不确定需求下无人机任务分配的两阶段鲁棒优化方法

灾害场景下依托无人机配送资源应用前景广阔,但应急场景环境复杂多变,各类突发事件在时空上的不确定性会导致目标点对资源需求评估的不准确,进而影响到资源配送中无人机任务分配方案.针对此问题,在无人机任务分配模型中引入两阶段鲁棒优化方法.模型通过将无人机分配和任务分配相结合,充分利用无人机集群资源,实现需求变化最大化时的任务分配成本最低.本文对受伤人数等级与资源需求变化关系建模,将资源需求划分为3个等级,实现了任务分配总成本变化的精确化表达,并采用列和约束生成(Column-and-Constraint Generation,C&CG)算法实现了资源需求不确定条件下的无人机任务分配.最后设计了3种类型的实验,仿真结果验证了算法的有效性和优越性,相比确定性模型,该算法在应对需求变化时展现出更好的鲁棒性.

属性权重动态更新的自适应群体共识决策方法

为了提高不确定语言环境下异构多属性群决策的质量、效率及可解释性,提出一种属性权重动态更新的自适应群体共识决策方法。首先,定义不确定语言变量与中间值之间的转换函数,发展多级共识测度,建立计算属性初始权重的双目标优化模型;进而,构建包含群体共识自动达成规则和属性权重动态更新机制的自适应共识模型,实现待调整值的精准定位和自动修改,在优化属性权重的同时进一步提升群体共识水平;然后,对于达成共识的群体决策矩阵,先利用转换函数将中间值转换为不确定语言变量,再使用属性权重和集结算子得到各方案的综合评价结果;最后,通过供应商选择实例和实验比较分析验证所提方法的有效性和可行性。本文研究结果为灵活、高效地求解复杂环境下的多属性群决策问题提供了有效途径。

铁路工程技术接口施工工序多目标协同优化研究

为解决铁路工程技术接口施工时多主体、多任务、多工序协同度不高导致的停工、资源冲突等问题,从多目标协同优化的角度对铁路工程技术接口施工工序进行研究。从系统整体的角度出发,对各个接口任务进行全方位、全过程、全要素的动态协同管理,实现分布式资源的协同与共享。利用Pareto最优原理,基于NSGA-Ⅱs算法,建立不确定环境下技术接口工期-鲁棒性-资源的多目标均衡优化模型,求得一系列Pareto最优解集,实现各个目标的协调优化。以某铁路标段桥隧连接处为例,对其技术接口进行多目标优化分析,得到23个接口工序调度方案的最优解集,并结合接口实施的实际情况,对其工期、鲁棒性和资源的需求作出优化决策,为技术接口工序工期和资源的合理安排提供参考。

不确定多智能体系统的事件触发自适应一致控制

研究了一类带扰动的不确定多智能体系统的一致性问题。首先,利用局部状态信息建立状态和扰动观测器,对状态和扰动进行估计,利用估计值消除扰动。其次,将动态事件触发机制应用于一致性控制协议的设计过程中。引入事件触发机制,只有在满足触发条件时进行控制器更新,可以明显减少系统的触发量。最后,构造出不确定多智能体系统的一致性控制协议。引入自适应动态控制参数,利用与事件误差相关的自适应律对参数进行调整,避免了对全局信息的依赖。同时,利用李雅普诺夫(Lyapunov)稳定性理论证明了所提出的控制协议是稳定的,所设计的动态事件触发机制不具有芝诺(Zeno)行为。仿真实例验证了算法的有效性。

面向多源不确定性数据的往复压缩机决策级融合诊断方法

为解决不确定性高的数据源使多源信息融合诊断模型精度降低的问题,提出1种面向不确定性数据的往复压缩机决策融合诊断方法。构建基于GRU-AlexNet网络的初步诊断模型,得到往复压缩机各传感器信号的初始诊断结果,并引入余弦相似度与置信熵的概念构建联合指标改进传统DS证据理论,结合初步诊断结果进行多源信号决策融合诊断。研究结果表明:在对往复压缩机故障的加速度、位移、压力信号(不确定性数据)融合诊断试验中,融合诊断准确率高达99.98%,相较于单一信号源诊断结果分别提高约9.27,5.13,48.30个百分点。该方法可在较大程度上降低不确定性信息对于融合诊断结果的影响,具有良好的容错性与稳定性,可有效提高往复压缩机使用过程中各类故障识别的准确性,进而提高设备的稳定性,保证其良好工作状态。研究结果对保障相关企业安全生产、提高设备产出能力具有重要参考意义。

基于Luenberger观测器的不确定系统鲁棒状态反馈设计

针对不确定系统测量输出矩阵含有不确定参数的问题,提出一种基于新龙伯格(Luenberger)类型观测器的鲁棒状态反馈设计方法.首先,针对实践中状态变量难以测量的问题,通过观测状态的反馈来进行观测器设计,考虑不确定系统中测量输出矩阵含有不确定参数的情况,设计一种新龙伯格类型观测器;其次,在新龙伯格类型观测器基础上,结合多仿射表示和松弛变量框架,得到与李亚普诺夫函数相关的凸线性矩阵不等式(LMI)条件,进而对闭环系统进行基于线性矩阵不等式组的鲁棒稳定性分析;最后,通过实验检验上述条件的可行性,证明该方法的实用性和有效性.

