An Enhanced Particle Swarm Optimization Algorithm

Particle Swarm Optimization (PSO) algorithm is often used for finding optimal solution, but it easily entraps into the local extremum in later evolution period. Based on improved chaos searching strategy, an enhanced particle swarm optimization algorithm is proposed in this study. When particles get into the local extremum, they are activated by chaos search strategy, where the chaos search area is controlled in the neighborhood of current optimal solution by reducing search area of variables. The new algorithm not only gets rid of the local extremum effectively but also enhances the precision of convergence significantly. Experiment results show that the proposed algorithm is better than standard PSO algorithm in both precision and stability.

五轴框架式机器人激光加工系统 轨迹算法研究

在集成化智能激光加工系统工作原理的基础上提出了五轴机器人的激光加工轨迹算法。将三维离散数据点集拟合为空间参数曲面，在此参数曲面上规划五轴激光加工的等距轨迹。给出了冲压模具激光强化加工实例。取得了理想的加工效果。

五轴框架式机器人激光加工系统轨迹算法研究

在集成化智能激光加工系统工作原理的基础上提出了五轴机器人的激光加工轨迹算法。将三维离散数据点集拟合为空间参数曲面，在此参数曲面上规划五轴激光加工的等距轨迹。给出了冲压模具激光强化加工实例，取得了理想的加工效果。

a real-time path planning approach without the computation of cspace obstacles

An important concept proposed in the early stage of robot path planning field is the shrinking of the robot to a point and meanwhile expanding of the obstacles in the workspace as a set of new obstacles. The resulting grown obstacles are called the Configuration Space (Cspace) obstacles. The find-path problem is then transformed into that of finding a collision free path for a point robot among the Cspace obstacles. However, the research experiences obtained so far have shown that the calculation of the Cspace obstacles is very hard work when the following situations occur: 1. both the robot and obstacles are not polygons and 2. the robot is allowed to rotate. This situation is even worse when the robot and obstacles are three dimensional (3D) objects with various shapes. Obviously a direct path planning approach without the calculation of the Cspace obstacles is strongly needed. This paper presents such a new real-time robot path planning approach which, to the best of our knowledge, is the first one in the robotic community. The fundamental ideas are the utilization of inequality and optimization technique. Simulation results have been presented to show its merits.

一种改进的自适应逃逸微粒群算法及实验分析

分析了变异操作对微粒群算法（panicle swarm optimization，简称PSO）的影响，针对收敛速度慢、容易陷入局部极小等缺点，结合生物界中物种发现生存密度过大时会自动分家迁移的习性，给出了一种自适应逃逸微粒群算法，并证明了它依概率收敛到全局最优解．算法中的逃逸行为是一种简化的确定变异操作．当微粒飞行速度过小时，通过逃逸运动使微粒能够有效地进行全局和局部搜索，减弱了随机变异操作带来的不稳定性、典型复杂函数优化的仿真结果表明，该算法不仅具有更快的收敛速度，而且能更有效地进行全局搜索．

