无线传感网络中神经网络路由算法

针对大规模传感网络的特点,提出了一种新的神经网络的路由优化算法。该算法在满足时延约束条件下能快速选择出最小能耗的优化路由。同时文中给出能量函数各参数之间的关系,并证明了通过适当选取参数,可保证网络的可行解将是渐进稳定的。计算实例表明了该算法的可行性。最后通过不同规模的网络仿真,显示该算法可有效地用于大规模无线传感网络。     

LEO卫星网络的多业务类QoS路由算法(英文)

随着大量多媒体应用的服务质量(Quality of service,QoS)多样化发展、多业务的QoS路由算法成为低轨道(Low earth orbit,LEO)卫星网络的研究热点。提出了一种新的多业务卫星QoS路由算法。该算法的目标是为不同业务类提供各自的服务质量,同时提高网络资源利用率。该算法按照QoS要求将业务划分成3类,并为其分配优先权,然后采用优先排队机制为高优先级的业务提供更好的传输质量保证。以马尔可夫过程理论为基础建立阻塞概率分析模型来控制网络拥塞。最后该算法根据业务的QoS要求和网络资源状态,以获得分类的链路代价为依据计算出不同业务类的路由。仿真实验验证了该算法在不同时间和不同地区的性能,结果表明其在平均延迟和阻塞概率方面具有显著优势。同时,也讨论了该算法的鲁棒性能。     

基于Hopfield神经网络的非线性系统故障估计方法

针对一类故障参数是线性可分的非线性系统,在参数故障情况下提出了一种基于Hopfield递归神经网络的故障估计方法。利用Hopfield递归神经网络的自学习能力和稳定性理论,将故障参数的估计问题转化为Hop-field神经网络的稳定性问题,克服了现有数值方法存在量化误差和算法收敛性等问题。与自适应观测器和等价空间方法等相关故障参数估计方法相比,具有设计简单、易于实现和适用性宽等特点。仿真结果表明,对于常值故障和时变故障,诊断系统均具有较好的估计效果和动态性能。     

随机需求情形VRP的Hopfield神经网络解法

在涉及物资分发与收集或提供服务的诸多部门中有着各种各样的ＶＲＰ（车辆路由问题）,现有的对于ＶＲＰ的研究主要集中在需求是确定性的情形。由于实际情况中需求往往是随机的,随机性需求情形ＶＲＰ的研究近年来得到了国内外学者的重视。本文利用Ｈｏｐｆｉｅｌｄ人工神经网络解组合最优化问题时计算量不随维数指数增加这一优点,针对一类随机需求情形ＶＲＰ给出了一种Ｈｏｐｆｉｅｌｄ人工神经网络解法。文中描述了相应于该ＶＲＰ     

智能制造系统调度的一种随机神经网络求解法

首先提出了调度系统的概念，即智能控制系统智能调度应从整体指标出发，综合研究集零件加工智能调度和产品装配智能规划于一体的调度技术，然后，给出了智能控制系统智能调度的神经网络模型的能量函数，并讨论了一种改进的模拟退火过程来求解最优解的方法。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。     

Golay码的神经网络译码算法

本文提出了Golay码的一个神经网络译码器N(23,12),证明了Golay码的最大似然译码等价于N(23,12)收敛于能量函数的全局稳定状态。N(23,12)是一个异步的组合逻辑电路,能用12个大数逻辑门和77个异或门电路来实现。根据Golay码的循环结构,本文还提出了一个神经网络译码算法。计算机模拟表明,该算法达到了Golay码的纠错能力,并且,译码速度优于Kasami的修正捕错译码算法。新算法作为一种完全译码算法,不仅适用于Golay码,而且适用于任何循环码,特别是平方剩余码的译码。     

神经网络BP算法预测可靠性增长

叙述可靠性增长的基本概念和神经网络BP算法,着重探讨BP算法用于可靠性增长预测的可能性。通过两个实例的预测结果,与常用的可靠性增长参数模型Duane,Gompertz的结果相比较。实例表明,该方法是可行的,而且是有效的,适应性强。可以预料,它不但能用于仪器设备试制过程中预测可靠性增长,而且可用于武器装备在储存过程之中可靠性下降的预估。     

人工蜂群优化BP神经网络的太阳电池阵电流预测

通过对卫星太阳电池阵输出电流影响因子进行分析,提出了一种基于人工蜂群（Artificial bee colony,ABC）算法优化BP神经网络的太阳电池阵输出电流预测方法。将太阳入射角、卫星太阳电池阵工作温度、卫星星时等遥测量变换后作为神经网络输入,进行输出电流预测。考虑到神经网络对初始权值及偏置敏感的特点,采用ABC改进算法对神经网络初始参数进行优化。该模型可用于卫星太阳电池阵电流输出能力分析、太阳电池阵预警及异常检测等。实验测试表明,模型能够取得较高预测精度,同星预测均方根误差（Mean squared error, MSE）为0.10 A,跨星预测均方根误差为0.12 A,其精度明显优于传统数据拟合方法。利用该模型及本文提出的预警策略进行预警,对于7年5个月的正常卫星数据没有发生误报,对于某异常卫星数据能够及时进行预警。     

两种类型车辆随机需求路由问题

主要研究两种类型车辆随机需求路由问题。因为两种类型车辆随机需求路由问题的处理不同于单类型车辆随机需求路由问题，引进了单位容积和路程的花费的新概念，在服务仅能失败一次的情况下，结合车辆的容积和最大服务结点数，根据平均花费和最大服务结点数之间的关系，得到了两个派车策略，节约了计算量，使得两阶级的模拟退火算法能更有效地解决问题。对需求为二项分布下的VRP（Vehicle routing prolem）问题作了数值实验，给出了派车方案和总的平均花费，得到了较好的结果。     

神经网络在直升机概念设计中的应用

运用人工神经网络算法得到了单旋翼布局直升机的总体参数和部件重量估算方法,为直升机方案论证初期提供了一个快速有效的决策手段.对神经网络应用了多种训练算法,并与传统回归公式进行比较,可以发现采用BR训练算法的神经网络具有比传统回归方法更好的非线性表达能力,同时又表现出比LM,SCG等常规训练算法更好的范化能力,对训练样本和检验样本都有较高的估算精度,适用于型号设计初期的参数估算.