摘要：为了实现电动轮式移动小车能在实际不同的负载和路况下可以稳定的运行工作，该文研制了小车的四轮独立驱动的电机驱动和四轮转向控制系统，该系统由主控制芯片STM32F103RCT6对移动小车进行解算得出4个驱动轮的速度，然后对每个驱动电机进行转矩分配，控制4台用于驱动的无刷直流轮毂电机、2台转向直流电机以及2台制动用直流电机，使得小车实现直线行驶、转向和原地转向；通过单片机ATMEGA48PA控制4台无刷直流轮毂电机换相；采用驱动芯片IR2113驱动场效应管FQA140N10，并利用电机内部霍尔传感器输出的脉冲信号检测无刷直流电机的速度，采用放大器LM358搭建过载保护电路。试验结果表明，所开发的小车驱动控制系统实现了四轮电子差速与转矩分配，移动小车能在水泥路面、干泥土路面、斜坡和草地上稳定可靠运行，小车限速20km/h，爬坡度为8°。在空载情况下能匀速运行8～10h，带额定负载250kg情况下能匀速运行4～5h，有较好的负载性能，满足农业运输及农田作业的需求，减轻人的体力劳动，提高生产效率。该研究可为应用于田间作业的电动移动小车的机械设计及电气控制系统设计提供参考。

摘要：常用的演化规划算法(EP)的变异是基于固定的概率分布,鲁棒性较差.文中分析了变异算子对演化规划算法计算效率的影响,指出了Gauss变异、Cauchy变异和Lévy变异算子缺少启发式信息的不足,并据此设计了一种根据种群个体差异信息的启发式变异算子,用算子抽取的个体差异来更新变异步长,允许个体有机会在某些维数保持原状,只是进行部分维数上的变异.启发式变异算子能使演化规划算法更好地适应不同特点的连续优化问题,从总体上增强算法的鲁棒性.在求解多个Benchmark测试问题的数值实验中,基于启发式变异的改进演化规划算法比当前6种等概率分布演化规划算法有更快的收敛速度和更优的平均性能.

摘要：轮毂电机性能好坏直接影响电动车性能,因此有必要对轮毂电机动态特性进行测试。笔者通过分析永磁直流测功机系统的工作原理,设计了框架式测功机结构,采用双万向联轴器联接发电机输出轴、转矩转速传感器和被测电机的输入轴,并通过一对外啮合齿轮副建立了发电机与被测电机的机械传输链。设计了基于脉宽调制信号的直流测功机系统加载电路,采用等效的模拟负载代替真实负载,构建了轮毂式永磁直流测功机系统。实验结果表明,该轮毂式直流测功机系统结构简单、控制容易、使用方便,满足了中小功率轮毂电机的动态特性测试的需要。

摘要：软件产品线测试是一项非常具有挑战性的工作.基于相似性的测试方法通过提升测试集的多样性以达到提高测试覆盖率和缺陷检测率的目的.因其具有良好的可拓展性和较好的测试效果,目前已成为软件产品线测试的重要手段之一.在该测试方法中,如何产生多样化的测试用例和如何维护测试集的多样性是两个关键问题.针对以上问题,提出一种基于多样性可满足性(SAT)求解器和新颖性搜索(novelty search,NS)的软件产品线测试算法.具体地,所提算法同时采用两类多样性SAT求解器产生多样化的测试用例.特别地,为了改善随机局部搜索SAT求解器的多样性,提出一种基于概率向量的通用策略产生候选解.此外,为同时维护测试集的全局和局部多样性,设计并运用两种基于NS算法思想的归档策略.在50个真实软件产品线上的消融和对比实验验证多样性SAT求解器和两种归档策略的有效性,以及所提算法较其他主流算法的优越性.

摘要：蚁群算法(ACO)作为一类新型的机器学习技术,已经广泛用于组合优化问题的求解,同时也应用于工业工程的优化设计.相对于遗传算法(GA),蚁群算法的理论研究在国内外均起步较晚,特别是收敛速度的分析理论是该领域急待解决的第一大公开问题.文中的研究内容主要是针对这一公开问题而开展的.根据蚁群算法的特性,该研究基于吸收态Markov过程的数学模型,提出了蚁群算法的收敛速度分析理论.作者给出了估算蚁群算法期望收敛时间的几个理论方法,以分析蚁群算法的收敛速度,并结合著名的ACS算法作了具体的案例研究.基于该文提出的收敛速度分析理论,作者还提出ACO-难和ACO-易两类问题的界定方法;最后,利用ACS算法求解TSP问题的实验数据,验证了文中提出的分析结论,得出了初步的算法设计指导原则.

摘要：针对粒子群算法(PSO)改进设计缺乏数学模型和理论依据支持的问题,研究建立了PSO的吸收态马尔可夫过程模型,并提出了可达状态集作为收敛性分析的关键指标.与以往的收敛性分析不同,研究从可达状态集扩张的角度提出了PSO收敛性对比的理论,并基于此提出了PSO全局收敛性改进的方法.最后,以改进综合学习粒子群算法CLPSO(comprehensive learning particle swarm optimization)为例验证了提出模型与理论的有效性.

摘要：针对以往粒子群优化算法多样性差且易局部收敛的不足,提出改进综合学习粒子群优化(CLPSO)算法的最小方差优先自适应变异策略,设计自适应变异综合粒子群优化(CLPSO-M)算法。多个标准测试问题的对比实验数据表明,CLPSO-M算法比CLPSO算法的全局搜索能力更强,求解效果更稳定。

摘要：演化性是软件的基本特性之一。软件演化由一系列复杂的变化活动组成。本文从宏观层面入手,以软件体系结构(software architecture,SA)作为软件的蓝图和支撑,设计了复合信息矩阵模型,作为软件体系结构演化波及效应分析的新工具。结合矩阵特性、图论知识和算法设计,新模型可以对一般SA静态和动态演化中的波及图表1效应进行理论分析和量化界定,弥补了现有研究模型需要简化连接器和无法评估连接器影响的不足,从而为SA演化的利用和评价提供了更为全面的依据,并为基于矩阵变化的SA演化计算机自动处理提供了新的理论支持。

摘要：运输问题自提出后,人们因其在各个领域的广泛应用进行了大量研究。尤其是线型运输问题,已经设计出了多种有效解法,但它们均不能直接处理非线性运输问题。本文在经典粒子群算法PSO的基础上设计了新算法PSO-NLTP,它通过改进PSO的粒子飞行速度和飞行位置更新方程,及设计出负修复算子,既满足TP的约束条件,又扩大了搜索空间。针对经典PSO算法容易在局部最优解过早停止搜索的不足,我们添加了自适应的变异算子,以防止PSO-NLTP过早停止搜索。通过仿真实例证明,与遗传算法GA-NLTP和带惩罚策略的EP进行比较,PSO-NLTP能在较短的时间内找到更优解,结果验证了新算法的有效性。

摘要：针对当前经典的护士排班问题中的一个重要分支——护士分配问题,分析了病人护理等级的特点、护士和病人的配合关系、护士技术职称等方面对护士的工作负荷的影响,建立了一个改进的随机规划模型,使模型更符合中国医院的情况。然后根据问题解的结构,设计了一个扰动变异遗传算法,在解内部的每一个向量以一定概率添加扰动实现变异。实验结果显示,与最新的随机贪心算法、基于Bender's分解的启发式算法对比,扰动变异遗传算法能在30 min内得到更高质量的解,为护士每班次减少超过8.9%的工作负荷。特别地,在求解多场景、多约束,而且解的优势并非块状连续的护士分配问题中,扰动变异遗传算法优势更加明显。