增量式个性化推荐系统研究

互联网个性化推荐系统(Internet personal recommender systems)是根据用户的兴趣推荐最相关的互联网信息给用户的系统。在网上信息过载矛盾越来越严重、用户信息检索的个性化需求日益增强的现状下，推荐系统已经在搜索引擎、电子商务、网上社区等互联网关键应用中起到了关键性的作用，并且越来越受到重视。 然而，在大型网站上部署一个成熟推荐系统的代价依然很大，需要大量的计算和存储资源，推荐的准确性也依然有很大提升空间和需求，这就为推荐系统的研究提供了很多挑战。在这些挑战中推荐算法的准确性和可扩展性一直是该领域最为关注的两个问题，所谓推荐的准确性是指推荐的信息中用户真正感兴趣的比例，而可扩展性指的是系统能否在可容忍的时间和空间复杂度内处理海量的数据。如何在提高算法推荐准确性的同时增强算法的可扩展性是推荐系统改进的主要研究目标。然而，目前学术界的研究更多侧重于提高推荐算法的准确性，而对于可扩展性，很多准确性很高的算法由于需要比较复杂的计算，处理大规模动态数据的能力往往比较有限，并且它们的评测实验中并没有将可扩展性纳入到评价范畴，导致这些算法目前还很难在工业界大规模应用。 本论文的研究试图解决这一问题。通过在推荐算法中借鉴增量学习(Incremental learning)的思想，即考虑最新的训练数据来更新原有的机器学习模型，不需要或仅需要参考部分旧的训练数据，相对于使用全部数据也即批量的处理方式，增量式改进可以大大降低模型更新的复杂度，从而可以大幅度提高推荐算法在遇到新的训练数据时推荐模型更新的效率，降低计算代价，使得推荐模型的更新可以更加及时，进而提高推荐结果的准确性。具体来说，我们在提出了两种新的增量式协同过滤算法的同时，采用增量式学习的方法对目前准确性最好的若干推荐算法进行加速，特别是提高这些算法面对新的训练数据的更新模型的速度和效率，从而为这些算法的大规模的应用提供了可能。另一方面，新的训练数据包含了最新的用户兴趣，因此相对于旧的训练数据，算法在做更新时应给予更高的权重，这样才能做到推荐的结果在考虑到用户长期兴趣的同时，特别考虑用户近期的兴趣，从而使得推荐结果更加准确。这两方面归纳起来，我们旨在通过增量式学习使得推荐算法在更新时更加高效和精确，真正适用于互联网上海量数据的推荐，同时对其他增量式推荐系统方面的研究也具有借鉴意义。我们的改进工作主要包括以下几个方面： 基于主题模型的增量式推荐算法。主题模型，特别是概率隐含主题模型(PLSA)是一种广泛应用于推荐系统的主流方法，在文本推荐、图像推荐以及协同过滤推荐领域都有着很好的推荐效果。目前制约PLSA算法取得更大成功的重要因素就是PLSA算法更新的复杂度过高，使得学习模型的更新只能做批量式处理，这样就导致推荐的时效性不高，也没有办法体现用户的最新的兴趣和整体的最新动态。我们提出了一种增量式学习方法，可以应用于文本分析领域和协同过滤领域，当有新的训练数据到来时，对于基于文本的推荐，增量式更新方法仅寻找最相关的用户和文本以及涉及到的单词进行主题分布的更新，并给予新的文本以更高权重；对于协同过滤，我们的方法仅对当前用户所评分过得物品以及当前物品所涉及的用户进行更新，大大降低了更新的运算复杂度，提高了新数据在推荐算法中所占的权重，使得推荐更加准确、及时。