基于改进粒子群优化算法的三维空间路径规划

将改进粒子群优化算法应用于三维空间路径规划.首先给出三维空间建模方法,其次通过在迭代过程中对算法惯性系数w分段设置和对粒子位置进行随机扰动的方式,来改进粒子群优化算法,然后给出了基于改进粒子群优化算法的三维空间路径规划的算法流程.仿真结果表明,改进方式能有效提高粒子群优化算法应用于三维空间路径规划的计算效率和可靠性.     

一种快速词自动聚类算法

词聚类是语言自动处理中一个重要的基础环节.传统的统计方法基于贪婪原则,常以语料的似然函数或困惑度作为评价标准,其主要缺点是:聚类速度慢、初值对结果的影响大、易陷入局部最优.针对这些问题,提出了基于相似度测度和覆盖方法的聚类方法.该方法计算量小、聚类速度快.而且,借助覆盖原理有效减小了初始点选取对聚类的影响程度.实验证明,效果理想.     

一种新的基于地理信息的多媒体传感器网络路由协议

无线多媒体传感器网络作为一种全新的信息获取和处理技术,更多地关注于音频、视频、图像等大数据量、大信息量的多媒体数据的采集与处理,在军事、民用及商业领域中具有广阔的应用前景.传统的基于地理信息的路由协议并不适用于多媒体传感器网络.提出一种基于纯地理信息的路由协议,该协议调整网络节点的通信覆盖半径,然后利用改进的贪婪算法建立路由.仿真实验表明,该算法能够显著延长网络节点生存时间和延长网络整体生存时间.     

路径匹配及轨迹回放的算法研究与应用

动态跟踪及轨迹回放是GIS车辆监控系统的主要功能。基于将线离散成点集合的思想,设计了简称点到点的路径匹配算法和轨迹插值的轨迹回放算法。点到点将道路线离散成点集合,据此进行路径匹配,同时采用预测思想来解决交叉路口误判等问题;轨迹插值首先研究插值的应用前提并设计简称变定位时间间隔的方法来满足插值前提,其次介绍插值过程;算法应用于实际工程,点到点对交叉路口有很好的判断,轨迹插值降低定位成本。     

DWDM光网络中RWA问题的遗传求解方法

针对密集波分复用(dense wavelength-division multiplexing,DWDM)光网络通信中的动态路由与波长分配(routing and wavelength assignment,RWA)问题,提出了一种基于遗传算法的动态RWA方法.将遗传算法与分层图模型相结合,实现了RWA的方便计算.通过扩展适应值函数,能够有效地处理带时延约束的通信量请求.实验结果表明,与已有最短路径算法(Dijks-tra)相比,该算法能够提供多条候选路由方案,更适应较差环境下的网络通信.     

未知环境下移动机器人遍历路径规划

为提高未知环境下移动机器人遍历路径规划的效率,提出了一种可动态调节启发式规则的滚动路径规划算法.该算法以生物激励神经网络为环境模型,通过在线识别环境信息特征,动态调用静态搜索算法和环绕障碍搜索算法,有效减少了路径的转弯次数.引入虚拟障碍和直接填充算法,解决了u型障碍区域的连续遍历问题.最后通过仿真实验表明了该方法在未知复杂环境下的有效性.     

多Agent的DDoS源地址追踪方法研究

对数据包标记的各种技术进行了深入研究,分析它们存在的问题,基于上述的研究,提出一种多Agent的追踪方法,以解决传统方法存在的重构需要大量数据包,追踪鲁棒性和实时性差等问题.该方法采用并行分布式的结构,将整个追踪区域分成若干自治网络,在各自治网络内独立采用动态的标记概率等算法,同时设立追踪Agent进行自治区内的追踪,最终将由追踪管理器收集各追踪Agent的部分攻击路径并重构出整个攻击路径.理论分析表明,该方法降低了计算量和误报率,增强了追踪的实时性和准确性等.     

基于CAN的资源定位模型的改进策略

针对结构化P2P网络资源定位时寻路跳数过多,逻辑网络和物理网络不匹配等问题,分析了资源定位模型CAN(content addressable network)的基本原理,在CAN的基础上,提出了最小代价路径策略.该策略采用分组模型,组内每个节点中维护一条自身到其它各个节点的最小代价路径,以实现路由本地化,降低覆盖网络的路由跳数和节点间时延;合理的分组保证节点维护开销小的同时,有效地提高了路由效率.最后,通过模拟测试表明了改进策略的有效性.     

欠驱动船舶路径跟踪的神经网络稳定自适应控制

针对三自由度欠驱动船舶模型参数不确定的路径跟踪问题, 设计了神经网络稳定自适应控制器. 首先应用微分同胚等效变换和Lyapunov直接法设计参考航向和参考速度, 然后对船舶模型参数不确定的操纵环路和推进环路分别设计神经网络稳定自适应控制器跟踪参考航向和参考速度, 并对外界风浪流干扰进行自适应补偿.Lyapunov稳定性分析证明了船舶路径跟踪闭环系统的所有误差信号一致最终有界. 仿真研究验证了神经网络稳定自适应路径跟踪器的有效性.     

非完整移动机器人的人工势场法路径规划

基于人工势场的移动机器人路径规划方法在最近20多年里受到了广泛关注.然而研究者主要将目光集中于解决其各种理论问题,在研究中大都将机器人看作无约束的质点或刚体,通常无法直接应用于受到非完整约束限制的轮式移动机器人.针对人工势场法在轮式移动机器人上的实现问题,本文对两种已有实现方法进行了理论分析,指出其存在目标不可达的隐患和无法在不同环境下兼顾路径规划性能的问题,并提出一种基于模糊规则的新方法,通过在不同的情况下调整控制方式和参数解决前述问题.仿真研究表明,该方法在保证目标可达的前提下能够在多种环境中获得更好的总体规划性能.