印制电路技术的新方向(2)

多层印制板的合理化技术以敷铜箔层压板和半固化片为原材料,将孔金属化技术、叠压和打孔技术巧妙地配合起来的多层印制板制造方法,今后在高密度组装用的印制板中将保持主要地位,这一点看来是不会有什么问题的了。但是,如上篇所述,多层板无论是在工程上还是设计上都相当复杂,即便能极有限地使用 CAD(计算机辅助设计)     

一台多层印制板测试器模型

一、前言遵照伟大领袖毛主席的“独立自主,自力更生”的教导,我所工人阶级发扬了敢想敢干,不怕困难,认真负责的精神,在模板打孔、触针加工、继电器检测、组装接线等工艺上,反复多次试验,使工艺很快过关。管库房的同志主动承担了绕弹簧工作,利用业余时间很快完成了任务。科技人员和广大工人相结合,试制成功了多层印制板测试器的模型。随着大型快速电子计算机的研制,出现了多层印制电路板。印制板金属化孔及孔间连接     

一种基于数字图像处理和最小二乘拟合的打孔水松纸透气度检测方法

针对烟草企业广泛存在的水松纸透气度检测问题,本文提出了一种基于数字图像处理和最小二乘拟合(Least Squares Fitting,LSF)的检测方法,用于对打孔水松纸进行在线检测。首先,采用数字图像处理技术提取测量区域内的打孔水松纸孔面积;其次,利用最小二乘拟合方法建立孔面积与打孔水松纸透气度之间的拟合模型,进而使用该模型计算透气度。基于实际生产数据的测试结果验证了所提方法的有效性。     

钣金件数控激光切割割嘴路径的优化

提出了分级规划的三步算法来解决优化问题．首先用改进的最近邻算法选择打孔点；然后用智能仿生算法——蚁群算法来求解最佳割嘴路径；最后根据Z轴随动功能约束情况，用路径调整算法来调整前两步算法确定的最佳路径，并获得最终割嘴最佳路径．给出了运行实例并指出进一步的研究工作．     

求解车辆路径问题的人工蜂群算法

采用人工蜂群算法对车辆路径问题进行求解,给出食物源的自然数编码方法,并采用邻域倒位方法生成候选食物源。应用算法求解了多个车辆路径问题的实例,并将结果与其它一些启发式算法进行了比较和分析。计算结果表明,人工蜂群算法可以有效求解车辆路径问题,同时也为算法求解其它一些组合优化问题提供了有益思路。     

蚁群算法在物流配送中的应用研究

本文通过单个蚁群算法和多个蚁群算法来分析它们在求解车辆路径问题上的区别。首先介绍了关于物流配送的车辆路径问题、带有时间窗的车辆路径问题以及蚁群算法的相关知识,然后分析蚁群算法在求解VRP问题的过程,最后通过模拟实验分析单个蚁群算法和多个蚁群算法在求解不同顾客数目的车辆路径问题的区别。得出多个蚁群算法相比较与单个蚁群算法在求解大型问题更具有优势性。     

可行解优先蚁群算法对车辆路径问题的求解

针对车辆路径问题,给出了一种利用蚁群算法求解该问题的新方法。借鉴K-TSP问题的求解方法,优先构造可行解,通过对较优解路径上信息素的增强,最终得到问题的最优解或较优解。实验结果表明,用本方法求解车辆路径问题,简化了求解过程,缩短了求解时间,解决了无可行解的问题。     

集成三级物流系统的网络规划问题研究*

选址—路径问题是物流系统中的一个组合优化问题,启发式方法一般采用两阶段法将其分解为选址分派和车辆路径问题来顺序求解,但这两个阶段间的信息无法有效传递,因而往往不能得到集成问题的优化解。设计了具有能力约束的三级物流网络选址—路径问题模型,采用遗传算法整体求解该问题,避免了顺序求解带来的问题;设计了采用整数编码的三级染色体编码结构,采用禁忌搜索算法对交叉和变异操作作了改进,提高了算法的搜索效率,能够更适合集成问题的求解;最后通过算例分析,验证了本算法求解小规模选址路径问题的有效性。     

