1 研究背景与意义工程优化（含工艺参数优化、工程设计优化）是提升产品质量、降低成本、提高资源利用率的核心手段，在机械制造、土木工程、化工生产等领域具有关键作用。但实际工程优化面临四大核心挑战：多目标强冲突性：工程优化常涉及相互制约的多目标（如工艺参数优化中 “最小化成本、最小化能耗、最大化质量、最小化周期”），四目标协同优化需平衡全局最优与各目标均衡，传统单目标优化或双目标优化难以满足复杂需求；

1 研究背景与意义轴承作为旋转机械的核心零部件，其运行状态直接决定设备可靠性与生产安全性，在航空航天、智能制造、轨道交通等领域具有不可替代的作用。PHM 轴承数据集记录了轴承全生命周期的振动、温度等监测数据，基于该数据的剩余寿命（Remaining Useful Life, RUL）预测是设备预防性维护的关键技术，核心挑战在于：退化特征复杂性：轴承退化过程呈现非线性、非平稳特性，从正常状态到失效阶

近年来，随着深度学习技术的飞速发展，循环神经网络(RNN)及其变体，如长短期记忆网络(LSTM)和门控循环单元(GRU)，在处理序列数据方面展现出强大的能力，广泛应用于自然语言处理、语音识别、时间序列预测等领域。然而，传统的RNN结构在处理包含空间信息的数据时存在局限性，例如图像或视频数据。卷积神经网络(CNN)擅长提取空间特征，将CNN与RNN结合，可以有效地融合空间和时间信息，从而提升模型的表

多智能体系统(Multi-Agent System, MAS)广泛存在于自然界和人工社会中，例如鸟群的飞行、鱼群的游动、交通流的运行以及机器人集群协同工作等。理解和预测这些系统的集体行为对于许多科学和工程领域至关重要。然而，由于个体智能体之间复杂的相互作用以及系统的高维性，揭示多智能体系统中隐含的交互规律仍然是一个巨大的挑战。传统的建模方法，例如微分方程建模，往往需要预先假设系统结构，且难以处理高

在信号处理领域，时频分析是一种极其重要的工具，它可以同时显示信号在时间和频率上的信息，从而揭示信号的动态变化特性。Wigner-Ville分布（WVD）作为一种二次型的时频表示方法，因其具有较高的时频分辨率而被广泛应用于各种领域，例如语音识别、雷达信号处理、振动诊断等。然而，对于离散信号，直接计算WVD会导致交叉项问题，影响时频表示的清晰度。因此，离散Wigner-Ville分布（DWVD）应运而

RIS（智能反射面）辅助无线通信系统的性能仿真平台，核心目标是对比MRT（最大比传输）、ZF（迫零）、MMSE（最小均方误差）、ZF-NS（无矩阵求逆 ZF）四种波束成形（BF）方案在不同 SNR 下的频谱效率，并结合理论值验证方案性能。代码基于波域信道建模，适配单 / 多用户场景，可灵活调整 RIS 阵元数、收发端尺寸、信道环境等参数。

随着工业4.0时代的到来，人机协作（Human-Robot Collaboration, HRC）装配线正逐渐成为智能制造的重要组成部分。HRC系统在提高生产效率、柔性和适应性方面展现出巨大潜力，但其核心挑战在于如何确保在共享工作空间中人与机器人的安全交互。传统安全策略往往通过速度限制或物理隔离来保证安全，这在一定程度上牺牲了协作效率。

适当正交分解（Proper Orthogonal Decomposition, POD），又称主成分分析（PCA）在信号处理领域的延伸，是一种通过正交基函数展开信号、提取主导特征的经典方法。其核心价值在于：能从海量信号数据中筛选出能量占比最高的 “主导模态”，实现信号的降维与关键信息提取，广泛应用于振动信号去噪、流体流动分析、生物医学信号处理等领域。传统 POD 多基于时域信号展开，通过构建信号的

在人工智能与计算科学飞速发展的当下，智能优化算法始终是解决复杂优化问题的核心利器。从经典的遗传算法、粒子群算法，到新兴的各类仿生算法，研究者们不断从自然界汲取灵感，构建高效的寻优模型。而海市蜃楼搜索优化算法（Mirage Search Optimization，简称 MSO），正是其中极具创意的一员，它以独特的视角，模拟自然界中海市蜃楼这一奇幻现象，为优化问题求解提供了全新思路。算法原理：解码海市

摘要：多智能体系统（Multi-Agent System, MAS）作为分布式人工智能领域的重要分支，近年来受到广泛关注。它通过多个自治智能体之间的协作与交互，共同完成复杂的任务，在机器人、交通控制、能源管理等领域具有广阔的应用前景。本文将探讨基于MATLAB的多智能体系统状态控制的实现方法，重点分析状态控制的常见策略，并结合实例，阐述利用MATLAB进行MAS建模、仿真和控制的流程，最后对未来发