通信中断下考虑行驶状态时空收敛的混合编队稳定性控制算法

针对通信中断下由智能网联车辆(Connected and Automated Vehicles,CAV)与人工驾驶车辆(Manually Driven Vehicles,MDV)所组成的混合编队的稳定性控制问题,考虑基于前车-领航车通信拓扑(Predecessor-Leader Following topology,PLF)和协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)的混合编队,构建通信正常和通信中断状态下的车辆控制器.基于Routh-Hurwitz稳定性判据和频域分析方法设计稳定条件求解算法,计算控制器和MDV跟驰模型的稳定性条件,并提出针对两种控制器的平滑切换策略.案例分析表明:车队能够稳定安全行驶,各车速度标准差变化率均低于1.8%,平均加速度变化量和其平均值均低于0.016 m/s^(2),说明所提出的稳定性控制算法具有良好的有效性,可实现车辆及编队行驶状态的时空收敛;针对加速场景和减速场景,所提出的控制器切换策略能够分别减小车辆加速度波动幅度达37.1%和59.9%,控制器切换过程中的车辆状态稳定性得到显著提升.

MANETs面向稳定性的自适应路由开销控制算法

为了在节点频繁移动的MANETs网络环境中发现和建立具有较长维持时间的路由,以增强路由的可用性和数据传输的连续性,面向稳定性的路由算法需要中间节点转发更多的RREQ分组,但这会造成路由开销显著增加。为此,提出了一种面向稳定性的自适应路由开销控制算法。算法使用策略型博弈对RREQ转发过程进行建模,利用该博弈存在的混合策略纳什均衡计算RREQ的转发概率,实现RREQ的概率转发。仿真结果表明,提出的面向稳定性的自适应路由开销控制算法不仅保证了路由的稳定性和分组递交率,而且有效地减少了路由开销和传输延迟。

一种改善TDIE时间步进算法稳定性的新平均方法

提出一种抑制TDIE时间步进算法(MOT)后期振荡的新平均方法,与传统平均方法相比,该方法能进一步提高MOT算法的稳定性.采用时域电场积分方程的显示格式(explicit),计算了二个算例:高斯脉冲波照射到金属平板、金属立方体时目标表面的电流响应.数值结果表明,该方法效果显著,具有较强的普适性.

基于动态网络结构优化的神经网络的自学习稳定性控制算法

为了解决稳定性控制算法的PID控制参数的自适应调整问题,并针对控制算法大多无自学习功能的现状,提出了SORBF(Self-Organizing Redial Basis Function)算法自适应优化PID控制参数,同时通过增长型算法和修剪型算法自适应优化神经网络结构,解决了初始设定的网络结构参数需要丰富的经验和大量的标定工作,并且网络结构无法自适应调整而导致网络泛化能力下降,冗余的神经元占用计算资源的问题。验证结果表明其具有很强的自学习功能,大量减少了标定时间,并控制横摆角速度实际值在参考值附近,更好地体现了驾驶员意图,在极限工况下控制误差减小,并更容易通过试验规范路径。

简单选择排序算法稳定性探究及其改进

稳定性是度量排序算法质量的一个重要指标。简单选择排序是一种常见的排序算法,但其稳定性存在较大争议。结合实例探讨经典简单选择排序算法稳定性,并进行改进,在时间复杂度和空间复杂度不变的前提下,提出一种稳定的简单选择排序算法。

基于PSO算法的IEEEAC5A励磁系统对电力系统电压稳定性的影响

励磁系统作为调节系统电压并控制无功功率分配的重要元件,其特性对电力系统的电压稳定有着重要的影响。在IEEEAC5A励磁系统模型基础上设计了PID控制器,并采用PSO算法整定PID控制器的参数,以改善励磁系统的调节特性。基于电力系统全数字实时仿真装置中的电磁暂态仿真程序ETSDAC对励磁系统进行自定义建模,从电压角度分析PID控制器的引入对系统稳定性的影响。

