用于动态交通分配的合理路径集合算法研究

为了解决在基于路径的动态交通分配问题中,在每一个起点与终点之间的合理路径集合产生问题.首先,介绍了目前常用的路径集合产生方法,如Dial算法、路段删除算法、路段惩罚算法以及仿真方法等,然后在此基础上提出了可用于动态交通分配问题的合理路径集合产生以及路径合理性判断指标.在一个中型路网中,通过仿真方法确定了本文提出的算法的有效性和正确性,结果表明:以Dial算法、路段删除算法和路段惩罚算法为基础的算法给出的结果更加有效,而仿真算法给出的路径集合偏差较大.     

基于贝叶斯置信区间的传感器网络故障诊断方法研究

通过构建贝叶斯网络故障诊断模型,提出了结合故障诊断准确性和置信区间对传感器网络进行故障诊断的方法。采用二项分布参数估计方法,结合β分布和F分布对置信区间进行算法改进,降低了对测试数据规模的要求,减小了准确度的误差。通过仿真分析,验证了改进算法的准确性和可靠性。     

无线传感器网络路由协议成簇算法研究

阐述了无线传感器网络中路由协议成簇算法。在分析LEACH和SCRP的基础上,结合二者各自特点,提出了对SCRP的改进方案,并对实现算法进行了详细描述。由于考虑了网络负载平衡,该改进算法有利于提高WSN能量利用率,延长整个WSN网络的生存时间,拓展了基于簇的WSN路由协议的应用范围。     

异构网络环境中的拥塞丢包率仿真分析

针对TCPVegas算法在异构网络环境中流量公平性导致的拥塞丢包问题,将TCPVegas拥塞控制算法与主动队列控制策略来行结合分析,提出了将网络模型中不同层次的拥塞控制机制进行结合的算法。网络仿真表明,结合算法能有效避免拥塞丢包。该算法对随机早期检测算法进行了改进,使其能够区分突发流量,从而降低拥塞丢包率,这也将为高可靠性网络的发展提供一个优良的参考价值。     

移动WiMAX网络中一种改进的跨层AQM算法

提出了一种移动WiMAX网络中的跨层主动队列管理(Active Queue Management,AQM)方案,设计了基于此方案的CHOKe-CRL改进算法.结合CHOKe算法的优点,在网络的链路层队列处利用传输层的窗口变化信息,改善了上行终端的丢弃率等特性,平滑了网络的吞吐量,保证了网络的QoS指标.仿真结果表明,CHOKe-CRL改进算法在一定程度上提高了WiMAX网络上行链路的性能.     

遗传优化神经网络的一种改进算法

提出一种搜索算子．结合自适应交叉和变异算子,构成了遗传优化神经网络的一种改进算法。将这种算法用于一个算例的计算。与遗传优化BP算法相比较,发现遗传优化BP算法出现了网络瘫痪问题,改进算法则取得了较好的运算结果。     

基于BP神经网络的舰载导弹垂直发射系统建模与仿真研究

建立了舰载导弹垂直发射的基于BP网络的辨识模型,讨论了网络的学习算法,结合舰载导弹垂直发射的实际情况,给出了基于BP网络的改进算法.并通过对动力学模型和BP模型的对比研究,讨论了神经网络建模的可行性.     

贝叶斯改进BP神经网络在织物染色配色中的应用

针对BP算法及其改进算法泛化能力不强的问题,探讨了用贝叶斯正规化算法与LM算法的结合来提高BP神经网络的泛化能力。结果表明,在相同网络规模或误差条件下,贝叶斯正规化算法泛化能力明显优于基本BP算法及其它改进的BP算法,且收敛速度较快。因此文中把贝叶斯正规化算法与LM算法结合应用到了织物染色的计算机配色中,其预测的配方和实验的数据比较接近,证明了该方法的可行性。     

改进BP算法在过程神经网络中的应用

过程神经网络是一种基于过程神经元的新型神经网络,其输入及权值皆为时序函数.针对基本BP算法的一些不足,将一种改进BP算法应用于前馈过程神经网络的训练之中,提高了网络的学习效率,扩展了过程神经网络的训练算法理论.在改进BP算法与网络训练的结合过程中,权函数及输入函数皆被用同一正交基函数展开.最后基于改进BP算法将过程神经网络应用于了飞机发动机尾气温度指数的预测当中,验证了算法的有效性,同时也展示了过程神经网络广泛的应用前景.     

Bellman-Ford算法的改进研究

针对传统距离矢量路由(Bellman-Ford)算法,将多约束路由问题简化,并改进路由问题的限制条件,提出了改进的Bellman-Ford算法,应用于基于集中式控制路由协议网络模型。仿真结果表明,采用改进算法的网络路由计算时间随网络节点数有明显的改善,且网络阻塞率随路由请求数增加而下降。验证了改进算法比传统算法更加有效。     

改进量子交叉免疫克隆算法及其应用

根据不同交叉算子的互补特性,提出了改进量子交叉免疫克隆算法(improved quantum crossover immune cloanl algorithm, IQCICA)。交叉算子由具有深度挖掘和广度挖掘特征的两种算子组成,并通过适当的参数控制两种算子的选择。将该算法应用于著名的组合优化问题-旅行商问题(traveling salesman problems, TSP),并将计算结果与其它算法进行了对比分析。仿真结果表明,混合量子交叉免疫克隆选择算法能有效平衡全局和局部搜索能力,有着较好的收敛速度和稳定性。     

二维数组复杂性测度的统计复杂度改进

为研究基于统计复杂度在测度二维数组时,面临计算复杂和符号化时的序列脱节等问题,提出了以重构距离数组为基础的改进算法.首先,在理论上说明改进算法能够一定程度解决原统计复杂度算法的两方面问题.然后,以不同状态Lorenz方程为对象检验改进算法.结果表明,改进算法的CFC能够准确、有效地刻画不同状态Lorenz方程生成的二维数组的复杂度.     

