非线性系统卡尔曼滤波新方法

为了在非线性、非高斯系统估计中获得更好的精度,提出一种新的unscented卡尔曼滤波(UKF).采用确定性采样方法,通过选择unscented变换中的参数α＝0.85,β＝2和l＝0,确定出2n 1个σ点,使这些σ点完全符合非线性系统Yi＝F(Xi)的高斯随机变量的均值和方差.仿真结果表明:σ点通过实际的非线性系统Yi＝F(Xi)传递后,其后验均值和协方差可以达到泰勒展开式的三阶精度,广义卡尔曼滤波(EKF)只能达到一阶精度.该UKF滤波与EKF算法复杂度相近,但具有比EKF更好的估计精度.     

选择神经网络隐层单元数的另一个指标

透过两次应用准交叉证实法选择作为在线状态估计器的神经网络隐层单元数所得结果不一致的现象，分析了每一选择循环中各次训练结果预测误差平方和的分散情况，发现各次预测误差平方和的样本标准差与交叉证实法中用的选择指标有着类似的随隐层单元数增减而变化的趋势。提出了可用此样本标准差作为选择神经网络隐层单元数的另一个指标，并根据两个指标所得选择结果是否一致判断受随机因素影响的程度，从而提高选择结果的可靠性。     

用表上作业法解决配送式配送运输问题的实例研究

本文通过实例,对用表上作业法解决配送式配送运输问题进行了初步的探讨和研究,为物流企业在解决类似问题提供一种行之有效的办法,同时为物流管理专业配送及运输相关课程的教学提供了案例素材。