基于遗传算法的MF-HF天调调谐算法

介绍了对分搜索算法、Hooke&Jeeves算法和Powell算法等基于直接搜索的MF-HF天调调谐算法,指出了其容易陷入局部最优解的问题。提出基于遗传算法的天调调谐算法,对算法的基本流程进行了介绍。结合近似计算和邻域搜索的思想,对调谐算法进行了改进,减少变量个数,缩小算法搜索空间。通过对4m鞭状天线进行调谐仿真,验证了遗传算法作为调谐算法的有效性,同时改进后的算法在调谐速度和匹配精度上获得了明显的改善。     

基于EPZS快速运动估计算法的改进

EPZS(Enhanced Predictive Zonal Search)是一种新的快速运动估计算法,属于预测搜索算法,该算法选择更多的预测矢量和多模式搜索路径,试图从几个非常可能的矢量中预测最佳运动矢量.在分析EPZS算法优缺点的基础上,引进新的扁六边形搜索模板以及非对称十字搜索的方法对其进行改进,提出了新的算法.改进的算法在基本不改变图像质量和码率的情况下,简化了搜索方式,加快了搜索速度,从而改进了搜索效率.     

基于空间相关性的图像补全

对Criminisi图像补全算法进行了改进,提出了快速算法.根据空闻相关性,将原来寻找最佳匹配块的全局搜索改为局域搜索,减少了搜索时间.实验表明,算法效率高,修复结果令人满意.     

带局部增强算子的微分进化改进算法

微分进化算法具有鲁棒性强、易于使用、控制参数少等优点.但在搜索中存在一定的盲目性,搜索效率不高.本文通过引入局部增强算子,使种群中的部分个体在当前最优个体附近寻优,以加快算法的收敛速度.利用五个标准的优化算法测试函数对改进算法进行了测试,并与动态微分进化算法和微粒群算法进行了比较.算法分析和仿真结果表明,本文提出的改进算法大大提高了算法搜索效率.     

采用改进的细菌觅食优化算法求解 RCPSP

针对细菌觅食优化算法全局搜索能力较弱和收敛速度慢的问题,对算法的更新方式进行改进,在算法的初期通过粒子群算法进行全局搜索,使细菌在更新时感知周围环境,再由细菌觅食算法的趋向操作进行局部搜索,提高算法的计算精度和搜索能力。最后运用实例对算法进行验证,实验结果验证了此算法在求解资源受限的项目调度问题时的可行性和优越性。     

一种不依赖时空相关性的UMHexagonS改进算法

针对UMHexagonS算法存在重复搜索和搜索点数较多的问题,提出了一种UMHexagonS改进算法。算法利用模版间的互补性以及模版搜索规律分别对UMHexagonS算法中的5?模版和小六边形模版进行了改进,避免了模版间的重复搜索;设计了一种只与搜索过程相关的提前终止策略,减少了多六边形格点模版不必要的搜索点。实验结果表明,在输出码流码率及峰值信噪比基本不变的前提下,改进算法能有效提升各类视频序列的编码效率,特别是对复杂背景、复杂运动及剧烈运动视频序列编码效率的提升较显著,可以减少20%左右的运动估计时间。     

不依赖时空相关性的UMHexagonS改进算法

针对UMHexagonS算法存在重复搜索和搜索点数较多的问题,提出了一种UMHexagonS改进算法.算法利用模版间的互补性以及模版搜索规律分别对UMHexagonS算法中的5×5模版和小六边形模版进行了改进,避免了模版间的重复搜索;设计了一种只与搜索过程相关的提前终止策略,减少了非对称多六边形格点模版不必要的搜索点.实验结果表明,在输出码流码率及峰值信噪比基本不变的前提下,改进算法能有效提升各类视频序列的编码效率,特别是对复杂背景、复杂运动及剧烈运动视频序列编码效率的提升较显著,可以减少20％左右的运动估计时间.     

单纯形块匹配搜索算法改进

对采用单纯形法的块匹配快速搜索算法进行了改进,新算法改进了初始单纯形确定方法,大大减少了搜索范围,从而提高了搜索速度,性能接近于三步法,实验结果表明了新算法的优越性。     

改进型中心引力优化CFO算法研究简

 中心引力优化算法（Central Force Optimization）是一种新型的基于天体力学的多维搜索优化算法.这是一种确定性的优化算法,该算法利用一组“质子”在引力作用下的运动,搜索决策空间最优值.但该算法仍然有局部收敛的特点.本文对该算法中质子运动方程做了分析研究,利用天体力学中的摄动理论对算法进行了改进,给出了改进后的新的CFO算法的迭代公式,并且对新的公式进行了分析.最后实验结果表明针对CFO算法的摄动改进可以使得搜索质子跳过CFO空间中的局部解,使得算法收敛精度和速度都有了不同程度的提高.     

改进型中心引力优化CFO算法研究

中心引力优化算法(Central Force Optimization)是一种新型的基于天体力学的多维搜索优化算法.这是一种确定性的优化算法,该算法利用一组"质子"在引力作用下的运动,搜索决策空间最优值.但该算法仍然有局部收敛的特点.本文对该算法中质子运动方程做了分析研究,利用天体力学中的摄动理论对算法进行了改进,给出了改进后的新的CFO算法的迭代公式,并且对新的公式进行了分析.最后实验结果表明针对CFO算法的摄动改进可以使得搜索质子跳过CFO空间中的局部解,使得算法收敛精度和速度都有了不同程度的提高.     

