改进APF的无人机编队避障最优一致性控制方法

针对传统人工势场(Artificial Potential Field,APF)解决避障问题时出现的局部极小值、目标不可达等缺点,提出了一种结合APF和具有协同避障效果的最优一致性控制方法。基于固定无向通信拓扑的双积分器无人机编队模型,引入具有避障代价函数的最优一致性控制协议,解决APF避障的局限性问题,同时对多无人机进行编队控制,使无人机编队控制系统的一致性性能指标、控制消耗性能指标和避障性能指标达到最优解。此外,通过对每架无人机构建虚拟斥力势场,防止在避障过程中出现机间碰撞。仿真结果表明,与改进APF的非最优一致性控制相比,本文提出的改进APF的最优一致性控制能够缩短任务用时32%,且能够极大程度上保持队形完整性,减少避障所造成的一致性消耗和控制损耗。

基于策略迭代的离散多智能体系统最优一致性控制研究

对于未知动力学的离散多智能体系统最优一致性控制问题,提出一种新颖的策略迭代算法,采用(hamilton-jacobi-bellman,HJB)方程解决多智能体系统的最优一致性控制问题.在实际应用中,由于多智能体系统具有复杂性和未知性,使完整的动力学模型无法获取,用一般的数学方法无法得到HJB方程的解.为克服这些困难,新方法借助强化学习,只需智能体与邻居间的状态信息误差,即可近似得到最优的控制策略,并给出策略迭代算法的收敛性证明,理论上证明了可解决未知多智能体系统的最优一致性控制问题.通过仿真试验证明:文中算法比传统的策略迭代算法更具有高效性.

基于多边形最优一致逼近形式的上限有限元法

传统的上限有限元法采用外切多边形来逼近摩尔库伦屈服圆,该方法只有当多边形边数足够多时计算结果才比较精确,这往往导致线性规划规模过大,收敛速度较慢,给工程应用造成一定的影响。针对此问题,放松任意一点均须从上方严格收敛的上限性质,采用多边形最优一致逼近的形式构造线性化屈服函数和塑性流动方程。算例证明该方法求解规模更小,收敛速度大大提高。

基于最优一致性矩阵的灰色层次分析法研究

针对传统层次分析法中存在的专家难以把握评判尺度,一致性检验难以通过的问题,提出3标度法,建立专家判断矩阵,将专家判断矩阵转化为最优传递矩阵,最终转化为最优一致性矩阵,得到相对重要度,再与灰色系统理论相结合,对带有灰色、模糊性质的部分信息已知、部分信息未知的决策问题进行建模。以课堂活跃度评价作为具体实例,说明上述方法的应用过程,然后与传统灰色层次分析法以及同类方法进行对比。对比结果表明,将最优一致性矩阵应于灰色层次分析法专家就能够更准确地把握比较对象的重要性程度,同时简化了传统繁琐的一致性检验步骤。

一致最优完全多部图(英文)

假设图G的边可靠,而顶点可靠的独立概率为p,以(n,m)表示具有n个顶点m条边的图的集合.若对于所有1 p∈(0,1),图G均为(n,m)中的最可靠图,则称G为一致最优图.本文证明了完全k部图K(b,(b+1)k h 1,(b+2)h)在其图类中是一致最优的,而当i≥3时,完全k部图K(b,(b+1)k h 2,(b+2)h,b+i)在其图类中不是一致最优的.

指数分布族的一致最优检验及样本容量的确定

论述了指数分布族的一致最优检验是存在的,并给出一致最优检验及样本容量确定的方法步骤,求出了常见分布的一致最优检验。

Petersen图的一致最优可靠性

本文证明了 Petersen图是 1 0点 1

一类一致最优完全多部图

以(n,m)表示具有n个顶点m条边的图的集合.假设图G的边可靠,而顶点可靠的独立概率为p,若对于所有1 p∈(0,1),图G均为(n,m)中的最可靠图,则称G为一致最优图.本文证明了完全k-部图K(b,(b+2)k 1)在其图类中是一致最优的,而当i>3时,完全k-部图K(b,(b+2)k 2,b+i)在其图类中不是一致最优的.

两类图的一致最优可靠图

把顶点数是n,边数是e的所有图称作一类图,寻找给定图类的一致最优可靠图.证明了八面体是所在图类及6个顶点12边图类的一致最优可靠图,同时找到了立方体所在图类及8个顶点12边图类的一致最优可靠图.

数论网计算最优钻孔位置的一致最优部署

用最优搜索理论给出了新钻孔孔位设计最优化方法的一致最优部署．

基于actor-critic算法的分数阶多自主体系统最优主-从一致性控制

研究了分数阶多自主体系统的最优主-从一致性问题.在考虑控制器周期间歇的前提下,将分数阶微分的一阶近似逼近式、事件触发机制和强化学习中的actor-critic算法有机整合,设计了基于周期间歇事件触发策略的强化学习算法结构.最后,通过数值仿真实验证明了该算法的可行性和有效性.

