为解决现有网络可视化布局算法未能充分考虑符号网络中连边符号特征的问题,提出了一种新算法,通过调整节点受力并考虑全局均衡性,根据连边符号调整节点位置,优化节点间作用力机制。实验结果表明,该算法能直观展示符号网络中的积极或消极关系,提升用户对网络拓扑结构的理解。此外,我们还提出了新的网络布局美学指标,量化布局质量,有效降低边长偏差和边交叉数。为符号网络的可视化提供了新方法,有助于深入理解复杂网络结构。

开放式交互平台知识协同中自发形成的网络非常复杂且规模较大,为此提出了一种随机过程模型模拟其群体观点演化过程。首先,采用网络分解的方法,运用谱聚类算法将网络分解为不同层级的子群,减小建模和计算难度。针对不同类型的规则网络,给出转移概率矩阵及其递推公式,以实现类似结构的扩展。其次,在观点比例不变的条件下,对不同结构的群体观点演化过程进行仿真。最后,提出一种观点差异度指标检验“回音室效应”,体现相邻节点观点的影响。仿真和实证结果表明,相邻节点的观点分布会对个体偏好产生影响,导致局部极化现象,验证所提出模型和指标的有效性。该模型和指标有助于解释复杂网络下的观点演化机理,为提升知识服务质量奠定了基础。

针对多层网络在层节点攻击模式下的最优拆解问题,提出了两种新算法。这些算法通过综合考虑层内结构特征和跨层连接模式,精确评估节点的重要性,从而有效识别出对网络结构和功能至关重要的层节点。为了验证算法的性能,在大量人工和真实多层网络上进行了广泛测试。结果表明,所提出的算法不仅能够高效识别关键层节点,生成更小的拆解集,同时还具有较低的时间复杂度,展现出处理大规模多层网络的良好适应性。

针对弱关系网络中由于强关系缺失而导致危险言论引导者检测指向结果弱的问题,提出了一种在弱关联社交网络中检测危险言论引导者的方法。该方法基于多表征融合,通过确定用户的言论情感和敏感性,评估用户的专业性表征,将用户言论作为节点构建社交环境网络,并利用图神经网络计算文本共现关系及用户在社交环境网络的重要性指数,融合用户在社交网络中的活跃度表征来检测社交网络中的危险言论领导者。结果表明所提出的方法相较于基线方法具有更好的性能。

为更准确地反映差异性复杂网络特征,提出一种异维异构的两个多重边复杂网络模型。基于自适应控制和Lyapunov稳定性理论,设计新的自适应同步控制器。通过严格的理论推导证明,给出了两个网络实现广义外同步的充分条件。与现有研究相比,描述网络个体的节点以及外部耦合矩阵的性质均可不相同。最后,建立两个数值仿真算例,验证了所提出的方法在这类网络实现外同步时是可行且有效的。

针对实际网络中连边的属性长度影响边相依网络的负载容量,提出了考虑连边长度的负载容量加权模型对ER-ER,BA-BA,异构ER-BA网络和电力-信息相依网络的边相依网络的级联失效过程进行分析。研究网络在边失效时,不同的负载分配策略、网络结构、不同的容量系数和不同的攻击方式对边相依加权网络鲁棒性的影响。结果表明:提出的动态剩余容量负载分配策略可以提高网络的鲁棒性;在相应的范围内提高容量系数可以明显提高网络的鲁棒性;BA-BA网络抵抗大规模的随机故障的能力最差;相较于典型网络,在电力-信息相依网络中基于边权的蓄意攻击破坏程度更大。

为分析灾害冲击下铁路运输与经济系统的鲁棒性,考虑二者之间的现实关联,提出了一种异质耦合的铁路-经济多层网络,通过将灾害对网络的冲击模拟为随机失效、蓄意破坏和局域失效三种方式,分析该多层网络的鲁棒性。研究表明随机失效时铁路网的抗毁性要远低于经济网;通过蓄意破坏识别出了铁路网和经济网中的关键节点和连边;局域失效时半径不同,对系统的鲁棒性影响最大的局域失效关键节点群分布也不同。