机器人世界杯足球锦标赛中多机器人对目标协同定位算法的改进

以机器人世界杯足球锦标赛（ROBOCUP）中全自主机器人平台为对象,针对传统的基于密度空间聚类方法（DBscAN）在对数据处理的精准度和稳定性上的出现的问题,提出了引入机器人距离阈值的改进DBSCAN算法,以提高多机器人协同定位的准确度．首先通过研究单个机器人自定位和目标定位,建立协同定位信息融合的模型;然后该算法通过引人机器人距离阈值,结合平台实际,即机器人测控距离越近测控的精度越高,将传统基于密度空间的聚类方法中有可能被剔除掉的数据,通过与阈值的对比而决定是否保留,提高融合数据的数据量和准确度,从而解决观测信息误差较大以及融合数据不稳定的问题．实验中,在多机器人获取同一个点的情况下分别使用传统DBSCAN和改进DBNscAN算法对目标点进行数据融合．实验结果表明对比传统DBSCAN,改进后的算法在领域半径EPS变化的情况下,融合数据依然稳定．ROBOCUP全自主机器人平台中使用引入机器人距离阈值判断的改进DBSCAN算法进行协同定位,这让其信息融合在稳定性和精确性方面要高于传统的DBSCAN算法．     

基于改进的粒子群和遗传算法的混合优化算法

分析粒子群算法在求解组合优化问题中的运行原理,对警车分布的优化问题建立了粒子群优化的数学模型,对基本粒子群优化算法中的速度范围、惯性权重等参数进行了改进,并通过仿真与基本粒子群算法比较,显示改进的粒子群算法,提高了优化结果.在改进的粒子群算法中引入遗传算法,将形成的新混合算法应用到求解警车最优执勤地点的分布问题,并与遗传算法和改进的粒子群算法仿真比较.结果表明,混合优化算法在收敛速度和精度上均有明显的提高.     

基于改进免疫算法的有能力约束车辆路径问题

针对遗传算法、免疫遗传算法在解决车辆路径问题(VRP)中存在的问题与不足,提出了一种改进免疫遗传算法。该算法主要在检查个体的多样性程度方面进行了简化,运用多样性指数阈值控制种群个体的多样性。通过有能力约束VRP的实验验证了新算法,得到了满意的效果。     

一种改进的限幅滤波降低PAPR算法

针对传统正交频分复用降低峰均功率比算法计算复杂度较高,失真比较严重的问题,提出了一种改进的限幅滤波算法,该算法将正交频分复用信号划分为奇信号与偶信号来分别进行限幅滤波操作. 仿真结果表明,与传统的限幅滤波算法相比,该算法在降低PAPR性能的同时,具有较低的计算复杂度,同时能够较好地滤除带外干扰,显著提高系统的误码率的性能.     

改进生物地理学优化算法在配电网无功优化中的应用

针对生物地理学算法(BBO)信息利用能力强但搜索能力不强的问题,提出了一种结合遗传算法改进变异操作的算法.改进算法充分利用了遗传算法的搜索能力,使算法的寻优能力得到了很大的改善.将该算法应用于IEEE34节点的系统,采用分区的方法进行无功补偿优化.算例表明:与基本BBO算法、遗传算法的无功优化相比,改进算法在计算速度和优化效果方面都具有明显的优势.     

改进K-means算法在声纹识别中的应用

在基于高斯混合模型（GMM）的声纹识别算法中,K-means聚类算法是GMM模型参数初始化常用的方法之一。传统K-means算法在聚类过程中采用几何距离进行分类,忽略了类中各矢量的分布不同对聚类结果的影响,常常得不到令人满意的识别结果。文中对传统K-means算法进行了改进,并将改进后的K-means算法与GMM结合应用到声纹识别系统中。实验结果表明,改进的K-means算法与传统的算法相比具有更好的识别效果。     

求解平衡运输问题的改进遗传算法

采用改进遗传算法求解平衡运输问题,针对平衡运输问题及其数学模型,应用改进的选择算子、交叉算子、变异算子和自适应交叉概率与变异概率等遗传算法机制,通过实例表明,该算法在求解平衡运输问题上的优越性.     

改进分层遗传算法在斜拉桥主梁损伤识别中的应用

标准遗传算法在解决像斜拉桥这类复杂结构的损伤识别问题时会出现提前收敛,即所谓“早熟”的现象。为了避免此现象的发生,提高损伤识别的效率与精度,提出一种基于改进分层遗传算法的斜拉桥主梁损伤识别方法。采用索力变化作为优化目标函数,将3种具有不同遗传算子的标准遗传算法与变量微调和灾变策略相结合,形成了一种具有灾变特性的分层遗传算法,以实验室独塔斜拉桥模型作为研究对象进行了数值仿真,结果表明：改进的分层遗传算法成功的避免了标准遗传算法“早熟”现象的发生,能快速有效的完成斜拉桥主梁各种损伤的识别;同时对此方法进行抗噪性分析发现,该方法具有良好的抗噪能力。