求解常数噪声环境下时变非线性方程的离散时间零化神经网络

该文对有噪声污染但噪声具体表达式未知的时变非线性方程进行研究.首先回顾了一个带积分项的连续时间零化神经网络(continuous-time zeroing nerual network, CT-ZNN),其实质是一个微分-积分方程,可以有效地抑制常数噪声.然后分别利用一步前向差商近似CT-ZNN的导数,利用左(右)矩形公式近似CT-ZNN的积分,得到了3类抗常数噪声的离散时间ZNN算法.进而利用Jury稳定判据给出了离散时间ZNN算法中参数取值范围的估计.最后将所提出的离散时间ZNN算法成功应用到了时变非线性方程问题.

基于预定义时间收敛的容噪零化神经网络求解时变Sylvester方程

Sylvester方程在数学和控制理论中经常使用,而零化神经网络(ZNN)在求解此类时变方程方面非常有效。对ZNN的收敛性能进行了研究,基于一个预定义时间稳定性定理设计了一个新的激活函数,进而得到了一个用于求解时变Sylvester方程的新的ZNN模型。该模型被称为预定义时间收敛零化神经网络(PTZNN)模型。与之前的ZNN模型相比,所提出的模型提高了收敛速度使其达到了预定义时间收敛并进一步提高了容噪声能力。最后通过仿真模拟验证了该模型在求解时变Sylvester方程方面优于其他已知模型。

用于有界噪声时变矩阵计算的终端零化神经网络

为提升零化神经网络(ZNN)求解时变矩阵计算问题时的收敛性能,提出一种具有抗噪能力的终端零化神经网络(TZNN)及其对数加速形式(LA-TZNN)。对误差动态的终态吸引性展开分析,结果表明所提网络在受到有界噪声干扰时仍能在固定时间内使误差归零,其中LA-TZNN可实现对数调节时间稳定,收敛速度相较于TZNN更快。考虑到实际情况中初始误差有界,给出半全局意义上的调节时间上界,并通过设置可调参数,使网络实现预定义时间稳定。将2种模型应用于时变矩阵求逆和PUMA560机械臂重复运动规划问题,仿真结果验证了所提方法相较于传统ZNN设计,调节时间更短,收敛精度更高,并能够有效抑制有界噪声干扰。

求解时变非线性方程的离散时间ZNN算法

对时变非线性方程的求解算法进行研究。给出一个连续型零化神经网络(zeroing neural network,ZNN),其实质上是一个二阶微分方程,利用拉普拉斯变换证明该方程的解收敛到时变非线性方程的解。利用带二阶截断误差的中心差商来逼近各阶导数,得到一个离散时间ZNN算法。利用Jury稳定判据给出了该离散时间ZNN算法中参数取值范围的估计,同时利用其它的差商给出了更多的离散时间ZNN算法。将所提出的ZNN算法成功应用到一些时变非线性方程问题。

求解零等待流水线调度问题的离散磷虾群算法

针对最小化最大完工时间零等待流水车间调度问题,设计了一种离散磷虾群优化算法进行求解。根据优化问题特性,定义了算法中虚拟食物的计算方法,规定了虚拟食物影响下磷虾个体之间的交叉规则;提出了个体间的距离计算方式,从而可以界定邻域范围实现个体信息交流;进一步采用交换、逆序、插入等策略来提高算法的局部搜索能力,同时借助多种初始化策略来提高初始种群的质量和多样性。通过典型算例的仿真测试和对比,验证了所设计算法的有效性和鲁棒性。

求解时变非线性方程的Adams-Bashforth离散时间算法

为了更好地解决时变非线性方程(time-varying nonlinear equation,TVNE),设计了一类Adams-Bashforth离散时间算法。首先给出了求解TVNE的连续时间零化神经网络,该神经网络具有指数收敛速度。然后利用线性多步算法将连续时间零化神经网络离散化,提出了一类六步Adams-Bashforth离散时间算法,并利用Jury稳定准则,给出了Adams-Bashforth离散算法步长的有效区间。最后将所提出的算法应用于解决机械臂路径规划问题,得到了较好的数值效果,精度最终可以达到10^(-14)m。

基于混合离散人工蜂群算法的混合零等待柔性流水车间优化研究

从钢铁业等流程工业提炼出一类混合零等待柔性流水车间问题,其中一些加工阶段要求工件连续不断地经过这些工序,对该问题建立了整数规划模型,提出了一种混合离散人工蜂群算法以最小化最大完工时间。采用二维矩阵编码表述染色体以及工件右移调整策略进行解码以获取调度解,改进NEH启发式规则用于生成初始种群。在雇佣蜂阶段,引入了修正粒子群优化算法产生新解;在跟随蜂阶段,设计了迭代贪婪算法中的破坏和构造算子,进一步增强算法的搜索能力;在侦查蜂阶段,利用变邻域搜索算子以替换最差解。对不同规模问题进行了仿真测试并与现有算法进行对比,结果表明所提算法在求解混合零等待柔性流水车间问题方面更加有效。