针对时序网络重要节点识别中节点的连接模式和活跃度随时间变化的问题以及节点周围网络结构的复杂性,提出了时序惩罚局部结构熵改进算法(TPLEA)来识别重要节点,该方法结合了时间窗图模型和惩罚局部结构熵改进算法(PLEA)模型,并引入了节点的活跃度权重和度贡献率权重来确定节点的综合权重,最终得到各节点的重要性。在6个真实数据集上验证该方法的有效性和适用性,并对引入的权重因素进行消融实验。实验结果表明该方法能够有效识别时序网络中的重要节点,节点的综合权重因素对该方法的识别效果有较大影响。

为了提高尾桨卡滞下无人直升机轨迹规划的实时性,提出了一种基于模仿学习的飞行轨迹规划方法,使用非线性模型预测控制(Model Predictive Control,MPC)轨迹规划器求解最优着陆轨迹,并将其作为专家策略收集不同情景下的专家示教行为数据以构建模仿学习数据库,进一步搭建深度神经网络进行行为克隆,并采用数据聚合方法提高深度神经网络性能,进而对专家策略进行模仿学习。提出的方法在不同复杂仿真场景下均能规划合理轨迹,并且行为克隆网络相较于非线性MPC轨迹规划器规划时间更短,说明提出的方法具有更好的实时性。

针对离散及连续时间多智能体系统在给定拓扑结构下的编队控制与收敛速率优化问题进行研究,这两种系统分别具有一类拓扑结构。针对离散多智能体编队系统,根据谱半径的性质得出使系统达到稳定状态的控制增益取值范围和使收敛速率达到最大的控制增益取值。针对连续时间多智能体系统,通过对系统施加一组常数扰动,得到一种连续时间多智能体系统的编队控制方法。最后,针对上述两种系统,给出了通过对系统施加单边扰动来增大系统收敛速率的算法。

为了发现电子和电路中更多的混沌行为,提出了一种新型三维自治混沌系统,包含4个参数和3个非线性耦合项。基于拉格朗日稳定性理论,通过构造广义Lyapunov函数严格推导了系统轨线最终界的定量估计表达式;基于Vaidyanathan定理设计了一种新型滑模控制策略,实现了系统的全局渐近同步。研究结果表明:该系统具有全局指数吸引集,数值仿真验证了滑模控制的强鲁棒性和快速收敛性,且性能优于自适应控制。该成果不仅丰富了混沌系统理论,还为工程应用提供了有效的控制方法。

为探究生产互为替代品的两制造商如何进行定价决策,构建了包含零售商在内的三种不同情形下的演化博弈模型,并运用非线性理论分析了其中的复杂动力学行为。结果表明:当零售商有服务成本投入时,两制造商会提高批发价格,且考虑价格差不利于生产成本高的一方;过快的价格调整速度会使系统发生混沌;交叉价格敏感系数与价格比例系数增大都会使两制造商降低批发价格;设计了延迟反馈与状态反馈复合控制方法实现对失稳系统的控制。

针对一类由弹簧支撑的旋转摆,发现系统存在无穷多共存稳态(吸引子),这些共存稳态在相平面内呈周期性分布。若相平面内至少3个连通的吸引域共享相同的边界称为复杂Wada域拓扑边界,研究发现该旋转摆无穷多稳态的吸引域都具有Wada域拓扑边界,无穷多吸引域都具有广义域胞几何结构。旋转摆呈现出的复杂Wada域边界特性,容易导致系统在特性参数范围内终态的不可预测性以及运动状态对初始条件的极度敏感依赖性。研究结果进一步丰富了旋转摆系统的动力学。