传感器故障隔离中的最优一致向量选取及应用

为了实现传感器故障隔离 ,传统方法针对不同故障独立选取最优一致向量。指出为了正确实现故障隔离 ,对不同故障选取的最优一致向量应是相互关联的 ,并由此提出一种改进的指标函数以获得最优一致向量。基于梯度法得到最优一致向量的数值解。

完全六分图中的一致最优图

研究一致最优图理论中完全六分图的可靠性一致最优图问题,进一步讨论了对于任何正整数b(b≥1),完全六分图Kb,b+1,b+1,b+1,b+1,b+2都是Ω(6b+6,15b2+30b+14)中的一致最优图,而完全六分图Kb,b+1,b+1,b+1,b+1,b+j(j>2)不是Ω(6b+4+j,15b2+(20+5j)b+4j+6)中的一致最优图.

求解奇异摄动问题混合有限元的最优一致收敛的统一方法(英文)

给出了在一些Shiskin型网格 [2 1,2 3,19,18]上 ,利用一个任意次的混合有限元方法在L2 一模下得到奇异摄动问题解的最优一致收敛阶的一个统一方法 .通过研究一个四阶问题 ,定常和不定常问题 ,我们显示了这个方法的一般性 .结果显示非传统Shiskin型网格上的误差估计比传统Shiskin型网格上的误差估计更容易得到 .但两种网格给出的误差估计是相容的 ,它们证明了Roos的猜想 [2 1]是合理的 .

基于强化学习的数据驱动多智能体系统最优一致性综述

多智能体系统因其在工程、社会科学和自然科学等多学科领域具有潜在、广泛的应用性,在过去的20年里引起了研究者的广泛关注。实现多智能体系统的一致性通常需要求解相关矩阵方程离线设计控制协议,这要求系统模型精确已知。然而,实际上多智能体系统具有大规模尺度、非线性耦合性特征,并且环境动态变化,使得系统精确建模非常困难,这给模型依赖的多智能体一致性控制协议设计带来了挑战。强化学习技术因其可以利用沿系统轨迹的测量数据实时学习控制问题的最优解,被广泛用于解决复杂系统最优控制和决策问题。综述了利用强化学习技术,采用数据驱动方式实时在线求解多智能体系统最优一致性控制问题的现有理论和方法,分别从连续和离散、同构和异构、抗干扰的鲁棒性等多个方面介绍了数据驱动的强化学习技术在多智能体系统最优一致性控制问题中的应用。最后讨论了基于数据驱动的多智能体系统最优一致性问题的未来研究方向。

基于最优一致性矩阵的层次分析法在顶板水害评价中的应用

针对"三图法"中传统层次分析法专家难以给出准确比较以及一致性检验较为复杂的问题,结合前人研究成果运用3标度法和最优一致性矩阵法的层次分析法代替"三图法"中的传统层次分析法。以漳村煤矿+480水平为例,运用"三图法"对顶板含水层的涌(突)水危险性进行综合评价,得到顶板涌(突)水危险性综合分区图,用于指导煤矿安全生产。

基于Q学习的异构多智能体系统最优一致性

对有领导者的异构离散多智能体系统的最优一致性问题,提出了一种无模型的基于非策略强化学习的控制协议设计方法。由于异构多智能体系统的状态矩阵不同,其局部邻居误差的动态表达式比较复杂。与现有的多智能体系统分布式控制方案相比,所提算法减少了计算的复杂性。首先,建立由增广变量构造的多智能体系统全局邻居误差动态表达式。其次,通过二次型形式的值函数得到耦合贝尔曼方程和Hamilton-Jacobi-Bellman(HJB)方程。再次,求解耦合HJB方程的最优解,得到多智能体最优一致性的纳什均衡解,并给出纳什均衡证明。从次,基于无模型的非策略Q学习算法,求解多智能体最优一致性的纳什均衡解。最后,利用批判神经网络结构,结合梯度下降法实现了所提出的算法,并通过仿真实例验证了算法的有效性。

最优一致逼近若干命题的证明与探讨

本文用直接法证明了对普通多项式的切比雪夫交错定理，提出并证明了关于最优一致逼近的几个命题。

基于ANOVA高维模型的正交设计的优良性(英文)

全局敏感性指标在全局敏感性分析中占有重要的地位,Wang等(2012)证明了正交设计在估计参数βM时具有A最优,本文论证了正交设计在估计参数时的一些其他最优性质,包括估计参数βM的E最优和估计参数θM的一致最优性.在模拟论证中,我们提出了用随机化正交表来替代一般的正交表,并得到了较好的性质,如减少了偏差并且提高了精度.

单边的广义似然比检验及其优良性

给出两个独立正态总体的参数比较的单边广义似然比检验统计量 ,并证明所得的检验为UMPUT .