首页期刊导航|控制与决策
期刊信息/Journal information
控制与决策
控制与决策

张嗣瀛　王福利

月刊

1001-0920

kzyjc@mail.neu.edu.cn

024-83687766

110819

沈阳东北大学125信箱

控制与决策/Journal Control and DecisionCSCD北大核心CSTPCDEI
查看更多>>本刊创刊于1986年,由教育部主管,东北大学主办.本刊是自动控制与决策领域的综合性学术期刊,大16开,月刊,经邮局发行.本刊是研究生教育中文重要期刊,中文核心期刊,并已进入美国Ei等几大检索系统.本刊的影响因子历年在信息与系统类期刊中名列前茅.连续两年被评为百种中国杰出学术期刊.
正式出版
收录年代

    V2X环境下基于MPC算法的弯道区域CACC车队轨迹跟踪控制策略

    赵红专吴浩卢宁宁付建胜...
    975-984页
    查看更多>>摘要：针对CACC(cooperative adaptive cruise control)车队在弯道行驶的安全性和稳定性问题，提出一种V2X(vehicle to everything)环境下基于MPC(model predictive control)算法的弯道区域CACC车队行驶轨迹跟踪策略。首先，分析CACC车队在弯道区域的行驶工况以及纵向平衡问题，并基于牛顿第二定律构建车辆在弯道行驶的车辆动力学模型;其次，CACC车队基于V2X技术实现车车之间状态信息的实时交互，并以基于车辆运动学的MPC算法为基础，引入可变间距的车队安全距离控制模型，提出一种适用于弯道区域的轨迹跟踪模型;最后，通过二次规划进行模型求解。实验分析结果表明:V2X环境下的CACC车队在弯道行驶过程中面对不同的行驶工况能够不同程度地保证车车之间的安全性、稳定性以及驾乘人员的舒适性，有效验证了所提V2X环境下基于MPC算法的弯道区域CACC车队轨迹跟踪策略的可行性。

    弯道区域CACC车队轨迹跟踪MPC可变间距二次规划

      原文链接:
    • 万方数据
    • 维普

    基于深度强化学习的无地图移动机器人导航

    户高铭蔡克卫王芳康玉伟...
    985-993页
    查看更多>>摘要：针对传统导航方法对地图精度依赖和动态复杂场景适应差问题，提出一种基于课程学习的深度强化学习无地图自主导航算法。为了克服智能体稀疏奖励情况下学习困难的问题，借鉴课程学习思想，提出一种基于能力圈课程引导的深度强化学习训练方法。此外，为了更好地利用机器人当前的碰撞信息辅助机器人做动作决策，引入碰撞概率的概念，将机器人当前感知到的障碍物信息以一种高层语义的形式进行表示，并将其作为导航策略输入的一部分编码至机器人当前观测中，以简化观测到动作的映射，进一步降低学习的难度。实验结果表明，所提出的课程引导训练和碰撞概率可令导航策略收敛速度明显加快，习得的导航策略在空间更大的场景成功率到达90％以上，行驶耗时减少53。5％～73。1％，可为非结构化未知环境下的无人化作业提供可靠导航。

    移动机器人自主导航无地图导航深度强化学习课程学习

      原文链接:
    • 万方数据
    • 维普

    一种新的GBPA生成方法及其在模式识别中的应用

    付威王欣
    994-1002页
    查看更多>>摘要：广义证据理论是一种在不完备识别框架中处理多传感器信息融合问题的实用方法，由于时代环境的影响，人们的认知存在局限性，难免会将不完备的识别框架认为是完备的，经典证据理论在这种情况下并不完全适用。因此，根据广义证据理论提出一种新的广义基本概率赋值(generalized basic probability assignment，GBPA)生成方法。该方法首先根据训练数据分别构造样本类别和测试样本的广义三角模糊数模型;然后通过计算样本和类别间的广义三角模糊距离生成GBPA;最后使用广义组合规则融合所有证据并得出最终的结论。Iris数据集的实验结果表明所提方法合理有效，即使在样本不足的情况下仍有较高的分类精度。