遗传算法辅助的动态符号执行测试方法

动态符号执行是一种有效的软件测试方法,但由于受到约束求解器求解能力的限制,在面对较为复杂的程序和路径条件时,动态符号执行的路径覆盖率还有待提升。针对上述问题,提出了一种遗传算法辅助的动态符号执行测试方法,并基于此方法实现了原型工具JDart-Ga。该方法结合遗传算法的优势,生成约束求解器无法求解的约束条件对应测试输入,从而提升动态符号执行的路径覆盖率。实验结果表明,在测试存在动态符号执行无法覆盖路径的3个实验对象时,所提出方法的路径覆盖率与JDart相比分别提升了16%至23%。     

基于可满足性模理论求解器的程序路径验证方法

针对程序中因存在路径条数过多或复杂循环路径而导致路径验证时的路径搜索空间过大,直接影响验证的效率和准确率的问题,提出一种基于可满足性模理论（SMT）求解器的程序路径验证方法。首先利用决策树的方法对复杂循环路径提取不变式,构造无循环控制流图（NLCFG）;然后通过基本路径法对控制流图（CFG）进行遍历,提取基本路径信息;最后利用SMT求解器作为约束求解器,将路径验证问题转化为约束求解问题来进行处理。与同样基于SMT求解器的路径验证工具CBMC和FSoft-SMT相比,该方法在对测试集程序的验证时间上比CBMC降低了25%以上,比FSoft-SMT降低了15%以上;在验证精度上,该方法有明显的提升。实验结果表明,方法可以有效解决路径搜索空间过大的问题,同时提高路径验证的效率和准确率。     

一种综合高效的实时道路导航方案

根据目前道路导航方案以自主车辆型和局部最短路径选择为主的现实,利用GPS技术、分级路由选择算法、移动主机路由选择算法、动态权值修正算法和Dijkstra算法设计了一个综合的道路导航方案.GPS技术实现车辆定位,分级路由选择算法可降低道路的数据复杂性,提高计算机的检索速度,动态权值修正算法可实时修改道路的权值,Dijkstra算法可实现最短路径查找.该方案可实现全国范围内任意两个地点的实时最短路径选择,并能进行实时道路导航.     

基于滑动窗口和蚁群优化算法的二次路径规划算法

针对蚁群优化(ACO)算法在复杂环境下规划能力较弱的问题,提出了一种基于滑动窗口和蚁群优化算法的二次路径规划(QACO)算法.对回退蚁群优化(ACOFS)算法的回退策略进行改进,通过降低回退路径上的信息素量,减少回退次数.第一次规划中,使用改进后的ACO算法对栅格环境进行全局路径规划;第二次规划中,滑动窗口沿着全局路径滑动,通过ACO算法规划出滑动窗口中的局部路径,并使用局部路径对全局路径进行优化,直至滑动窗口中包含目标位置.仿真实验表明:相比ACO、ACOFS算法,QACO算法的平均规划时间分别下降了26.21%、52.03%,平均路径长度下降了47.82%、42.28%,因此在复杂环境下QACO算法具有将强的路径规划能力.     

基于定位点和路径复用的大型多人在线游戏寻路算法

针对当前寻路算法不能很好满足大型多人在线游戏对于可靠性和低消耗的要求,提出一种基于定位点和路径复用的大型多人在线游戏寻路算法。通过定位点的使用和路径复用,使得无用空间的探索大幅减少,降低了服务器的负载,最终探索出一条接近最优的路径。实验结果表明,该算法具有更高的效率,对于大型多人在线游戏寻路是一个切实可行的解决方案。     

一种移动机器人路径规划新算法

快速搜索随机树（Rapidly-exploring random Tree Star,RRT*）算法在移动机器人实际应用中规划路径在转向部分存在较多的冗余转折点,导致移动机器人在移动转向过程中出现多次停顿与转向,为剔除规划路径中的冗余路径点,提高机器人移动流畅性,提出一种改进的 RRT*算法。算法将局部逆序试连法引入移动机器人路径规划,在确保RRT*算法概率完备性和渐进最优性的前提下,剔除规划路径中的冗余路径节点,使最终路径更加接近最短路径。通过MATLAB仿真实验证明,规划路径平均长度缩短4%,算法耗时缩短35%,改进后的RRT*算法能缩短规划路径且转向部分路径更加平滑。最后,使用改进后的RRT*算法在室内环境下进行移动机器人路径规划实验。实验结果表明：规划路径上无冗余路径点,且移动机器人沿路径移动流畅。     

