简介:存在监控冲突的天基中段预警传感器调度优化是一个动态、高维、复杂多约束的非线性优化问题,其解空间的高维度与状态复杂性直接制约了智能优化算法的运用。本文以任务分解与任务复合优先权计算为基础,通过二级分离机制将解空间维度与状态复杂性降低至适于连续蚁群(continuousant-colonyoptimization,CACO)处理的全局优化形态,构建出相应的优化子路径集.在此基础上,针对监控冲突导致的状态变化特性,从局部搜索递进与募集的角度提出适于传感器调度优化的MG-DCACO(doubledirectioncontinuousant-colonyoptimizationbasedmassrecruitmentandgrouprecruitment)算法,成功将智能优化算法应用于基于低轨星座的天基中段预警中.最后对算法的收敛性进行论证,并通过与已有规则调度算法的对比得出MG-DCACO算法可获得优于规则调度算法的全局最优解。
简介:基于等级特征与可变信息板(VMS)研究了交叉巢式Logit(CNL)模型及网络交通流分配。综合幂函数与指数函数表示方法给出新的信息效用衰减因子,结合道路等级特征表示VMS对车流的影响系数及CNL模型的分配系数;给出等级结构道路网络的随机用户均衡条件下的交叉巢式Logit路径选择模型及其等价数学规划,并设计网络流分配算法。通过实例网络的计算与分析,得到一些有意义的结论:等级结构越显著的路网总出行时间费用越低且其分散参数(θ)弹性绝对值越大;对具有较强随机性的实际路网,若增加一定的确定性则节省更多网络总出行时间;道路网络中设置了VMS时总出行时间受分散参数的影响更小。
简介:为解决一次性n人囚徒困境中局中人如何走出困境的问题,引进了背叛惩罚函数及其严厉度和参与人的背叛愿意度等概念,并用数学论证法证明了如下结果:(1)参与人的背叛愿意度都不超过1。(2)背叛愿意度越大,这个参与人越愿意背叛;(3)背叛愿意度为0零时,这个参与人是否背叛其赢得一样;(4)当背叛愿意度取负数时,其绝对值越大,参与人的合作积极性越大。得到博弈结果的判定法:(1)计算各参与人的背叛愿意度。(2)若至少有一个参与人愿意背叛,则全体参与人都背叛。(3)若全体参与人都愿意合作,则合作成功。例子表明,本结果在理论上可有效地解决中局中人如何走出困境和在给定惩罚机制下博弈结果的预测问题。
简介:为了解决M/M/c模型在实际运用中模拟精度不高及使用范围有限的问题,本文立足系统状态变化与输入率和服务率的关系,通过引入输入概率和服务度,构建依赖系统状态的递进式输入率和服务率。递进式输入率和服务率通过研究系统实际运行状况设定临界值,其中输入率分为两阶段,服务率分为三阶段。此外,结合递进式输入率和服务率及排队论状态转移过程构建了递进式M/M/c模型,并采用后确定法确定模型参数。递进式M/M/c模型是M/M/c模型的扩展形式,提高了M/M/e模型的模拟精度,在一定程度上拓展了模型的应用范围。最后,通过一个生活实例验证了递进式M/M/c模型的优化性和实用性。