手写字符串识别搜索算法

字符串识别通过最优路径搜索得到字符切分和字符识别结果.本文将字符同步和时间同步两种搜索模式应用于手写字符串识别系统,比较两种模式下使用不同准则函数和搜索算法的系统性能.同时,提出一种改进的路径评价准则,在此准则下可用动态规划算法进行最优路径的搜索.在联机手写日文字符串识别中的实验结果表明.对于无词典驱动的字符串识别系统,时间同步搜索的效率高于字符同步搜索.利用本文所提出的路径评价准则,可得到与归一化准则相当的切分和识别准确率,但搜索时间大为减少.     

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。     

一种改进的群体智能寻路算法

以游戏中群体智能角色的路径搜索为研究背景,提出一种改进的群体智能寻路算法。该方法把游戏寻路过程划分成三个阶段:第一阶段为预处理阶段,针对特定的目标点,采取逆向路径搜索策略,建立最优解路径表。第二阶段,针对动态障碍物的避让,运用实时A*算法生成局部动态路径,并与初始路径进行拼接。第三阶段,对找到的路径进行关键点优化和Catmull-Rom样条平滑处理。实验结果表明该方法在游戏开发中的实用价值。     

融合模糊聚类的蚁群图像增强算法

为提高边缘检测精准度,保证图片分割后效率和效果,本文提出一种基于融合模糊聚类的蚁群图像增强算法。该算法利用分量灰度值、灰度梯度值和领域特征值进行图像特征提取,得到特征灰度图;然后使用模糊聚类算法对区域蚂蚁进行聚类以提高收敛速度;再采用蚁群算法进行图像边缘检测,检测过程中,使用路径选择策略对蚁群进行有序搜索,提高搜索效率,又根据信息素更新策略进行最优路径信息交流,以达到边缘点提取与检索目的;最后将检索所得灰度边缘图与原图进行重合,得到图像增强效果。实验结果表明,该改进算法在检索时间方面相较于传统蚁群算法提高了20.7%;在精度方面提高了14.8%,图片分割效果更好,纹理更清晰。     

多目标动态车辆路径问题建模及优化

针对物流配送中动态车辆路径优化问题,综合考虑动态需求、路网影响、车辆共享、时间窗以及客户满意度,建立了多目标动态数学规划模型,该模型能更好地描述现代物流配送问题.同时,提出一种两阶段求解策略,第一阶段采用多目标混合粒子群优化算法获取预优化阶段Pareto最优解,采用改进的粒子状态更新策略并融合模拟退火操作提升粒子群搜索性能,采用自适应网格技术保持解的分布性;第二阶段对客户的需求变化采用贪婪插入和变邻域搜索进行实时路径调整.实验表明,该算法在解空间中有更好的探寻能力,并能快速收敛到全局最优,满足动态路径优化实时性要求.     

基于分层网络拓扑结构的最优路径算法

由于Dijkstra算法的基础是平面网络拓扑模型，因此当计算网络的节点数目较大时，计算的时间将急剧膨胀。为了快速地搜索到最优路径，基于分层网络拓扑结构（HiTopo），提出了双向分层搜索最优路径算法（BHWA）；该算法对现有分层路径算法进行了以下两点改进：（1）将分级网络的局部连通性作为划分子图的指标；（2）在路径计算过程中，使用弧段作为搜索目标，并采取了双向搜索策略。通过北京道路数据的实验表明：该算法在保持分层路径算法高效性的基础上，还提高了路径搜索结果的准确性；通过进一步研究表明，如果使用启发式搜索来对算法进行优化，则可以使算法的速度有更大的提升。     

煤矿履带式定向钻机路径规划算法

煤矿履带式定向钻机路径规划过程中存在机身体积约束和实际场景下的行驶效率需求,而常用的A*算法搜索速度慢、冗余节点多,且规划路径贴近障碍物、平滑性较差。提出一种以改进A*算法规划全局路径、融合动态窗口法（DWA）规划局部路径的煤矿履带式定向钻机路径规划算法。考虑定向钻机尺寸影响,在传统A*算法中引入安全扩展策略,即在定向钻机和巷道壁、障碍物之间加入安全距离约束,以提高规划路径的安全性;对传统A*算法的启发函数进行自适应权重优化,同时将父节点的影响加入到启发函数中,以提高全局路径搜索效率;利用障碍物检测原理对经上述改进后的A*算法规划路径剔除冗余节点,并使用分段三次Hermite插值进行二次平滑处理,得到全局最优路径。将改进A*算法与DWA融合,进行煤矿井下定向钻机路径规划。利用Matlab对不同工况环境下定向钻机路径规划算法进行仿真对比分析,结果表明：与Dijkstra算法和传统A*算法相比,改进A*算法在保证安全距离的前提下,加快了搜索速度,搜索时间分别平均减少88.5%和63.2%,且在一定程度上缩短了规划路径的长度,路径更加平滑;改进A*算法与DWA融合算法可有效躲避改进A*算法规...     