超网络视角下生态工业共生网络稳定性研究

针对生态工业共生网络无法解决企业间的异质性问题的现状,文章在对生态工业链结构分析基础上,提出构建生态工业共生超网络(EISS)来刻画生态工业园内复杂的结构和关系,量化了EISS的各子网络的构建和耦合过程,并从不完全信息攻击模式下网络结构的抗毁性视角提出EISS的稳定性测度算法。进而以鲁北生态工业园为例,对鲁北EISS和同等规模随机超网络的稳定性进行测度,结果表明,只有当获取信息的广度指标值小于某临界值时,鲁北EISS才拥有较高的稳定性。经分析可知,鲁北生态工业园中存在处于关键位置上的企业,这些企业的移除会造成整个EISS的瘫痪,从而提出通过有效管理核心企业来维持生态工业园的稳定性策略,验证了模型及算法的合理性。

学习理论综述(I)：稳定性与泛化性

本文综述学习理论的新进展:学习算法稳定性与泛化性的近期研究结果。对现有主要的稳定性研究框架,如假设稳定、逐点假设稳定、一致稳定、几乎处处稳定和CVEEEloo稳定等的异同进行了比较,并进而指出学习算法稳定性及泛化性研究存在的其它亟待解决的问题。

几类辛方法的数值稳定性研究

主要对一阶隐式Euler辛方法M1、二阶隐式Euler中点辛方法M2、一阶显辛Euler方法M3和二阶leapfrog显辛积分器M4共4种辛方法及一些组合算法进行了通常意义下的线性稳定性分析．针对线性哈密顿系统,理论上找到每个数值方法的稳定区,然后用数值方法检验其正确性．对于哈密顿函数为实对称二次型的情况,为了理论推导便利,特推荐采用相似变换将二次型的矩阵对角化来研究辛方法的线性稳定性．当哈密顿分解为一个主要部分和一个小摄动次要部分且二者皆可积时,无论是线性系统还是非线性系统,这种主次分解与哈密顿具有动势能分解相比,明显扩大了辛方法的稳定步长范围．

黏塑性本构计算的稳定性分析

提出本构方程计算方法的稳定性问题,针对黏塑性本构计算的显式精确算法的稳定性进行分析,发现该算法并非无条件稳定,使用小扰动方法给出了其计算稳定的必要条件,稳定性条件对数值计算中的时间步长提出限制要求。通过有限元算例验证了分析的正确性,计算结果也表明理论推导得到的稳定性公式能够准确预测满足计算稳定性条件要求的最大时间步长与各参数之间关系。

电力系统结构保持模型相关不稳定平衡点方法的判别算法研究

概述了现有基于结构保持模型的判定方法及存在的问题。在结合两者优点的基础上,提出了一种新的稳定性判定方法——扩展Controlling UEP(ECUEP)方法。为了提高该方法的实用性和准确性,建议用数值仿真来替代一部分能量函数值的比较,并据此提出一种称为Hybrid ECUEP的扩展方法。

稳定快速排序算法研究

快速排序算法与其他算法相比是相当有效的排序算法,但此算法并不完善,它是不稳定的。为此,对快速排序算法进行改进,在每次对数据分割时,对需要移动的数据先分别顺序拷出并保存,分割结束前再按要求分别顺序拷入,使得新排序算法是稳定算法。理论分析和实验数据表明,在任何情况下,稳定快速排序算法都是稳定的,并且其他性能不比快速排序算法和归并算法差。

高程梯度性质和算法不确定性的初步分析

高程梯度指高程在平面坐标中x和y两个方向上的变化率。在坡度算法θ=(p2+q2)/2中分别用p和q表示,因为高程梯度p和q算法的不同而衍生出多种坡度算法,因此对p,q算法性质和精度的研究是坡度算法精度评价的基础。选取陕西省绥德县、秦岭、黑龙江省拜泉县的三个样区,基于7种不同算法计算了高程梯度(p和q),并对其统计分布特征、空间结构特征、p和q相互关系、算法稳定性与不确定性等进行了分析。结果表明:(1)p和q均值为零,相互独立,方差相等,呈正态分布;(2)各种算法均能表现局地结构和样区之间的差异;(3)从算法稳定性、精度等方面看,Evans-Young算法,特别是经过Shary改进的Evans-Young算法的效果最佳。

基于混合差分进化算法的地球物理线性反演

地球物理反问题线性化处理之后,各种反演算法归结为对病态线性方程组的求解.为了快速准确地计算出地球物理参数,本文提出了一种全新的基于LSQR算法的混合差分进化算法(Hybrid Differential EvolutionAlgorithm,HDE).该算法利用LSQR算法给出DE算法的初始种群,提高DE算法的计算速度和稳定性.在不同噪声水平下,对四种正则化方法Tikhonov、TSVD、LSQR和HDE的反演结果进行详细比较.理论模型和实际数据反演的结果都表明:改进的HDE算法应用于地球物理反问题的求解是成功的:反演结果与原设定模型具有较高的相关性,在稳定性和准确性上较常规的反演算法都具有一定的优势;而且不需要给定正则化参数,具有更强的实用性.