改进的A＊算法在机器人路径规划中的应用

文中提出了一种改进的A＊算法并应用于机器人路径规划中。采用基于A＊算法的二次路径规划策略,机器人行走时遇到突然出现的未知障碍物时能有效地进行路径重规划;采用基于优先级的子节点生成策略,考虑到了现实中机器人的体积,使规划路径能在现实中得到执行;最后,通过MATLAB仿真平台进行了仿真,验证了此算法的有效性和可靠性。改进的A＊算法提高了机器人的智能水平和实时路径规划能力。     

流量工程中静态路由算法的研究

该文提出了一种应用于流量工程环境中的静态路由算法。考虑当前的网络资源情况,分优先级别在网络中计算并配置标记交换路径(Label Switched Path,LSP),当某一优先级有多条 LSP需要并行配置时,利用遗传算法搜索最优或较优的配置方案,使得网络的链路带宽使用率低于管理员定义的某个限定值,达到合理分布资源的目的。此外,提出了一种改进的 Dijkstra 算法计算 LSP的最短路径。     

光网络中分离路由算法的研究

光网络比传统的包含节点、链路的图论网络更为复杂,使用分离路径能够有效地改善光网络的可靠性.文章提出了一种基于改进蚁群算法的分离路由算法,通过与最短路径优先算法进行仿真比较可知,该算法在多条分离路径的搜索上具有较明显的优势.     

动态蚁群算法用于洪灾搜救问题

蚁群算法是一种求解最优路径的常用算法,其利用自然界中蚁群的活动规律和正反馈原理。动态的蚁群算法针对基本蚁群算法存在的问题和缺点进行改进,采用动态参数因子,可以有效避免搜索的局部最优和进化停滞现象,并且能够提高搜索效率。通过实验结果对比,该算法在求解最短路径方面具有更高的精确度,为今后的搜救问题提供了一种高效实用的参考方法。     

一种新的QoS组播路由算法

针对现有的求解多约束QoS组播路由中存在的问题,结合BP神经网络局部搜索的优势和蚁群算法全局搜索的优势的特点,进行QoS组播路由算法的设计,提出了一种新型的NNAC算法。该算法通过BP神经网络寻找路径的更优解,改善了QoS组播路由路径寻找的方法。通过实验仿真表明,NNAC算法得到最优组播树的总延时为35,总代价费用为21,在完成150个度约束组播路由路径时,NNAC算法在进行最优组播树的寻找成功率上高于AC算法,同时该算法还克服了AC算法易陷入局部最小点的不足。     

自适应视野的人工鱼群算法求解最短路径问题简

针对基本人工鱼群算法的参数视野固定不变导致算法后期收敛速度慢、运算量大、易陷入局部最优等问题,提出自适应视野的改进人工鱼群算法。改进后的算法只对人工鱼的觅食行为的视野进行调整,使其随着算法的迭代次数的增加而逐渐减小,但当视野小于初始值的一半时,停止减小,使其等于初始值的一半。将提出的改进型人工鱼群算法应用到求解基于道路网络的最短路径问题中,并通过实验证明了改进后的人工鱼群算法比基本人工鱼群算法及蚁群优化算法收敛速度快、计算量小,而且更加准确和稳定。     

一种基于改进DTW算法的动态手势识别方法

结合Kinect传感器提出了一种基于改进的DTW算法的动态手势识别方法。首先,通过SDK对Kinect传感器获得的深度信息进行分析,获得人体骨骼点3D位置,选取其中4个点作为手部运动特征;然后,用加权距离和全局路径限制的方法对传统的DTW算法进行改进;最后,用改进的DTW算法进行模板训练和实现动态手势的识别。实验表明：该方法能很好地实现动态手势的识别,实时性好,在背景干扰和光照方面有较强的鲁棒性,较传统的DTW算法在识别速度和识别正确率方面有所提高。     

基于反馈机制的自愈算法

提出了一种网络自愈算法,当网络中的节点发生故障或链路出现拥塞时,该算法利用Q学习的反馈机制、多QoS约束的评价函数和基于Boltzmann-Gibbs分布的路径选择策略,自适应地选择恢复路径,降低了选择发生故障和拥塞路径的概率,从而实现了自愈。仿真结果表明,该算法在恢复率、区分业务能力和网络资源优化等方面,表现出了良好的性能。     

一种任意城市间最短路线优化算法实现

首先介绍最短路问题的数学模型及Dijkstm算法，紧接着采用蹦kstra算法的改进算法静——Floyd算法，然后将求城市道路网两点间最短路径目标约束转化为求最短路问题，随之建立最短路模型，并描述了用MATLAB程序进行求解的过程。最后用实例验证了模型和算法的可用性。     

采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法:一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率.同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数字高程数据建立三维环境,对比基本细菌觅食优化算法和粒子群算法进行仿真.结果表明,基于改进细菌觅食优化算法优化的无人机航迹规划结构具有路径长度更短、路径更平滑和收敛速度更快的特点.