狭窄空间无人机动态三维A*算法研究

针对三维飞行器在动态环境下使用三维A*算法进行局部仿真时,环境信息未知,存在冗余点和拐点,导致收敛时间长、路径节点扩展代价大、易陷入局部最优问题,提出一种基于全局与局部相结合的动态三维A*寻路算法。此算法首先改进评价函数的权值系数动态分配,减小路径冗余点和拐点,从而降低算法耗时,缩短路径长度;其次改进路径生成策略,有效提高算法效率,避免陷入局部最优,进一步缩短路径长度,从而实现飞行器在三维动态环境中的路径规划。将改进后的算法进行仿真对比,仿真结果表明,改进后的算法路径更加合理,算法耗时和路径长度更短。     

改进A*算法的机器人全局最优路径规划

针对传统A^*算法规划的路径存在很多冗余点和拐点的问题,提出了一种基于A^*算法改进的高效路径规划算法。首先,改进评价函数的具体计算方式,减小算法搜索每个区间的计算量,从而降低寻路时间,并改变生成路径;其次,在改进评价函数具体计算方式的基础上,改进评价函数的权重比例,减少生成路径中的冗余点和拐点;最后,改进路径生成策略,删除生成路径中的无用点,从而提高路径的平滑性;此外,考虑到机器人的实际宽度,改进后算法引入障碍物扩展策略保证规划路径的可行性。将改进A^*算法与三种算法进行仿真对比,实验结果表明,改进后的A^*算法规划的路径更加合理,寻路时间更短,平滑性更高。     

基于改进蚁群与动态窗口法的AGV动态路径规划

针对全局静态路径规划算法无法有效躲避动态障碍物、局部动态路径规划算法缺少全局环境信息指导规划路径质量差或无法成功到达目标点等问题,提出了一种结合改进蚁群算法和动态窗口法的全局动态路径规划算法,实现在动态环境中的全局最优路径实时规划.对传统蚁群算法提出了初始信息素不均匀、双向分布、引入放大系数A增大相邻栅格启发信息差异、...     

大规模AGV的改进时间窗路径规划

在机器人路径规划中,A*算法搜索路径时存在大量冗余节点,随着任务量增加,其搜索效率也会急剧下降,因此无法适应大规模任务下的路径规划。为此提出一种改进时间窗的有界次优A*算法用于求解大规模自动导引车（automatic guided vehicle,AGV）路径规划问题。算法使用时间启发式,并在搜索过程中采用时空搜索,规划无冲突的最优或次优路径。算法主要进行了三处改进：采用时间启发式,缩短了路径时间;采用动态时间窗算法,避免多次路径规划;优化了聚焦搜索算子,降低负反馈。通过MATLAB实验结果证明改进后的算法在进行多机器人路径规划时,能快速有效地规划出无冲突的平滑次优路径,搜索效率高,稳定性强。     

一种新的Kth最短路径搜索算法

借助于“背离”路径的概念,论文在2nd最短路径搜索算法的基础上提出了一种新的Kth最短路径搜索算法,并将其应用至实际环境中。通过K-1次2nd最短路径搜索算法的迭代,该算法可以求出网络中任意两个给定节点之间的Kth最短路径,2nd最短路径搜索算法在计算上具有简单性,因而也同样具有简洁、快速的特点。     

用于求解路径交通流量的改进Frank-Wolfe算法

Frank-Wolfe算法是用于求解交通流量分配问题的经典算法,但该算法是基于路段（Link-Based）的交通流量分配算法,无法用于求解路径交通流量。针对此问题,提出一种用于求解路径交通量的改进Frank-Wolfe算法。通过在Frank-Wolfe原算法中增加求解路径交通流量的计算步骤,根据原算法中“全有全无”加载方法获得的步长,更新源-目的（OD）间所有已配流的路径的交通流量,在原算法迭代计算路段流量的同时,同步计算路径流量。通过算例表明,改进算法是一个有效的算法,在Frank-Wolfe原算法的基础上增加少量的时间和空间成本即可求解路径交通流量,避免穷举交通网络中的所有路径,可以很好地用于用户均衡交通流量分配中。