我们的算法在天涯问答文本数据集上和MovieLens电影推荐数据集、Last.FM歌曲推荐数据集、豆瓣图书推荐数据集等协同过滤数据集上取得了很好的效果。 基于蚁群算法(Ant colony algorithm)的协同过滤推荐方法。受到群体智能(Swarm intelligence)算法的启发，我们提出了一种类似于蚁群算法的协同过滤推荐方法——Ant Collaborative Filtering，初始化阶段该方法给予每个用户或一组用户以全局唯一的单位数量的信息素，当用户对物品评分或者用户表示对该物品感兴趣时，用户所携带的信息素相应的传播到该物品上，同时该物品上已有的信息素（初始化为0）也会相应的传播给该用户；此外，用户和物品所携带的信息素会随着时间的推移有一定速率的挥发，通过挥发机制，可以在推荐时更重视用户近期的兴趣；推荐阶段，按照用户和物品所携带的信息素的种类和数量，我们可以得到相应的相似度，进而通过经典的相似度比较的方法来进行推荐。基于蚁群的协同过滤方法的优势在于可以有效的降低训练数据中的稀疏性，并且推荐算法可以实时的进行更新和推荐，同时考虑了用户兴趣随着时间的变化。我们在MovieLens电影评分、豆瓣书籍推荐、Last.FM音乐推荐数据集上验证了我们的方法。最后，我们建立了一个互联网新闻推荐系统，该系统以Firefox插件形式实现，自动采集用户浏览兴趣和偏好，后端使用不同的推荐算法推荐用户感兴趣的新闻给用户。 基于联合聚类(Co-clustering)的两阶段协同过滤方法。聚类(Clustering)是一种缩小数据规模、降低数据稀疏性的有效方法。对于庞大而稀疏的协同过滤训练数据来说，聚类是一种很自然事实上也的确很有效的预处理方法。因此我们提出了一种两阶段协同过滤框架：首先通过我们提出的一种联合聚类的方法，将原始评分矩阵分解成很多维度很小的块，每一块里面包含相似的用户对相似的物品的评分，然后通过矩阵拟合的方法（我们使用了非负矩阵分解NMF和主题模型PLSA）来对这些小块中的未知评分进行预测。当用户新增了对于某物品的一条评分，我们仅需要更新该用户或该物品所处的数据块进行重新评分预估，大大加快了评分预估的速度。我们在MovieLens电影评分数据集上验证了该算法的效果。 本文的研究成果不仅可以直接应用于大型推荐系统中，而且对于增量式推荐系统的后续研究也具有一定的指导意义。首先基于PLSA的增量式推荐算法对于其他基于图模型的推荐系统具有借鉴价值，其次蚁群推荐算法为一类新的、基于群体智能(Swarm intellignece)的协同过滤算法做出了有价值的探索，最后我们提出的两阶段协同过滤框架对于提高推荐算法的可扩展性和更新效率提出了一个通用的有效解决方案。 推荐系统是一个无止尽的优化的过程，除了推荐精度的不断提高之外，推荐算法的性能随着互联网上数据量的增加也需要进一步提高，增量式学习无疑是提高推荐算法更新速度最重要的方法，本文的研究为这一方向提供了参考。

