简介：利用自适应最优加权随机汇池网络对随机参数估计进行了理论和实验分析。将随机噪声优化的随机汇池网输出向量进行最优线性加权优化,给出了具有任意节点数目的随机汇池网络最优权向量以及估计信号与真实信号之间均方误差表达式。同时,在实际信号处理任务中,待估参数和噪声的统计信息经常是未知的,本文给出了基于观测数据的最优权向量和均方误差近似估计算法。理论和实验都验证了随机噪声对于随机汇池网络的优化能力,也展现了自适应最优加权随机汇池网络良好的估计性能。
简介：针对洪水演算的马斯京根模型参数估计问题，首先将其归结为非线性参数优化问题，然后利用自适应加速差分进化算法进行求解。计算结果表明，自适应加速差分进化算法具有求解速度快、计算精度高、算法控制参数设置简便、通用性强等优点，与现有马斯京根模型参数估计方法相比，该算法显示出更好的优化性能，从而为准确估计马斯京根模型参数提供了一种更为有效的方法。该算法也可以广泛应用于其他各种复杂非线性模型的优化问题，特别是在洪水预报方面有很好的应用前景。
简介：针对多仿生机器鱼编队控制问题,提出了一种分布式的分层控制方案。首先,各机器鱼以一致性算法为数据融合模块对编队中心位姿进行分布式估计,据此获得在编队中的期望位姿,作为路径规划模块的输入;其次,各机器鱼基于速度与方向模糊控制器,实时跟踪期望轨迹,形成和保持编队。所提方法实现了期望位置分布式估计与机器鱼个体路径规划的分离,为不同种类机器鱼的合作控制问题提供了新思路。实验结果表明了所提方法的有效性。
最优加权随机汇池网络的估计性能研究
马斯京根模型参数估计的差分进化算法
基于分布式估计与模糊控制的多机器鱼编队控制
