媒介传染病在中国传染病中占比较高,构成严重的公共卫生风险。因此有关媒介传染病模型的动力学行为研究受到了国内外学者的广泛关注。针对这类传染病,首先基于异质平均场理论建立了三层无标度关联网络协同传播模型;其次基于所建模型,针对各子系统恢复率均相等、至少有两个不相等两种情况,利用柯西交错定理和扰动理论分析了全局传播阈值和各孤立子网阈值的相对大小,并得到结论:协同传播减小了传播阈值,促进了疾病的传播。

针对两个复杂动态网络,在节点异维且耦合强度未知的情况下,研究了它们的广义外同步控制问题。与现有的研究文献相比较,涉及的驱动响应网络均不需要满足通常的耗散条件。在两个网络对应节点具有相似动态行为的条件下,着重两个网络间的连接强度之间的误差估计,并基于Lyapunov稳定性方法设计了自适应广义外同步控制器。最后通过数值仿真验证了方法的有效性。

将K-shell指标扩展到超网络中,避免了超网络中超度较大、但位于超网络边缘位置的节点对挖掘关键节点带来的影响。由于K-shell方法的局限性,导致节点排序结果过于粗糙。针对这一问题,结合超度和K-shell(k_s)值利用欧式距离公式提出识别超网络关键节点的k^d_s指标,并利用蛋白复合物超网络进行验证。实验证明,k^d_s指标能够准确有效地识别超网络中的关键节点。

利用空间自相关方法对中国前300大姓的人口空间分布进行分析,确认了各姓氏人口分布的聚集特征,通过提出扩散距离指标对聚集特征存在的空间范围进行了量化,并从各姓氏的人口迁移特性角度进行了解释。具体结果为:中国前300大姓的姓氏相对频率在近距离范围内普遍存在空间自相关(聚集性);大约一半左右姓氏的扩散距离在400 km到800 km之间,且姓氏的扩散距离与它的人口规模正相关,即大规模姓氏的扩散距离更大,这可能与大规模姓氏的演化历史更为悠久有关。

针对具有非完整特性的三轮机器人的路径轨迹跟踪控制问题,使用Backstepping方法,提出一种多机器人协同编队控制策略。首先将基于领航—跟随模式的系统编队问题转变成跟随机器人对各自虚拟领航者的运动轨迹追踪问题,进而得到系统位姿误差运动学方程;然后运用Backstepping方法构建非线性系统的机器人协同编队控制策略,应用Lyapunov函数等知识对机器人动力学系统分析得出,多机器人系统运行稳定,可以实现编队控制。最后通过仿真实验验证了编队方法的可行性。

提出了一种基于改进元胞自动机模型的乘客疏散运动模型,用于研究地铁车厢内发生突发事故下的乘客疏散行为。充分考虑到乘客在突发事故下疏散时的趋利避害和从众心理等,结合模糊逻辑理论建立了乘客的车门选择机制,并利用改进的元胞自动机模型完成对乘客疏散过程的建模工作。通过仿真实验模拟分析了当地铁车厢内突发火灾时火源的位置、紧急情况下车门有效利用宽度以及座椅排布方式对乘客疏散的影响,并得到以下结论:火源位于中部车厢时乘客的疏散效率要高于位于车头或车尾车厢时的疏散效率;在一定范围内,地铁车门的有效利用宽度增加,有利于提高乘客的疏散效率;采用单排纵向排布的座椅排布方式可以在最大限度满足乘客舒适度要求的基础上保证乘客的疏散效率。模型利用了元胞自动机模型计算量小以及模糊逻辑理论不需要建立复杂数学模型的优势,可用于预测乘客疏散时车门的选择及运动过程,进而指导乘客在紧急情况下快速疏散。