    广义证据理论广义基本概率赋值广义三角模糊数广义三角模糊距离

      原文链接:
    • 万方数据
    • 维普

    异构负载下单机调度与预测性维修的集成建模

    甘婕舒坦石慧赵春晓...
    1003-1011页
    查看更多>>摘要：在生产调度的过程中，设备常常因加工不同作业而承受不同负载即异构负载，设备受异构负载的影响导致其加工每项作业过程中的退化速率不同，从而影响生产调度与维修计划的排程，进而带来资源闲置和时间成本增加的问题。为了解决该问题，在考虑异构负载影响下，提出单机调度与预测性维修的联合策略，以最小总加权期望完成时间为目标构建相应的集成模型。对单机调度过程中受异构负载影响的设备，建立基于维纳过程的退化模型，根据其退化规律，推导相应设备剩余寿命的累积分布函数。通过数值实验，分别针对异构负载与平均负载的情况比较相应集成模型的优化结果，结果表明了在集成模型中考虑异构负载的必要性，并通过参数灵敏度分析验证了所建集成模型的有效性。

    异构负载单机调度预测性维修维纳过程剩余寿命预测集成模型

      原文链接:
    • 万方数据
    • 维普

    基于序贯三支神经网络的个性化推荐

    成淑慧武优西
    1012-1020页
    查看更多>>摘要：虽然协同过滤可以实现用户的个性化推荐，但是大多数协同过滤及其改进模型未考虑用户和项目等特征，因而不能发掘样本间的非线性关系。与协同过滤相比，深度学习能挖掘丰富的用户兴趣模式，但网络拓扑结构是基于二支决策的方式，忽略了推荐样本的难易程度。为了增强模型的非线性表达，同时区分推荐样本的难易，受序贯三支决策的启发，提出序贯三支决策神经网络个性化推荐模型(personalized recommendation model based on sequential three-way decision with single feedforward neural network，STWD-SFNN-PR)。首先，为了 将高维稀疏特征向量映射为低维稠密的特征向量，STWD-SFNN-PR采用嵌入进行特征处理。其次，在增量式的网络结构中学习推荐样本，使用Adam优化网络参数，并返回难以推荐的样本。再次，利用序贯三支决策增加延迟决策的策略，并在不同的粒度层采用序贯的阈值，从而动态地实现难以推荐样本的划分。最后，为了验证模型的可行性和有效性，选择多种电影推荐数据集进行研究，并选择经典的神经网络推荐、经典的深度学习推荐和最新的三支协同过滤推荐进行对比。实验结果表明，STWD-SFNN-PR具有更优的推荐质量。

    序贯三支决策神经网络网络拓扑结构推荐系统协同过滤个性化推荐

      原文链接:
    • 万方数据
    • 维普

    允许中转与绕行的众包同城配送司机包裹匹配优化

    杨华龙梁晓萍王征吴琼...
    1021-1029页
    查看更多>>摘要：针对众包同城配送司机与包裹匹配的问题，提出一种由零售店作为包裹送取或中转节点、私家车司机顺路捎带的配送策略。以平台总收益最大化为目标，构建允许中转和绕行的众包同城配送司机与包裹匹配问题的混合整数规划模型，并设计改进的自适应大邻域搜索算法进行模型求解;以大连市主城区为实际场景的数值算例验证模型和算法的有效性和适用性。研究表明，允许私家车司机绕行和包裹中转的众包同城配送能够提高平台的总收益，使得私家车司机和零售店从中获利，有助于缓解城市道路拥堵、减少环境污染。敏感性分析结果显示，增加签约私家车数量以及在一定范围内增大车辆最大绕行系数有助于提高司机。包裹匹配成功率和平台总收益。随着包裹配送时间紧迫性的减弱，私家车司机和零售店参与的众包同城配送优势愈加明显。