若尔盖湿地公路对两栖类的生态影响

本文考察了若尔盖高寒泥炭湿地公路对高原林蛙（Rana kukunoris）、倭蛙（Narorana pleskei）和岷山蟾蜍（Bufo minshanicus）的生态影响。分析了公路对两栖动物空间分布和栖息地利用的影响，并用IBM模型探讨其可能作用机制，考察了两栖动物公路死亡的季节差异及影响公路死亡空间分布的景观因素。最后通过对若尔盖高寒湿地两栖动物陆地核心栖息地的分析，为若尔盖路域栖息地的管理提供依据。 1. 对公路周边6个沼泽水凼群进行了调查，每个样地设置5条样线（距离公路10m、20m、50m、100m和150m）。调查表明，在繁殖季节(5月)，距离公路距离对高原林蛙和倭蛙的相对数量都有显著作用，其效应明显大于其他各项栖息地环境参数。公路导致高原林蛙和倭蛙在公路周边种群密度降低，其相对数量从距离公路100m处到公路边缘一直呈现逐渐降低的趋势。在繁殖季节，若尔盖高寒湿地的公路生态影响域大约在100-150m之间，这一距离远远大于森林栖息地中公路对两栖类的生态影响域（35-40 m）。 在繁殖后期（9月），对公路周边16个草地样点的样线调查表明，公路对周边高原林蛙和倭蛙密度分布并未造成显著影响。 2. 二次模型的拟合表明繁殖季节高原林蛙和倭蛙在公路周边的密度分布符合钟型曲线。前人对森林公路两侧两栖类分布的研究也显示了类似的规律。我们通过基于个体的模型，模拟在了公路边缘100单位距离内的栖息地空间，栖息地环境质量呈梯度变化，动物个体在其中通过随机运动寻找适宜的栖息地。拟合结果表明，动物个体仅仅依照简单的运动规则寻找适宜栖息地，这种活动就可以导致公路周边栖息地中的动物分布曲线出现3个局部峰。公路周边两栖动物的钟型分布曲线可能仅仅是个体寻找适宜栖息地过程中出现的临时性群体分布模式。 3. 在若尔盖高寒湿地，公路交通造成了大量两栖类死亡。但是公路两栖类动物死亡的季节分布很不均匀：5月、8月和9月死亡数量很高，而7月和10月死亡数量却很低。这种季节性差异和两栖类各个生活史阶段的迁移运动有密切的关系。利用景观参数的逻辑斯蒂回归模型显示，距离公路1000-2000m范围内的湿草地比例对三种两栖类公路死亡概率均有很强的贡献。湿草地这一栖息地类型分类中有大量的沼泽水体，是两栖类重要的繁殖点和取食点。两栖类公路死亡概率湿草地的关系从一个侧面表明，要维持一个区域较高的两栖类种群数量，需要1000-2000m半径范围内存在大面积的湿草地。 4. 高原林蛙和岷山蟾蜍不同性别和年龄个体分布点的水体距离存在显著差异。不同种类、年龄的两栖类分布点距离水体距离的差异可能是由于对水体的依赖性造成的。而相同种类、年龄段的个体中，高原林蛙雌性、岷山蟾蜍亚成体和雌性的体重与分布点距水体距离有显著负相关，这可能是因为体重更大的个体对水体的依赖性更弱。考虑到过大的陆地核心栖息地面积在实际保护工作中存在操作上的困难，因此我们认为可以以水体周边90%个体的分布区为低限确定3种两栖类的最小陆地核心栖息地。但是，在同样的水体距离-两栖类密度分布格局下，水体的面积和分形参数对最小陆地核心栖息地半径的确定有一定影响。 Ecological effects of alpine wetland road on Rana kukunoris, Narorana pleskei, Bufo minshanicus was studied in Zoige wetland. The effects of road on distribution of amphibians and its possible underline mechanism was discussed based on empirical data and computer simulation. Road killed amphibians was surveyed in different season and those landscape factor which could have impact on road killing distribution was analyses. Core terrestrial habitat of amphibians in Zoige wetland was discussed in the consideration of conservation management. 1. Six pool groups was investigated in breeding season (May) of R. kukunoris, N. pleskei. Five transects at distance of 10m, 20m, 50m, 100m and 150m from road edge was surveyed in each pool groups. There was a significant effects of distance from road edge on relative counts of R. kukunoris, N. pleskei, which is much important than effects of other environmental factors. Road caused the density of R. kukunoris, N. pleskei decreased from distance of 100m from road to 10m from road. Road ecological effect zone of alpine wetland for amphibians is about 100-150m. It is much wider than those of forest roads, which is about 35-40m. However, studies on 16 grassland near road showed no significant effect of road on amphibians after breeding season (Sep.). 2. Quadratic model fit indicated that the distribution of R. kukunoris and N. Pleskei followed a hump like curve. Previous studies on forest road showed similar results. A 100×100 habitat with gradual environment besides road was simulated with a individual-based model, and animal seek for suitable habitat with stochastic locomotion in it. Simulation results indicated that 3 density peak of animal distribution can emergent followed a simply rules. The hump like density cure could be a temporal swarm pattern during the process of individual seeking for habitat. 3. Road traffic caused mass death of amphibians in Zoige wetland. There was much road killed amphibians in May, Aug and Sep than those in July and Oct. The fluctuation of road kill could be related with migration of amphibians between seasons. Logistic regression of landscape variables indicated that wet grassland in 1000-2000m is essential to predict the probability of road kill. Wet grassland is an important breeding and forage habitat for amphibians. It also indicated that mass wet grassland in 1000-2000m is essential for maintain a big amphibian population. 4. There was significant differences among distance from aquatic site of subadults, female and males of R. kukunoris and B. Minshanicus. Possibly, it was because of their dependence on water. There was a significant negative relationship between distance from aquatic site and individuals body mass. Estimates of core habitat that are too large may make it difficult to establish protective regulations. The smallest suitable terrestrial core habitats were defined as the terrestrial habitats used during migration to and from the wetlands, and for foraging by 90% of any life stage (adults, and subadults) in a season. However, even with the same amphibian distribution pattern along the distance from aquatic sites, the radii of smallest suitable terrestrial core habitats will be varied with the fractal parameters of aquatic site.