PRNet:渐进式消减不确定区域的息肉分割网络

由于息肉图像的自动分割病灶区域大小不一和边界模糊,从而导致分割精度较低.针对这两个问题,本文提出先定位后逐步精细的渐进式消减网络(Progressive Reduction Network,PRNet).该网络采用Res2Net提取病灶区域特征,利用多尺度跨级融合模块将注意融合机制与跨级特征结合,有效应对病灶区域多尺度问题,提升定位准确度.在自上而下恢复图像分辨率的过程中,引入不确定区域处理模块和多尺度上下文感知模块.前者通过设定递减的阈值逐步挖掘息肉边缘信息,增强边缘细节特征的识别能力;后者则进一步探索病灶区域周围潜在的上下文语义,提升模型的整体表征能力.此外,本算法还设计了一个简单的特征过滤模块,用于筛选编码器特征中的有效信息.在Kvasir-SEG、CVC-Clinic和ETIS数据集上的实验结果表明,所提算法的Dice系数分别达到了92.09%、93.05%和74.19%,优于现有的息肉分割算法,展示出了较好的鲁棒性和泛化性.

子系统间信息耦合的不确定多智能体系统DMPC

针对子系统间存在控制输入和系统状态耦合且系统中带有不确定性的多智能体系统(MAS),提出了一种分布式模型预测控制器设计方法。描述了存在不确定性的多智能体系统的平行结构特征,给出了整个系统的约束条件以及子系统间存在的控制输入和系统状态耦合;利用线性矩阵不等式(LMI)方法,将Min-Max优化问题转换为线性规划问题,设计出每个子智能体的模型预测控制器,并可以保证系统稳定性;仿真结果验证了所设计控制方法的有效性。

一种不确定模态缺失的多模态对抗虚假新闻检测框架

当前虚假新闻的检测方法已经从传统的单一模态数据分析转向了多模态数据融合技术的应用。然而现有的多模态虚假新闻检测方法未充分考虑到现实场景中可能存在的模态缺失问题。模态的缺失可能会导致无法完整地抽取和融合新闻特征,从而降低模型的性能。该文提出一种新的虚假新闻检测框架,该框架在多模态特征学习中,加入了一个模态鉴别器,其在与特征生成器进行对抗训练的过程中学习不同模态组合之间的迁移特征,实现了在不确定模态缺失场景下的虚假新闻检测。通过在真实数据集上进行实验证明,该文所提出的框架在不确定模态缺失场景下优于最新的多模态虚假新闻检测方法。

Multi-Agent模式下的城市暴雨内涝应急决策方法研究

为厘清应对暴雨内涝灾害动态决策过程中决策主体、决策、决策方案等决策要素间的不确定关系,提出1种多主体(Multi-Agent)和贝叶斯决策网络(BDN)相结合的应急决策方法。首先分阶段构建“主体-任务”可视化网络,分析暴雨内涝灾害各应急阶段的主要任务和参与的决策主体;在考虑到决策要素间的动态不确定性可能造成决策风险的前提下,运用Multi-Agent和BDN方法探究各决策要素间的影响关系,以便进行方案集优选。研究结果表明:该方法具有实用性和现实意义,研究结果可为城市暴雨内涝灾害的应急决策提供理论参考。

基于信任的交互式群体共识建模及其应用

针对社交网络中多属性群体决策问题中评价信息类型不一致的情况,提出一种新的基于边界信用的社交网络多属性群体共识评价方法。研究将不确定的语言信息转换成可以计算的矩阵,引用信任与不信任作为参与者建立社交网络的变量,使用多种衡量手段计量共识度,使用最小调整反馈机制得出超过阈值的评价矩阵共识度。最后通过算例验证所提方法的有效性和合理性。算例结果表明,该方法不仅能够有效地将参与者间的信任结合到多属性评价中,而且能够以最小调整成本达到群体共识,使得决策结果更加客观,具有应用价值。

基于证据理论的多任务抢修重要度决策

针对多任务抢修重要度决策中信息类型多样、描述不确定、传递不完整、历史无记录的现象,建立了基于证据推理的重要度决策指标体系和决策模型。将不同类型定性和定量决策信息通过相应的方法转换为同一框架下的基本信度效用值,然后根据各决策信息的重要度,通过证据理论合成方法对各因素基本信度效用值进行分类逐层合成,并根据决策信息中非空信息数量提出了重要度决策的量化方法。仿真算例验证了该方法的有效性。