    众包同城配送司机包裹匹配中转绕行混合整数规划模型

      原文链接:
    • 万方数据
    • 维普

    考虑供应商保鲜努力的生鲜电商销售模式选择

    魏杰姜云超
    1030-1038页
    查看更多>>摘要：基于一个生鲜供应商和一个生鲜电商组成的供应链，考虑生鲜供应商的保鲜努力对产品新鲜度的影响，建立转售模式、代理模式和混合模式下的博弈模型，研究生鲜供应商提供保鲜努力下生鲜电商的最优销售模式选择，分析销售模式差异对保鲜努力水平和销售价格的影响。研究结果显示:当佣金率较高且消费者对产品新鲜度比较敏感时，生鲜电商的最优销售模式是混合模式;否则，生鲜电商的最优销售模式是转售模式，而生鲜供应商的利润和供应链总绩效始终在混合模式下最大。生鲜供应商在代理模式和混合模式下的保鲜努力水平始终相等，佣金率较低时，代理模式和混合模式下的保鲜努力水平高于转售模式下的保鲜努力水平。此外，代理模式和混合模式下的销售价格随佣金率的降低而提高，佣金率低于一定水平时，混合模式下转售渠道的销售价格最高。

    生鲜电商转售模式代理模式保鲜努力定价博弈论

      原文链接:
    • 万方数据
    • 维普

    基于特征选择和iJaya-SVR的年度电力消费预测研究

    高锋邵雪焱
    1039-1047页
    查看更多>>摘要：准确的电力消费预测对能源规划和政策制定具有重要意义。鉴于已有研究忽略了特征冗余以及智能优化算法控制参数不确定对预测精度的影响，引入最大相关最小冗余(MRMR)算法筛选电力消费的关键影响因素作为预测指标，提出改进的Jaya算法(iJaya)用于优化支持向量回归(SVR)的超参数，进而构建MRMR-iJaya-SVR预测模型。以我国的年度电力消费数据为例，对MRMR-iJaya-SVR模型的预测效果进行验证，并利用北京市的年度电力消费数据测试其鲁棒性。结果表明:iJaya算法具有较强的全局搜索能力和较好的稳定性，MRMR-iJaya-SVR模型在单步预测和多步预测中的表现均优于基准模型。此外，对于不同的数据集，MRMR-iJaya-SVR模型均具有良好的鲁棒性。

    特征选择改进的Jaya算法最大相关最小冗余支持向量回归混合预测模型电力消费预测

      原文链接:
    • 万方数据

    融合显隐式反馈的协同过滤推荐模型

    欧朝荣胡军
    1048-1056页
    查看更多>>摘要：融合显式和隐式反馈已被应用于提升推荐模型的性能，但是，现有的此类推荐模型未能保留显式反馈中反映用户偏好程度的信息，且现有研究认为拥有显式反馈的数据和仅拥有隐式反馈的数据对于模型具有同等影响，未能充分发挥显式反馈的优势。针对这些问题，提出一种新的融合显式和隐式反馈的协同过滤推荐模型(CEICF)。首先，所提出模型提取显式反馈中的特征得到用户/物品的全局偏好向量;然后，从隐式反馈中提取用户/物品的潜在向量，进而将两种向量进行融合得到用户/物品的偏好向量;最后，使用神经网络预测用户与物品交互的可能性。在训练模型时，定义一种加权的二进制交叉熵损失函数，加强显式反馈对模型的影响来增强模型捕获用户偏好的能力。为了验证所提出模型的有效性，在覆盖不同领域的现实数据集上进行实验，实验结果表明，CEICF可有效地融合显式和隐式反馈，且推荐效果相对于基线模型有显著提升。

    信息过载个性化推荐协同过滤显式反馈隐式反馈神经网络

      原文链接:
    • 万方数据
    • 维普

    《控制与决策》征稿简则

    封3页
      原文链接:
    • 万方数据
    • 维普