城市交通最优路径算法

城市智能交通系统中,最优路径算法及其优化是研究热点之一,是整个交通系统较为核心的部分.结合图论中最短路径算法,研究了城市交通可达路径算法,并对其进行了有效优化.通过图论中的路径代价函数,提出了城市最优路径算法,在此基础上,通过优化搜索区域、可达路径的搜索方向以及路网分层搜索等优化策略,达到了优化城市最优路径算法的目的,提出的城市最优路径及其优化算法能够给出行者提供多条参考的时间最优路线,方便出行者选择.通过算法的应用实例,验证了城市最优路径及其优化算法的有效性与实时性.     

物资缺乏情况下的应急物流运输与物资二次分配策略

针对应急物流中的运输时效性和物资分配公平性问题,提出了一种两阶段应急物流运输与物资二次分配策略.首先,基于所定义的时间满意度、物资满意度和综合满意度,提出了最大时间满意度车辆路径问题模型和最小加权满意度标准差应急物资分配模型.第一阶段针对最大时间满意度车辆路径问题模型设计了一种混合灰狼优化算法进行求解,该算法采用了最优分割过程分组解码策略,并采用了混沌搜索策略、2-Opt和1-1局部搜索策略来提高算法的搜索能力;第二阶段针对最小加权满意度标准差应急物资分配模型设计了混沌灰狼优化算法求解.实验结果表明:在第一阶段,总体时间满意度比CVRP模型提高了39.31％;在第二阶段,当实际物资量为80％和权重系数为0.75时,计算得到的综合满意度标准差为0.0619,物资满意度标准差为0.0974,较好地平衡了灾民的心理诉求和物资利用效能.两阶段应急物流运输与物资二次分配策略得到了较高的时间满意度和较好的物资分配结果,证明了所提模型和算法的有效性.     

基于改进A*算法的移动机器人路径规划研究

A*算法广泛应用于移动机器人路径规划中，而传统A*算法在寻路时，普遍存在搜索时间较长、效率低下等问题，因此，采用双向搜索的方式，对传统A*算法加以改进，该算法在路径规划过程中，可同时进行正反向路径搜索，同时采用正反向搜索交替机制，保证了最终目标节点搜索在连线中点区域内相遇，从而缩短了寻路计算时间。在MATLAB平台上，针对改进后的A*算法进行仿真实验，结果证明，双向A*算法减少了规划时间，且可生成最优路径。最后，将该算法应用到基于开源机器人操作系统的Turtlebot2移动平台上，进行现场实验，实验结果表明，双向A*算法减少了寻路计算时间，从而使得路径搜索效率得到显著提升，且规划路径合理，满足路径规划要求。     

Tabu搜索算法应用于多级路由问题

无级电话网中的路由迂回方案可以是多级的，多级路由方案问题是一个复杂度很高的问题，两级Tabu搜索算法的特征是宏观层控制和指导宏观区域的搜索，微观层搜索负责局部区域的集中搜索，该算法成功解决了多级路由问题，两级Tabu搜索算法是一个通用的算法，适用于具有巨大状态空间的组合优化问题。     

霍夫变换在幂函数型曲线检测中的应用

利用霍夫变换抗噪声能力强和能分离出属于不同直线附近点的特性,研究离散数据点集M中xi,yi满足幂函数关系时的曲线检测问题。首先,对离散数据点集M中的数据xi,yi作对数变换,得到新的数据点集M(xi,yi),此时,xi,yi具有线性关系;其次,用霍夫变换检测M中的直线,可得直线参数;然后,利用霍夫变换所得的直线参数,计算图象中的边缘点到直线的距离dki,并与给定阈值dk比较,从而将分布在不同直线附近的点分离出来,同时剔除数据点集M中的干扰点或噪声;最后,用最小二乘法拟合直线,得到剔除干扰点或噪声后的拟合曲线方程参数a和b。     

基于K均值聚类的快速分形编码方法

针对目前分形图像压缩存在的编码时间过长问题,提出了使用K均值聚类对编码过程进行加速的方法,其中聚类向量采用图像块的正规化特征向量以保证聚类的精度,并通过用部分失真搜索来完成传统K均值聚类中最耗时的最近邻搜索过程以提高聚类速度。进一步,通过结合均值图像建库、去平坦块等技巧,得到了一种快速、可调的分形编码方法。实验结果表明,相对于全局搜索,所提方法大幅地提高了编码速度和压缩比,而解码质量只略有下降。     

