博文

《控制理论与应用》2026年第3期虚拟专刊：智能决策与优化

已有 394 次阅读 2026-5-9 11:41 |个人分类:刊期目录|系统分类:博客资讯

卷首语

在复杂系统与海量数据的时代, 决策与优化已不再局限于传统运筹学范畴, 而是深度融合机器学习、图网络、模糊逻辑等智能技术, 向着更高精度、更强自适应性和更广应用场景迈进. 本期我们精选五篇优秀研究, 分别聚焦图像分割、故障诊断、车辆路径规划、脑机接口解码以及图像复原等热点问题. 这些工作或改进聚类效率, 或构建图卷积诊断网络, 或设计启发式调度算法, 或融合多模态生理信号, 或提出新颖的去模糊架构, 展现了智能优化算法在提升决策质量方面的巨大潜力.

论文

增强空间信息的快速自适应模糊聚类图像分割算法

【作者】

吴嘉昕, 王小鹏, 焦建军, 陈浩然

【摘要】

针对模糊C-均值聚类(FCM)算法对图像空间信息利用不充分, 导致对噪声鲁棒性差以及目标函数自适应参数设置较为复杂的问题, 本文提出了一种增强空间信息的快速自适应模糊聚类图像分割算法. 首先, 本文定义了一种新的增强空间信息运算, 该运算利用调和系数将图像的局部信息和非局部空间信息相结合并整合到FCM聚类中, 以提高算法的鲁棒性; 其次, 提出一种快速自适应参数设置的方法, 并为原始图像与增强空间信息分配更为高效的自适用参数, 进而实现目标函数的关键参数快速自适应计算; 最后, 将稀疏正则化引入FCM目标函数, 减少了算法的运行时间. 此外, 所提出算法还设计了一个3步迭代算法用于求解基于稀疏正则化的FCM模型, 该算法由拉格朗日乘子、硬阈值算子和归一化算子构成. 在合成图像和不同数据集上的真实图像实验表明, 所提出算法在模拟噪声的条件下, 其分割性能和运算效率优于其他同类型的算法.

【关键词】

图像分割; 模糊C-均值聚类; 增强空间信息; 稀疏正则化; 自适应参数

【引用格式】

吴嘉昕, 王小鹏, 焦建军, 等. 增强空间信息的快速自适应模糊聚类图像分割算法. 控制理论与应用, 2026, 43(3): 480 – 490

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA230821&flag=1

基于加权图卷积网络的多传感器旋转机械故障诊断

【作者】

胡艳艳, 衣骁捷, 彭开香

【摘要】

多传感器数据能为故障诊断提供更为全面和精确的信息, 但现有建模在欧氏空间里的深度学习算法难以有效处理传感器间复杂的相互影响和空间关系. 同时, 旋转机械振动信号的非平稳特性也极大影响了故障诊断的效果. 为解决上述问题, 本文提出了一种新的基于加权图卷积网络的多传感器旋转机械故障诊断方法. 利用希尔伯特–黄变换 (HHT) 自适应地提取故障特征, 克服信号非平稳性的影响. 考虑到图结构在空间关系上强大的表达能力以及图卷积网络强大的特征学习能力, 依据传感器节点特征向量之间的距离度量构建加权 HHT 图, 并搭建具有两层结构的图卷积网络进行故障诊断. 同时, 在网络损失函数中引入两个正则项以提高诊断的精度. 公开数据集上的实验结果验证了所提出方法的有效性及相比其他方法的优越性.

【关键词】

多传感器; 故障诊断; 希尔伯特–黄变换; 图卷积网络

【引用格式】

胡艳艳, 衣骁捷, 彭开香. 基于加权图卷积网络的多传感器旋转机械故障诊断. 控制理论与应用, 2026, 43(3): 521 – 529

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA230829&flag=1

灵活车场多类型叫车接送问题的改进模拟退火算法

【作者】

陈可嘉, 司徒腾宽, 方云飞, 陈荣晖

【摘要】

面对老龄化社会和个性化交通需求的挑战, 灵活车场多类型叫车接送在提供高效、便捷的交通解决方案方面显得尤为重要. 然而, 灵活车场环境下车辆的异构性和调度的复杂性, 使得服务优化面临巨大难题. 本文提出的改进模拟退火算法, 针对这一问题, 显著优化了车辆总行驶距离. 该算法设计了一种基于宽容度与回温机制的解接受策略, 以及3种新的搜索算子, 旨在提高算法稳定性和避免过早陷入局部最优. 与CPLEX求解器和确定性退火算法相比, 本算法在多个测试实例上展现出显著优势. 通过敏感性分析, 研究了乘客最大行驶时间和时间窗口对算法性能的影响, 为实际的叫车接送规划提供了决策支持.

