罚转向网络最短路径研究

建立和研究了具有转向惩罚值的网络模型,在引入了罚转向网络符号及规则后,对所建立的罚转向网络模型的有关最短路径的性质进行了研究,提出了以标记法的基础的求解最短路径的算法,最后给出了应用该算法的一个简单实例。     

用宽度优先搜索求网络图的最短路径

在对网络图变换的基础上引入了简单连通图的准生成根树的概念，并由此给出了求图最短路径的一种新算法。该算法与以往算法的区别在于它改变了网络图的拓扑结构，从而使搜索能够在结构非常简单的树状图上进行。     

Dijkstra最短路径算法优化

传统D ijkstra算法在求解节点间最短路径时,对已标识节点以外的大量节点进行了计算,从而影响了算法的速度.在对传统D ijkstra算法分析的基础上,对其进行了优化,优化算法只对最短路径上节点的邻居做了处理,而不涉及到其他节点.因此,在优化算法中计算的节点数大幅减少,提高了算法的速度.     

F-D算法求解最短路径

分析Floyd算法与Dijkstra算法的基本思想,将二者结合起来,给出一种新的求最短路径的优化算法——F-D算法,用F-D算法求解基于GIS的电力通信线路最短路径,并在约束条件下对所求最短路径进行修正,验证了F-D算法的先进性和高效性,优化了通信线路的拓扑,实际应用意义重大。     

常用最短路径算法分析与比较

用于解决最短路径问题的算法被称做最短路径算法。最短路径算法在各种应用中有着广泛的用途。常用的路径算法有Dijkstra算法、Bellman-Ford算法、SPFA算法和DAG图算法,本文对这些算法进行了分析比较。     

基于优化的Floyed算法前r条最短路径的实现

最短路径的算法应用在很多领域,基本的Floyed算法是解决任意两点之间的最短路径,在实际应用中会要求给出前r条最短路径,以便决策,从中选择一条最佳的路径,文章在分析Floyed算法的基础上,给出改进算法,求解前r条最短路径,并且优化了Floyed算法的时间代价,使其对稀疏图的效率更高。     

计算最短路径树Dijkstra算法的改进

针对用于网络寻径表刷新的OSPF路由选择协议中使用的计算最短路径树的Dijkstra算法在网络应用中的不足，提出了一种改进算法，用以计算边和节点上都有代价的图的最短路径树，以更全面刻画网络状态，找到更合理的最短路径树，通过对同一个网络自治系统最短路径树的计算，比较了改进Dijkstra算法和Dijkstra算法的差别，结果表明改进Dijkstra算法能够更加全面地刻画网络状态，找出的最短路径树更为合理。     

一种实用的最短路径求解算法

本文从地图上城市交通网络中道路路段间的地理关联关系入手,探讨了一种求两节点间最短径的新算法,在地理信息系统软件ＭａｐＩｎｆｏ中编程实并取得良好的效果。该算法的时间花费极少,有极强的实用性,并有继续研究的价值。     

嵌入式导航系统的最短路径算法研究

针对道路交通网络应用,回顾分析了经典最短路径搜索算法。结合嵌入式系统的具体特点,提出了2种适用于嵌入式导航系统的最短路径算法,并对算法效率进行了评估和实例验证,算例表明了这2种算法的可行性和优势。     

浅析城市道路网中的最短路径算法

论文主要分析了一些经典的最短路径算法,以及这些最短路径算法单独应用于城市道路网中存在的局限性。在此基础上提出了一种改进的Dijkstra算法用来解决城市道路网中的最短路径问题,并给出了改进后的算法优于传统算法的优势之处。     

Neural Network Pruning Algorithm with Penalty OBS Process

Aimed at the great computing complexity of optimal brain surgeon (OBS) process, a pruning algorithm with penalty OBS process is presented. Compared with sensitive and regularized methods, the penalty OBS algorithm not only avoids time-consuming defect and low pruning efficiency in OBS process, but also keeps higher generalization and pruning accuracy than Levenberg-Marquardt method.     