为提高负荷预测精度,提出一种基于白鲸优化算法(Beluga Whale Optimization,BWO),样本熵(Sample Entropy,SE),变分模态分解(Variational Mode Decomposition,VMD),深度极限学习机(Deep Extreme Learning Machine,DELM)的短期负荷预测模型。首先,基于最小化各分量局部样本熵的原则,使用BWO优化算法对VMD的模态分解层数与惩罚因子迭代寻优,将电力负荷序列分解为高精度负荷子序列。其次,针对分解的负荷子序列建立DELM负荷预测模型并通过BWO算法对模型初始权值和阈值寻优。然后,通过皮尔逊相关系数法对输入的特征进行筛选。将每个分量预测得到的结果重构得到最终预测结果。最后,从澳大利亚某地真实负荷数据为例进行实验。实验结果证明:该负荷预测模型的平均百分比误差MAPE降低到0.169 1%。对比主流预测模型预测结果更加准确,验证了该模型有较高的准确性。

选址、库存和路径决策是物流系统中3个相互影响的问题,针对不确定因素造成的供应中断,建立了考虑中断风险的选址-库存-配送集成优化问题的混合整数规划模型,提出了基于果蝇算术混合优化的求解方法。引入算术优化算法的探索和开发机制,增加种群多样性,平衡了算法的全局寻优和局部开发能力。算例对比结果表明,新算法有更快的收敛速度和更高的收敛精度;敏感性分析结果表明考虑中断风险的选址方案能够降低系统的预期总成本,惩罚成本因子对成本和选址方案的影响较大。

由于四向穿梭车仓储系统出库任务顺序不同,会导致穿梭车和提升机的工作路径不同,进而影响到系统的作业时间和能耗。为降低跨层跨巷道穿梭车系统的作业时间及能耗,提出复合提升机与四向穿梭车协同作业,并考虑系统中同层同巷道任务执行冲突,建立了作业时间及能耗的双目标优化模型。根据模型特点,提出一种改进的麻雀搜索算法,该算法采用启发式策略生成初始种群,引入非线性递减权重和正态变异扰动算子提高算法后期的局部寻优能力。通过算例和多维仿真验证模型与算法的有效性。实验结果表明,启发式策略具有一定优势,双目标模型及设计的算法能够有效提高出库效率,降低能耗。

为提高交通元胞自动机(TCA)模型的微观驾驶行为分辨度,提出TCA中嵌入智能驾驶模型(IDM)的方法,形成新的智能跟驰交通元胞自动机(ICTCA)模型。定义元胞空间粒度基础上,设计摄动实验,模拟队列驶离路口受小扰动的跟驰迟滞行为,结果发现:新模型具有分辨跟驰迟滞能力,且空间粒度越细越能获得稳定迟滞效应。说明:合适空间粒度下,该模型具有接近连续跟驰模型的微观驾驶行为分辨度。因继承了IDM与TCA的特征,新模型有适用于智能网联场景的更多可能。

为了更精确地获得具有反应扩散项的时滞忆阻神经网络的状态信息,设计了一个H_∞状态估计器。首先,基于Lyapunov-Krasovskii(L-K)泛函方法,构造了新的时滞乘积型增广L-K泛函来处理时变时滞带来的影响。然后,通过利用自由权矩阵、Wirtinger积分不等式、改进逆凸矩阵不等式等方法进一步降低所得结果的保守性。同时,使用Dirichlet边界条件、Green公式等来处理系统中存在的反应扩散项;最终,给出误差系统全局渐近稳定且满足特定H_∞性能指标的充分条件。在此基础上,以线性矩阵不等式的形式给出状态估计器的设计方法。最后,通过数值仿真验证所设计的H_∞状态估计器的有效性。

临界慢化理论中的早期预警信号(Early Warning Signal, EWS)可以预测传染病消除过程的阈值,为消除计划提供科学指导。应用SIR随机模型进行多次仿真,用得到的发病数据计算EWS的曲线下面积,以此评估EWS区分的效果。结果发现:EWS在初始免疫高水平下仍然有效,但效果较初始免疫率为0的情况有所减弱;均值和方差对发病数下降的系统敏感,而变异系数不仅稳健,还在系统靠近和远离转换点上的区分效果优秀;自协相关、自相关和衰减时间随时间上升是系统靠近转换点的信号。