基于背景颜色不变量的改进双直方图镜头边界探测算法

快速运动一般不是发生在背景内,而是发生在对象内,因此关注背景区域对于探测镜头边界是行之有效的,而在进行镜头边界探测时,普通双直方图法对渐变边界检测效果比较好,而对突变镜头检测的效果不是很理想。提出了一种基于背景颜色不变量的改进双直方图算法进行镜头边界探测,该方法首先定义出背景区域,然后选用Lab彩色模型来计算背景区域的色度,再利用改进的双直方图算法进行镜头边界探测,该方法所需计算量较小,且可保证较高的精度。实验结果表明,该算法的分割效果明显优于其他几种算法,具有更高的探准率。     

动态子和声算法求解无等待批量流水线问题

针对无等待批量流水线调度问题,根据和声算法的机理,提出了一种改进的和声算法对其进行求解。利用NEH和混沌序列相结合的方法产生初始解,并实现了和声向量与工序之间的转换;充分利用最优解,设计新的更新算子,为了避免陷入局部最优,引入了变异策略;结合蛙跳算法分组的特点,将和声库随机动态的分成了几个子和声;为平衡算法的全局开发和局部搜索的能力,对子和声中的最优解执行了局部搜索。通过仿真实验与其他几种算法进行比较,证明了算法的有效性。     

Blind joint maximum likelihood channel estimation and data detection for SIMO systems

A blind adaptive scheme is proposed for joint maximum likelihood (ML) channel estimation and data detection of single- input multiple-output (SIMO) systems.The joint ML optimisation over channel and data is decomposed into an iterative optimisation loop.An efficient global optimisation algorithm called the repeated weighted boosting search is employed at the upper level to optimally identify the unknown SIMO channel model,and the Viterbi algorithm is used at the lower level to produce the maximum likelihood sequence estimation of the unknown data sequence.A simulation example is used to demonstrate the effectiveness of this joint ML optimisation scheme for blind adaptive SIMO systems.     

一种云环境中密文数据的模糊多关键词检索方案

越来越多的企业和个人用户将大量的数据存储在云服务器。为了保障数据隐私,重要数据以密文形式存储在云端,但却给数据检索操作带来严峻挑战。传统的基于明文的检索方案不再适用,已有的基于密文的检索方案存在不支持模糊检索或多关键词检索、效率较低、空间开销较大、不支持检索结果排序等问题。因此,研究安全高效的密文检索方法具有重要意义。提出了一种新的云环境中密文数据的模糊多关键词检索方案,该方案能够从云服务器上检索出包含有指定多个关键词的密文,支持模糊关键词检索,并且不会向云服务器和其他攻击者泄露与数据和检索相关的任何明文信息;使用计数型布隆过滤器和MinHash算法构建索引向量和查询向量,使得索引构建和查询过程更加高效,且排序结果更加准确。安全性分析和性能评估表明该方案具有高安全性、可靠性、检索效率和准确率。     

卷积码编译码的Matlab仿真及其性能研究

提出了一种（2,1,7）卷积编码及其维特比（Viterbi）译码的软件实现方案,在Matlab环境中应用软件技术实现了（2,1,7）卷积码的Viterbi译码器功能。测试证明,该Viterbi译码算法在低信噪比下的误码率仍能达到10^-6。     

An evolutionary decoding method for HMM-based continuous speech recognition systems using particle swarm optimization

The main recognition procedure in modern HMM-based continuous speech recognition systems is Viterbi algorithm. Viterbi algorithm finds out the best acoustic sequence according to input speech in the search space using dynamic programming. In this paper, dynamic programming is replaced by a search method which is based on particle swarm optimization. The major idea is focused on generating initial population of particles as the speech segmentation vectors. The particles try to achieve the best segmentation by an updating method during iterations. In this paper, a new method of particles representation and recognition process is introduced which is consistent with the nature of continuous speech recognition. The idea was tested on bi-phone recognition and continuous speech recognition workbenches and the results show that the proposed search method reaches the performance of the Viterbi segmentation algorithm ; however, there is a slight degradation in the accuracy rate.     

A nonmonotone ODE-based method for unconstrained optimization

This paper presents a new hybrid algorithm for unconstrained optimization problems, which combines the idea of the IMPBOT algorithm with the nonmonotone line search technique. A feature of the proposed method is that at each iteration, a system of linear equations is solved only once to obtain a trial step, via a modified limited-memory BFGS two loop recursion that requires only matrix–vector products, thus reducing the computations and storage. Furthermore, when the trial step is not accepted, the proposed method performs a line search along it using a modified nonmonotone scheme, thus a larger stepsize can be yielded in each line search procedure. Under some reasonable assumptions, the convergence properties of the proposed algorithm are analysed. Numerical results are also reported to show the efficiency of this proposed method.