五轴磨抛机器人补偿算法研究与实现

通过分析基于模型的补偿方法和非模型补偿方法的优缺点,结合一个五轴磨抛机器人的结构特点,提出了两种补偿方法相结合的混合补偿算法.针对平移关节误差的主要来源难于建模的特点,采用非模型的方法进行补偿;针对转动关节误差主要来源为几何参数误差,能够建模,但有些参数随机器人末端位置不同而变化的特点,采用二者相结合的混合方法进行补偿.通过对该机器人系统的实验,验证了方法的有效性和可行性.

基于神经网络的机器人视觉伺服控制

视觉伺服可以应用于机器人初始定位自动导引、自动避障、轨线跟踪和运动目标跟踪等控制系统中。传统的视觉伺服系统在运行时包括工作空间定位和动力学逆运算两个过程,需要实时计算视觉雅可比矩阵和机器人逆雅可比矩阵,计算量大,系统结构复杂。本文分析了基于图像的机器人视觉伺服的基本原理,使用BP神经网络来确定达到指定位姿所需要的关节角度,将视觉信息直接融入伺服过程,在保证伺服精度的情况下大大简化了控制算法。文中针对Puma560工业机器人的模型进行了仿真实验,结果验证了该方法的有效性。

虚拟现实水下机器人仿真系统

本文采用VR技术,模拟真实情况建立了一个水下机器人仿真系统。该系统使用与真实系统相同的控制器和输入设备,提供操作员训练、人—机智能控制仿真、机器人轨迹规划仿真等功能,仿真数据能够引导真实机器人运动。文中以仿真实例说明了系统的有效性。

基于PSO的球磨机粉磨系统自适应模糊控制

提出了一种基于粒子群算法优化(PSO)的模糊控制器,对模糊控制器参数进行全局优化,以弥补模糊控制器参数在线调节方面的不足,并应用于球磨机粉磨系统的控制中。控制系统采用粒子群优化模糊控制器作为双闭环控制中的成品流量控制器,并在Matlab/Simulink进行的仿真分析中实现模糊控制器参数的在线调节。仿真结果表明,系统较好地实现了给定参考轨迹自适应跟踪,具有鲁棒性强、控制精度高等优点。