车辆导航系统中最短路径计算的数据模型

在自主车辆导航系统中如何实现符合现实状况的大范围的最短路径查询,对道路等级、道路通行条件、转弯规制等限制进行抽象,建立了模拟现实道路网络的交通仿真模型;对于大数据量交通网(全国范围)的路径计算,提出按道路等级分层建立拓扑网和分区域建立区域小型拓扑网的解决方案．     

惩罚函数法在遗传算法处理约束问题中的应用

主要研究惩罚函数法在遗传算法中的应用。将传统优化方法中的惩罚函数法与遗传算法相结合，研究了三种不同的惩罚函数法在遗传算法中的实现和应用，编制了计算程序。通过对连续变量无约束优化、连续变量约束优化和离散变量约束优化等典型优化问题的计算分析，将三种惩罚函数方法进行了比较，指出了它们的特点及选用原则。同时，对遗传算法中各种算子的不同形式也进行了研究和比较，得出了一些有意义的结论。     

无线传感器网络中带惩罚因子的路由协议

该文针对路由协议在实际中的应用及存在的问题,进一步提出了带惩罚函数的最短路由协议。分析对比证明PSPRP算法与一般最短路由算法相比,具有能量均衡且低延时的特点,实验表明,该算法能使网络均衡,从而有效的延长网络寿命,获得更好的性能。     

Study of a New Improved PSO-BP Neural Network Algorithm

In order to overcome shortcomings of traditional BP neural network, such as low study efficiency, slow convergence speed, easily trapped into local optimal solution, we proposed an improved BP neural network model based on adaptive particle swarm optimization （PSO） algorithm. This algorithm adjusted the inertia weight coefficients and learning factors adaptively and therefore could be used to optimize the weights in the BP network. After establishing the improved PSO-BP （IPSO-BP） model, it was applied to solve fault diagnosis of rolling bearing. Wavelet denoising was selected to reduce the noise of the original vibration signals, and based on these vibration signals a wide set of features were used as the inputs in the neural network models. We demonstrate the effectiveness of the proposed approach by comparing with the traditional BP, PSO-BP and linear PSO-BP （LPSO-BP） algorithms. The experimental results show that IPSO-BP network outperforms other algorithms with faster convergence speed, lower errors, higher diagnostic accuracy and learning ability.     

交通事件小波神经网络算法的探讨

回顾了传统的交通事件检测的算法,结合当前世界流行的检测方法,提出利用小波分析和神经网络进行交通事件的检测的方法,并详细介绍了事件检测的流程图和算法的思想。与传统算法相比较,小波分析和神经网络结合用于交通事件检测的算法具有检测率高、误报率低和检测时间短等优点,但同时也指出了其不足之处,为以后进一步的研究提供了方向。     

无线传感器网络节点定位算法研究

针对无线传感器网络中DV-Hop定位算法在未知节点到锚节点距离计算中的不足,提出了一种新的距离计算方法。该算法考虑了未知节点到锚节点路径中相邻三个节点组成的夹角对距离的影响,从而更精确计算出距离,并对改进算法和原算法进行了对比仿真。仿真结果表明,改进算法有效地提高了节点的定位精度和覆盖率.     

惩罚函数结合遗传算法的PID参数优化

针对传统优化算法对PID参数优化时,由于目标函数选择不当出现的超调量过大,从而引起系统的反应速度变慢和稳定性变差的问题,提出以传统遗传算法为基础,引入惩罚函数的方法,根据系统中出现的超调量来构造新的目标函数实现对PID的参数优化。实验表明,该方法可以有效减少系统中的超调量,加快优化以及运行速度的同时保证系统的稳定性,实现对PID参数的优化。     

卫星网络中面向任务的资源优化算法研究

针对卫星网络中面向任务的资源优化问题,在资源和任务偏序顺序双重约束下,以完成所有任务时间最短为目标,设计了一种基于遗传算法的资源优化算法,主要针对侦察、计算、存储资源进行优化,能当用户提出任务请求时给出上述三种资源的合理分配方案和任务执行顺序以实现优化。通过实例验证了算法,实验结果表明算法能够在较短时间内求得卫星网络中面向任务的优化问题的近似最优解,性能良好.     

一种基于RBF神经网络的模糊PID控制算法

提出一种将RBF神经网络与模糊控制相结合的方法,对系统输出误差进行模糊化,利用RBF神经网络对PID控制参数进行在线整定。仿真结果表明基于上述的PID控制算法能较好地实现PID控制参数的在线调整和优化。