【关键词】

叫车接送问题; 灵活车场; 模拟退火; 解接受策略优化; 回温策略

【引用格式】

陈可嘉, 司徒腾宽, 方云飞, 等. 灵活车场多类型叫车接送问题的改进模拟退火算法. 控制理论与应用, 2026, 43(3): 614 – 624

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA240060&flag=1

动态图–时间卷积神经网络EEG-fNIRS多模态运动想象/执行解码

【作者】

颜亨, 周正康, 何新生, 李俊华, 袁振, 王洪涛

【摘要】

本文提出一种基于动态图卷积和时间卷积的深度学习模型, 用于联合分析脑电图、功能性近红外光谱多模态信号, 以实现空间信息和时间信息的互补. 具体为: 首先, 利用锁相值方法分别确定脑电图、功能性近红外光谱通道间的图结构信息; 其次, 将经过预处理的脑电图和功能性近红外光谱数据分别输入卷积层; 再次, 将这些由卷积层输出的特征信息和图结构信息输入动态图卷积神经网络进行处理, 进一步通过一层时间卷积分别提取两种数据的时间特征, 将输出结果进行拼接输入至一层卷积中进行特征层面融合; 最后, 通过全连接层得到融合后的分类结果. 为评估所提模型的性能, 采用3个数据集进行测试. 实验结果表明, 本模型在3个数据集的分类结果均优于脑电图分类结果和功能性近红外光谱分类结果. 消融实验亦验证了本模型具有较强的鲁棒性.

【关键词】

脑机接口; 运动想象; 功能性近红外光谱; 动态图卷积神经网络; 时间卷积网络

【引用格式】

颜亨, 周正康, 何新生, 等. 动态图–时间卷积神经网络EEG-fNIRS多模态运动想象/执行解码. 控制理论与应用, 2026, 43(3): 661 – 670

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA230779&flag=1

基于YUV颜色空间和图卷积残差网络的图像去模糊算法

【作者】

张萌, 郭一娜, 王海东, 上官宏

【摘要】

图像去模糊需要在保留空间细节的同时确保高层次的上下文信息的平衡. 针对模糊图像中的空间结构破坏, 上下文信息扭曲以及RGB图像中的通道间强相关性造成的颜色不平衡等问题, 本文提出一种基于YUV颜色空间和图卷积网络(GCN)的图像去模糊算法(YUVGCR). 首先, 设计了用于图像去模糊的YUV与RGB颜色空间转换算法, 以解决RGB通道间强相关性的问题. 然后, 利用GCN可以将特征图转换为预生成图的顶点, 对特征图进行图卷积, 从而合成构建图结构的数据. 通过这样做, 可以隐式地将图拉普拉斯正则化应用于特征图, 使其更加结构化. 实验表明, YUVGCR的峰值信噪比(PSNR)为36.21 dB, 比先进算法提高了2.93 dB. 可视化去模糊结果可以看出, YUVGCR能产生更清晰的边缘和细节, 图像去模糊的整体性能获得较大提升.

【关键词】

图像去模糊; 空间结构; YUV颜色空间; 图卷积网络(GCN); 图结构; 深度学习

【引用格式】

张萌, 郭一娜, 王海东, 等. 基于YUV颜色空间和图卷积残差网络的图像去模糊算法. 控制理论与应用, 2026, 43(3): 691 – 696

【全文链接】

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA230537&flag=1

结语

从像素空间的精准分割, 到旋转机械的故障预警; 从复杂路径的智能规划, 到脑机接口的意图解码, 本专题的五项研究, 共同勾勒出智能决策与优化技术深入感知、诊断、调度与交互核心环节的生动轨迹. 这些工作超越了传统算法的边界, 通过融合模糊聚类、图卷积网络、仿生优化与多模态学习等前沿方法, 在图像处理、工业运维、交通调度与人机交互等关键领域, 实现了决策精度、效率与自适应能力的显著提升. 它们有力证明, 当智能算法与特定领域的知识与数据深度融合时, 便能孕育出突破性的解决方案, 将复杂、模糊、高维的决策问题, 转化为可计算、可优化的科学工程. 随着智能化浪潮的推进, 决策与优化技术将持续为各行业赋能, 成为应对不确定性、挖掘系统潜能、通往更自主、更高效未来的核心驱动力.

期刊介绍

《控制理论与应用》(Control Theory & Applications)是经国家科学技术部批准, 教育部主管, 由华南理工大学和中国科学院数学与系统科学研究院联合主办的全国性一级学术刊物, 1984年创刊, 月刊, 国内外公开发行. 《控制理论与应用》是中国科学引文数据库首批统计源期刊之一，中文核心期刊，入选中国精品科技期刊顶尖学术论文F5000项目，中国科协自动化学科领域高质量科技期刊目录以及中国科协百篇优秀科技论文遴选计划，2021年入选广东省高质量科技期刊建设项目，2022-2024年连续获得基金委资助（科技活动专项）。

期刊封面2.jpg 目录2.jpg