基于机会约束的水库调度随机多目标决策模型

由于传统水库调度模式难以同时考虑多个目标及缺乏协调优化调度过程中风险和效益的能力,从而不能全面反映水库实际调度运行的情况。对入库径流的随机性进行描述分析,建立了基于机会约束规划的随机多目标决策模型。并针对模型中的多目标和复杂机会约束问题,给出了耦合不确定模拟技术、妥协算法及遗传算法的混合智能算法的求解方法,以获得最佳妥协解。以三峡—葛洲坝梯级水电站水库群为例进行验证分析,结果表明,该模型能事先对梯级水电站水库群的风险和效益进行比较分析,为调度人员的优化决策提供一定的技术支持。

球磨机多模型控制系统

提出了一种用于多变量模型不确定性控制的方法 ,克服了常规解耦设计没有考虑模型的不确定性 ,当对象模型摄动时解耦效果可能退化的缺陷。其要点是把整个工作范围按工作特性划分为若干个子区间 ,并以确定性模型表示。运用该概念 ,从对角优势化的定义出发 ,提出一种基于多模型的多变量控制系统逆奈奎斯特阵列设计方法 ,并应用于火电厂球磨机控制系统设计。从各模型对应的 Gershgorin带及以单位阶跃作为输入的仿真结果可看出 ,所设计的多变量解耦控制系统具有较强的鲁棒性和满意的调节品质 ;且在不增加设备投资的情况下 。

基于多粒度不确定语言和前景理论的应急方案选择

针对突发事件的复杂性和决策团队损失规避的心理行为特征,提出了基于多粒度不确定语言和前景理论的应急方案选择方法。首先,决策成员使用偏好的不确定语言短语表征各项关键指标的重要性,使用转换函数对这些多粒度不确定语言信息进行一致性转换;在此基础上,通过不确定的扩展加权平均算子得到群体评估向量,进而采用不确定语言决策理论得到各项关键指标的权重向量;引入前景理论的思想,计算采用不同备选方案情况时各项关键指标不同场景的价值和感知权重;进一步,将采用不同备选方案时关键指标的感知价值和权重向量集结,得到各个备选方案的综合感知价值,并据此确定最优的应急方案;最后,通过一个实例验证了所提方法的实用性和有效性。

多源不确定信息融合中的冲突证据快速合成方法

D-S证据组合规则在处理高冲突信息时,会得出与直觉相反的结论以及证据组合时计算量呈指数增长等问题。针对组合规则的不足,许多改进方法已提出,但各个方法都仍存在其局限性,如Murphy方法在很大程度上解决了冲突证据问题,并未解决计算量指数爆炸问题。基于对Murphy方法深入研究,归纳出相同证据的组合规律,给出了Murphy方法快速表达式,从而提出了一种快速的Murphy组合规则(fast Murphy combinationrule,FMCR)。实验表明,新的组合规则在处理高冲突和多源不确定信息融合问题方面都是有效的,在保持Mur-phy组合规则计算正确性同时,显著地提高了计算速度。

不确定信息条件下的车间调度策略研究

为了在不确定的车间信息环境下做出正确的调度策略,提出了一种支持多目标和多优先级车间调度策略的随机规划模型,并给出了求解算法。该模型的求解通过包含3个步骤的混合智能算法来实现,首先利用随机仿真生成近似的样本数据,然后利用神经网络进行不确定目标和约束函数的逼近,并用遗传算法最终完成对多目标优化解的搜索。最后,通过一个汽车企业模具制造车间中调度问题的实例,验证了该模型和算法的有效性及实用性。

基于不确定信息的移动机器人地图创建研究进展

移动机器人自主的地图创建是机器人研究中一个基础且重要的问题 .本文对该领域的最新进展进行了综述 ,特别侧重于在完全未知环境中基于不确定信息的地图创建问题 .首先介绍了单机器人的地图创建方法 ,详细分析了地图表示方法、导航问题、不确定信息的描述和处理等关键技术 ;对多机器人协作的地图创建问题也根据最新文献进行了论述 .文中指出了机器人地图创建研究中所面临的主要问题 。

一种具有多粒度不确定语言信息的群决策方法

针对具有多粒度不确定语言信息的群决策问题,运用不确定语言信息运算法则计算各决策者关于方案的综合不确定语言信息.依据不确定语言信息优势可能度的定义,计算各决策者关于方案的优势可能度矩阵.运用OWA算子集结各决策者关于方案的优势可能度矩阵并计算各方案的排序值.通过一个应用实例说明了该方法的可行性和有效性.

基于改进不确定语言多属性决策的设计方案评价

为减少语言型评价对设计方案决策的不利影响,提出了粗糙集与不确定语言多属性决策方法相结合的设计方案评价模型。客户需求的模糊性增强了设计方案的非唯一性,需要对满足相同或类似需求的多个方案进行评价和择优。通过建立面向方案集的多属性体系,对各方案进行特定属性或属性集条件下的语言型评价,由此得到多属性评估矩阵。同时,将粗糙集中属性重要性计算嵌入不确定语言多属性决策方法,在明确各属性重要性程度的基础上进行方案决策,以提高算法的客观性和有效性。在此基础上,运用不确定拓展有序加权平均算子,对各方案进行评价计算,得到特定属性集合综合影响下的相对合理方案。