本文提出的一种多变量自寻优闭环移动极点自校正控制算法的基本策略是:在控制过程中,以多变量广义最小方差为目标,自动移动闭环极点,且使其在控制量允许的范围内,闭环极点处在理想位置的系统。这样不仅能实现最优控制,且具有极点配置的鲁棒性

针对卫星通信网频谱资源利用率低下的问题,以信道有效容量最大化为优化目标,提出了一种支持时延约束的卫星Underlay认知无线网络功率控制与优化算法.首先根据网络拓扑结构建立了功率干扰模型,通过引入时域信道相关系数,推导了完全与非完全信道环境下基于时延约束的认知用户有效容量优化目标函数,并利用Lagrange方法求解得到不同场景下认知用户的最佳功率调整策略,简化了功率控制优化过程,最后通过实验仿真分析了影响认知用户信道有效容量的因素.结果表明,该算法能够根据业务时延约束条件和信道衰落特性变化动态调整认知用户的最佳发送功率,与等功率分配算法相比认知用户的信道有效容量得到了明显提高

智能系统：柔性倒立摆的模糊控制算法

智能系统：公交优先模糊控制算法研究（山东省科学院：张立东、王英龙）

智能系统：生物启发AUV三维轨迹跟踪控制算法

• 学习和掌握顺序查找和折半查找算法的原理和实现； • 学习和掌握二叉排序树的概念及其构造方法、二叉排序树的查找算法原理。 • 学习和掌握选择排序、交换排序、插入排序、归并排序和快速排序方法的原理

无人机可通过自主集群编队提高其在复杂环境下执行任务的能力.多飞行器并存导致系统协调管理难度提升等一系列问题，因此如何设计合理高效的无人机集群编队协调自主控制算法是一个亟待解决的难点问题.在鸟群群集飞行过程中，个体通过遵循简单行为规则进行相互合作而产生复杂有序的集体行为.由于鸟群群集飞行过程中所表现出的邻近交互性、群体稳定性和环境适应性等特点与无人机集群编队的自主、协调和智能等控制要求有着紧密的契合之处，因此，研究鸟群群集飞行机制，并将其映射到无人机集群系统，是解决无人机集群编队协调自主控制问题的一条切实可行的途径

本课程是自动化专业主要骨干专业课之一,其性质、目的和任务是使学生掌握计算机控制系统的 基本结构组成,过程通道的类型、设计方法和抗干扰措施,离散系统控制算法的主要设计方法和类 型,接口技术和提高计算机控制系统可靠性与抗干扰措施的方法,计算机实时监控系统软件设计方 法,以及现场总线技术在计算机控制系统中的应用等。为学生今后实际工作奠定一定的基础

6.1 遗传算法的基本原理 6.1.1 遗传算法的基本遗传学基础 6.1.2 遗传算法的原理和特点 6.1.3 遗传算法的基本操作 6.2 遗传算法的模式理论 6.3 遗传算法应用中的一些基本问题 6.4 高级遗传算法 6.4.1 改进的复制方法 6.4.2 高级GA算法 6.5 微种群和双种群遗传算法 6.6 基于遗传算法的系统在线辨识 6.7 基于遗传算法的模糊控制 6.8 免疫遗传算法 6.8.1 免疫遗传算法的基本概念 6.8.2 免疫算子的机理与构造 6.8.3 TSP问题的免疫遗传算法

4.1 PID调节 4.2 PID算法的数字实现 4.3 PID算法的几种发展 4.4 PID参数的整定 4.5 大林算法