,分级识别优势渗流流线。研究表明,动静态深入结合分析,明确了牛20区块优势渗流通道主要分布在核部微相,采用多技术手段联合识别优势渗流通道,结果与开发动态符合率达85%以上,可精准有效识别各层段的优势渗流通道,提高后续措施挖潜的针对性。研究成果为浊积岩油藏高含水期实现均衡驱替提高采收率奠定基础,对于低渗油藏高含水期效益开发具有重要意义。

政府激励机制下新能源技术发展三方演化博弈分析

伴随着参与电力市场的主体类型数量逐渐上升,经典的优化理论与常规博弈模型已经很难解决受多种因素影响的多主体行为决策模型。针对目前市场环境下新能源发电商与火力发电商的集中竞价行为,建立了竞争型代理模式下的三主体演化博弈模型。以参与博弈的主体有限理性以及市场化环境下有限信息,通过理论推导出了各主体在不同阶段、不同政策下的最优竞争策略,通过算例分析了发电商和政府部门的演化结果、策略应对以及其中影响决策的主要因素,验证了演化博弈在市场背景下多主体最优策略分析中的有效性,并为发电侧主体的行为和政府部门的政策提供了建议。

约束多目标优化问题的一类内-外混合罚函数方法

该文提出一种内-外混合罚函数方法求解具有等式和不等式约束的多目标优化问题.其中罚函数由目标函数,内点罚函数和可行集外点罚函数构成.在适当的条件下,借助具有单调性的辅助函数,证明了算法所生成的迭代序列收敛于问题的Pareto最优解或弱Pareto最优解.同时给出了三个数值实验来验证算法的可行性.最后将算法应用于解决多指标交通网络最小费用流问题,并与线性加权法进行比较,结果表明该算法在时间成本上具有明显的优势.

基于多级索引集群均衡的电力能源大数据采集方法研究

电力能源是现今人们生产、生活使用最为广泛的能源之一,处于持续短缺状态;电力能源产生的数据量级较大,如何在电力能源大数据中精确查询并采集需求数据,对电力能源合理管理与应用至关重要。提出一种基于多级索引集群均衡的电力能源大数据采集方法。深入分析电力能源大数据存储情况(电力能源数据表与元数据表),构建多级索引集群;采用定向任务分配算法均衡处理多级索引集群,确定每个集群节点的任务分配结果;以集群节点任务分配结果为依据,配置并启动多级索引集群;结合电力能源大数据查询需求,对查询数据进行缓存,最终实现电力能源大数据的采集。实验数据表明:相较于对比方法,应用所提方法获得的构建索引耗时和需求数据查询时延均更少,其最小值分别为3 s、12.03 s;数据采集质量参数更大,最大值为9.6,证实了提出方法具有可行性。

基于改进多目标平衡优化器算法的点焊机器人路径规划

点焊机器人在工业领域内被广泛应用,合理的焊接顺序可以提高生产效率。为了实现点焊机器人的路径最优规划,针对点焊路径和工作时间建立多目标问题模型,提出一种融合改进快速非支配排序的多目标平衡优化器算法(DMONEO)。加入快速非支配排序,并采用生存评分策略替代拥挤度因子,可以更好地保持种群的多样性,防止DMONEO过早收敛。TSPLIB基准实验结果表明,DMONEO算法相比于其他算法性能表现更好。最后在实际点焊机器人的路径规划应用中进行仿真实验并与其他算法对比,结果表明提出的算法得到的优化效果更好,耗时更短。