一种稳定的高精度双变网格正演模拟与逆时偏移方法

双变网格正演模拟方法因其低存储、高效率等优势,在刻画地下小尺度异常体,尤其是超深部微结构方面发挥了越来越重要的作用。变网格正演模拟方法在实现过程中需要考虑两个问题:网格步长变化处的虚假反射和长时间采样下的不稳定性。从理论上推导了虚假反射误差的数学表达式,分析了虚假反射影响因素,并通过引入Lanczos滤波算子,实现了一种基于交错网格的稳定且高精度的双变网格正演模拟算法。模型正演试算结果表明,在超长采样时间迭代测试下本算法依然稳定,且虚假反射也得到明显压制。随后,将双变网格波场延拓算子应用于偏移成像过程,实现了双变网格逆时偏移算法。裂缝储层模型的成像结果表明,双变网格逆时偏移方法能够以较小的内存,较为准确、高效地成像地下微小构造。

混合式遗传算法在机械优化设计中的应用

针对机械优化设计 ,提出了一种混合式遗传算法 (HGA)。该算法和现有的几种MGAs相比 ,不仅保证了全局收敛 ,而且提高了算法收敛速度和稳定性。应用于某水下航行器优化设计的实例 ,显示了该算法的优越性能 ,也展现了遗传算法在机械优化设计中的广阔应用前景。

综合等负荷函数法的逆向算法

讨论了“综合等负荷函数法”的改进 ,将原有正向迭代 ,改为温度—厚度的正反向交叉迭代 ,并通过在迭代中过程中人为增加负荷余量和采用新的迭代参数 ,极大地改善了目标函数性态和算法的稳定性 ,为该方法的实时在线应用奠定了坚实的基础。

基于Monte Carlo仿真的小概率事件评估算法稳定性研究

应用极值理论对小概率事件进行评估的过程中,运用仿真的方法突破了客观条件对评估样本数量的限制,样本选取数量与评估概率的关系以及极值风险评估算法稳定性是亟待讨论的理论难点问题.以飞行风险为研究对象,分析了对评估稳定性造成主要影响的随机性因素,建立了用于稳定性分析的综合考虑"物理特性"和"随机特性"的典型人-机系统仿真模型.根据仿真评估结果,归纳了评估概率随样本数量的变化规律和Monte Carlo仿真对评估稳定性的影响,提出了合理选取样本数量和评估次数的方法.研究内容可为提高小概率事件评估的稳定性、减小评估误差提供参考和借鉴.

在线序列ELM算法及其发展

目的综述在线序列ELM算法及其改进,为相关研究者提供该研究方向的发展历史和最新结果。方法从在线序列ELM的基本思想与基本理论出发,通过分析总结其优点与不足,概括基于不同角度的在线序列ELM算法改进。结果对在线序列ELM算法及其发展进行了全面系统的分析、归纳和总结。结论在线序列ELM算法的主要发展方向可聚焦于:如何建立新的可调整网络结构的在线序列ELM算法,以及如何提高算法稳定性两个方面。

引入梯度下降的蚁群算法求解多约束服务质量路由

针对目前多数改进蚁群算法求解多约束服务质量路由(Qo SR)存在收敛速度慢、易陷入局部最优从而效率不高的问题,提出一种引入梯度下降的蚁群算法(ACAGD)。该算法将梯度下降法引入到蚁群的局部搜索中,结合残余信息素,综合决定蚂蚁的下一跳选择策略。蚁群不仅以一定概率按照信息素浓度搜索下一跳,还将以一定概率按照梯度下降法搜索下一跳,从而降低传统蚁群算法容易陷入局部最优的可能性。利用Waxman网络模型随机生成不同路由节点数量的网络拓扑进行仿真实验。实验结果表明,ACAGD相比其他改进蚁群算法,能够在收敛速度不受影响的情况下,取得综合代价相对较低的路由,且算法的稳定性较好。