变容量限制多阶段存储问题及其求解算法

本文给出了求变容量限制多阶段存储问题的最优存储方案的一个数值算法，证明了它的理论依据，并举例说明了算法的应用。该算法具有概念清楚、步骤明确、收敛性好、易于编程实现等优点，在存贮管理中有推广应用价值。     

基于球空间极近距离障碍物的超声检测方法

以机器人工作空间的障碍物检测为研究对象，提出了一种不同于传统的超声测距的新的检测方法——研究球空间极近距离障碍物的超声波测距理论和利用相关算法进行信号处理实现抗多径干扰，提高了超声波测量的精度。利用特殊分布的超声传感器阵列进行超声测距和球面三点定位的原理，不仅可以检测出障碍物的空间距离，还可以检测出障碍物的空间方位。     

虚拟阵列测向性能分析

针对相干信号源测向以及模糊的实际问题,提出一种基于任意形状平面阵列的测向方法。经计算机仿真,证明该方法的有效性。     

航空发动机PID控制参数优化的改进遗传算法

提出一种基于参考模型特征指标的P ID控制参数寻优算法。采用遗传算法(GA)优化某型涡扇发动机P ID控制参数,以理想二阶系统作为参考模型,将其与实际闭环系统输出差值平方的时间积分作为系统的适应度函数。设计过程中只需选择二阶系统的自然频率和阻尼比就能准确地实现期望的动态和稳态性能。与传统的基于系统性能指标加权的适应度函数相比,新的适应度函数计算方法避免了加权系数与系统响应形式没有明确对应关系的缺陷。新方法所选参数物理意义明确,算法简单,易于实现。     

RBFE人工神经网络在四组分络合滴定中的应用

本文用非线性的方法来解决多组分金属离子体系同时测定的问题。在此我们用MATLABv5 .3编写了BP网络和RBFE网络并比较了它们在校正时的情况 ,发现在此体系中RBFE网络优于BP网络。络合滴定是在不加缓冲液的情况下直接滴加入EGTA ,并讨论了滴定体积V与溶液的pH值和溶液中金属离子的初始浓度C0M之间的关系 .最后 ,我们将RBFE网络应用于四组分金属离子CuZnPbCd的同时测定     

求多边形最小包容矩形的遗传算法

建立了求任意多边形包容矩形的数学模型 ,将求最小包容矩形问题转化为函数优化问题 ,并用遗传算法求得函数的最优解     

GENERATION AND APPLICATION OF UNSTRUCTURED ADAPTIVE MESHES WITH MOVING BOUNDARIES

INTRODUCTIONMany engineering applications require thenumerical prediction of strongly unsteady flowsinteracting with moving bodies.A case in pointis that the detailed calculation of sphere motionsin an unsteady field induced by blast waves is akey issue to determine the drag force exerting up-on the sphere by the surrounding gas and,inturn,to reveal the mechanism of unsteady effectson the drag coefficient.To cope with such pro-blems,one should simulate unsteady flows withmoving boundary co…     

基于SOVA的并行级联空时格码的译码算法

并行级联空时格码调制(Turbo—STCM)将并行迭代译码结构(Turbo)应用于空时编码，可以极大地提高空时格码的编码增益。本基于一种改进的(Soft—output Viterbi a1gorithm，SOVA)译码算法，提出了针对Turbo—STCM的并行迭代译码方案。仿真结果表明，在保持分集增益的前提下，Turbo—STCM和原始的空时格码调制相比，编码增益有了极大的提高．同时采用该SOVA算法译码复杂度低，速度快，更利于实际系统的开发实现．     

基于实值编码遗传算法的起重机伸缩臂结构优化

实值编码遗传算法(RCGA)的染色体空间和问题解空间是同一个空间，较好地解决了二进制编码遗传算法(BCGA)存在的求解精度和冗余代码等问题；给出了改进的交叉和变异操作算子；RCGA自然集成工程领域知识．弥补BCGA语义的不足．就实现而言．RCGA可有效继承常规数值算法的代码。因此，RCGA更适合有连续变量的复杂的工程数值优化问题。本文建立了多工况的基于惩罚的RCGA模型用于起重机伸缩臂的优化设计，该模型比常规方法更符合工程实际，优化结果令人满意，证明RCGA在工程设计中有实用意义。     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。