RFID系统优化模型与智能算法研究

射频识别技术（Radio Frequency Identification, RFID）作为采集与处理信息的高新技术和信息化标准的基础，被列为本世纪十大重要技术之一。但是，RFID技术的大规模实际应用仍处于探索阶段，RFID系统的应用基础技术还存在着大量尚未解决的关键问题，其中RFID系统优化是RFID技术研究和应用的重要课题。由于RFID系统本身的动态性和不确定性， RFID系统优化面对的一般是非线性、多目标、大规模的复杂优化问题，传统的数学优化算法在处理这些问题时，存在困难。为此，研究新的优化算法成为RFID技术实际应用和理论研究中必须解决的课题。 智能计算方法是求解复杂RFID系统优化问题的一种可供选择的算法。智能计算作为一个新兴领域，其发展已引起了多个学科领域研究人员的关注，目前已经成为人工智能、经济、社会、生物等交叉学科的研究热点和前沿领域。智能计算的各类算法已在传统NP问题求解及诸多实际应用领域中展现出其优异的性能和巨大的发展潜力。 本文旨在对RFID系统的各种优化问题进行深入研究和探讨，面向RFID技术的实际应用需求构建其优化模型，并基于智能计算思想设计能够有效求解这些复杂模型的新型智能优化算法。具体研究内容包括： 首先，进行了RFID读写器网络的调度问题研究。在深入分析RFID网络中读写器冲突类型和成因的基础上，考虑RFID网络中的读写器冲突约束，以最小化系统中的频道数量、时隙分配以及总处理时间建立了RFID读写器网络调度的数学优化模型。从生物学的角度出发提出基于生态捕食模型的改进PSO算法（Particle Swarm Optimizer based on Predator-prey Coevolution, PSOPC），在一定程度上解决了PSO算法在迭代后期随着多样性丧失而陷入局部最优的缺点。应用PSOPC设计了求解RFID读写器网络调度模型的智能求解算法，分别给出算法的求解框架、关键步骤的实现机制。通过在不同规模的RFID读写器网络上进行实例仿真，验证了算法的有效性和模型的正确性。 其次，进行了基于菌群自适应觅食算法RFID网络规划问题的研究。考虑RFID系统在不同应用环境下的系统需求，建立了RFID网络规化的数学模型，其目标函数分别为：RFID网络标签覆盖率的最大化目标函数、RFID读写器冲突的最小化目标函数、RFID网络运行的经济效益最大化目标函数、RFID网络运行的负载平衡目标函数以及同时考虑全局目标的混合目标函数。将自然界生物觅食所采用的自适应搜索策略与细菌的趋化行为和群体感应机制相集成，提出了适合求解复杂RFID网络规划问题的菌群自适应觅食算法（Adaptive Bacterial Foraging Optimization, ABFO）。通过仿真实验基于ABFO算法分别对RFID网络规划模型中的五个目标函数进行了实例求解和分析，测试结果与标准PSO算法和遗传算法进行了比较分析。 再次，进行了基于系统智能方法的RFID网络规划分布式决策模型研究。采用分布式决策的思想建立了RFID网络规划的层次模型，在一定程度上缓解、分散了RFID网络规划问题的复杂性，以解决具有混合变量（包括离散变量和连续变量）的多目标RFID网络规划问题。针对层次模型求解的复杂性，以复杂适应系统理论为指导思想设计了一种新型系统智能优化算法对RFID网络规划的层次模型进行求解。系统智能算法将群体智能中的单层群体系统概念扩展为多层涌现系统，仿真实验表明新提出的算法显著提高了智能计算方法的寻优能力，以及算法的适应性、鲁棒性和平衡性等性能。 最后，进行了RFID网络目标跟踪系统中的数据融合研究。以基于RFID技术的目标定位与跟踪系统为应用背景，提出了基于模糊聚类方法的多RFID读写器数据融合模型框架。通过深入分析蜜蜂采蜜的基本生物学规律，对蜜蜂的个体行为及群体行为进行模拟，提出了一类新型群体智能优化算法-蜂群优化算法（Bee Swarm Optimization, BSO），并将BSO算法嵌入RFID目标定位跟踪系统，作为其模糊聚类的基本算法。仿真研究表明，提出的融合模型能够有效的过滤读写器对跟踪目标的错误监测数据，显著提高目标定位与跟踪的精度。

基于AFM的机器人化纳米操作系统综述

对基于扫描隧道显微镜(Scanning tunnel microscope,STM)及原子力显微镜(Atomicforcemicroscope,AFM)的纳米操作技术发展进行阐述,针对其中存在的主要问题,引述出机器人化纳米操作的必要性。接着,对国内外机器人化纳米操作系统的研究进展、现状及存在的主要问题进行详细分析,提出基于AFM的机器人化纳米操作系统的结构原型,并指出实现机器人化纳米操作所需解决的关键技术问题及相应的解决方案之一,为进行深入的机器人化纳米操作研究提供了可以借鉴的研究方向。

机器人化月表采样器的研制

首先介绍了月表采样的新特点与存在的困难;根据月表环境、月表样品的特点以及嫦娥三期工程中对月表采样的要求,合理地选择了采样方式,研制出了一台六自由度机器人化月表采样器,并且对采样器的采样原理,机械系统和运动原理做了详细的分析;最后在石灰粉上做了采样实验,验证了多功能的机器人化月表采样器的基本功能与可行性。

除草机器人机械臂的逆向求解与控制

设计了一种基于机器视觉导航和杂草识别的除草机器人模型,该机器人能沿作物行间自主行走并能准确地识别和"清除"杂草。设计了除草机器人的机械臂除草执行系统,求取了机械臂运动学逆解,用VC++开发了控制程序。试验显示,图像处理算法所需时间少,能够适应户外自然光线在一定范围的变化,机械臂能够平稳动作并精确定位杂草目标。