针对库诺特双寡头量子纳什均衡的稳定性问题,利用量子博弈与非线性动力学理论,构建了不同理性预期下,以量子纠缠为变量的动态博弈模型,分析了模型的均衡解及稳定性条件。得出结论:量子均衡解在一定参数条件下是局部稳定的,企业预期调整速度会导致均衡解呈现复杂性特征,而量子纠缠可有效地控制其稳定性。对模型进行了数值分析,当参数不满足稳定性条件时会出现分岔、奇异吸引子等混沌现象。

为研究零售商风险规避行为对生鲜供应链的影响,运用系统动力学方法对具有腐坏损失风险规避行为的零售商所在的生鲜供应链系统进行建模仿真。为更加符合实际情况,把生鲜品细分为新鲜品和打折品。研究结果表明,随零售商风险规避程度增大,其订货量减小,供应链成员以及整体供应链的利润下降。提出供应商通过回购契约和分担保鲜成本的方式缓解零售商风险规避带来的消极影响,提高整体供应链系统性能。

基于两态理论,利用绝热近似条件,根据随机势能的统计特性,推导出系统输出信噪比(SNR)的数学表达式。研究结果表明,SNR随阻尼系数、加性噪声强度、以及系统参数的变化出现随机共振现象。随着随机势能相关长度的增大,SNR的最大值单调减小;随着随机势能幅度的增大,SNR的最大值单调增加。数值仿真结果表明系统输出信噪比与理论结果相符。

为研究高校实验室人员不安全行为的传播机理并提高高校实验室对不安全行为检查及整治的针对性,基于SD-SEIR传播模型,构建高校实验室人员不安全行为传播模型。通过anylogic仿真平台设置实验室人员不安全行为传播模型的状态变量、速率变量、参数等,实现了对模型的模拟仿真。最后将该模型应用于天津市某高校实验室,提出针对实验室人员不安全行为传播治理的指导性建议。研究表明,增加治愈率、改善率、直接免疫率,降低潜伏率、感染率、遗忘率可以有效防控高校实验室内不安全行为的传播。

针对具有随机丢包分布式网络系统的状态估计问题,提出了一种带有信息融合策略的滚动时域估计方法。系统中每个节点能够通过网络与相邻节点传输数据,并在丢包时利用零阶保持器采用上一时刻数据来补偿测量值。基于滚动优化原理,传感器节点利用本地测量数据和相邻节点传来的数据将状态估计问题转化为固定窗口内的二次优化问题,并使用标量加权线性最小方差的方法对性能指标进行加权融合,从而得到一种新的估计方法。该方法保证了系统的一致性,并在保证准确度的情况下减少了计算时间。最后分析了估计器的稳定性并在仿真中与其它估计方法进行了比较,结果表明该方法具有更好的效果。

随着机动车保有量的日益增加,人们愈发关注出行的效率以及环境问题。为解决这种问题,提出一种改进的快速非支配排序遗传算法(NSGA-Ⅱ),并将其应用于区域交通信号配时优化问题中。该算法是一种多目标优化算法,将区域交通的车均延误以及尾气排放作为优化目标,经过算法优化后会得到一系列的最优值,从中选取综合最优的值。最终利用VISSIM微观交通仿真软件针对本文案例搭建仿真模型并对该方法优化的结果进行验证,将其与未改进的快速非支配排序遗传算法进行对比,来验证其有效性。仿真结果表明:改进后优化的配时,在CO尾气排放方面降低了8.213%,在车均延误方面降低了19.023%。

针对在交叉口自动驾驶车辆与其他车辆直行冲突的问题,构建自动驾驶汽车行为决策模型,采用深度强化学习对自动驾驶汽车通过道路交叉口进行训练,让自动驾驶汽车自主决策学习,实现复杂场景的快速控制,并与非支配排序遗传算法对比验证自动驾驶汽车的稳定性。仿真结果表明采用深度确定性策略梯度算法的自动驾驶车辆行为决策方法能够更好地输出速度确保了油门及刹车值的平稳变化,有效解决了自动驾驶汽车的安全和舒适问题。