基于改进路网分层和A~*算法的最优路径研究

为了合理规划最优路径,满足实际应用的需要,对基于改进路网分层算法和A*算法的最优路径进行了研究。首先分别改进了路网分层算法和A*算法,然后提出了一种融合改进路网分层算法和改进A*算法的最优路径算法,并给出了最优路径算法在GIS平台上的实现过程。最后将该算法应用于苍南电力有限责任公司,结果表明,与传统A*算法相比,该算法降低了搜索时间,得到了最优的路径,提高了企业的工作效率。     

基于自适应步长策略的A*算法路径规划优化

针对A*算法求解路径轨迹耗时长、内存占用大等问题,本文提出一种基于自适应步长策略改进A*算法.首先,根据当前点与终点的位置关系,设定寻路方向的优先级顺序,减少不合理方向上的冗余规划计算量;其次,修改到达终点的判断条件,可在轨迹规划时实现路径的跳跃;再次,针对A*算法轨迹规划效率低的问题,提出自适应步长策略;最后,针对内存占用大,以及面对大地图时可能出现的内存溢出问题,提出了八方向搜索法.实验结果表明,相较于原始的A*算法,改进的A*算法在轨迹规划效率上获得了极大的提升,同时内存占用大的问题也得到了很好的解决     

A~＊路径规划算法的改进及实现

针对A＊算法在路径规划过程中因遍历节点多而导致搜索时间长和路径规划距离长的问题,对A＊算法进行了改进.改进算法采用两点间的欧氏距离作为估价函数,并以前向搜索和后向搜索交替进行的方式来减少路径规划时间.仿真结果表明,改进算法在搜索时间和距离上分别比A＊算法减少了0.0184s和42m,在搜索得到的路径长度和算法运行时间上明显优于A＊算法.     

基于蚁群算法的云任务调度研究

针对云计算中任务分配算法效率不高的问题,提出了一种改进的蚁群算法来解决云计算中的任务分配问题。首先假定要分配的任务为蚂蚁的起点,执行任务的虚拟机为蚂蚁的终点,任务分配的过程就是蚂蚁从起点走到终点的过程。然后随机选择一个任务作为蚂蚁的起点,用改进的蚁群算法计算后把任务分配给相应的虚拟机,直到所有任务都分配完成。最后当所有蚂蚁都把任务分配完成后,选择代价最小的路径作为本次任务分配的方案。通过使用cloudsim仿真器进行仿真实验,证明了蚁群算法能够有效的解决云计算中任务分配的问题。     

基于象限判别下的改进A~*算法路径规划

传统A*算法找到零碰撞概率的节点,需要很多处理时间并涉及检查很多相邻节点,因此工作效率较低。文章提出,将图像处理技术与路径规划避免碰撞技术相结合,通过基于象限判别下的改进A*算法,识别从起始点到目标点的最佳路径,避免碰到任何障碍物。为了验证所提出的改进A*算法可以解决传统A*算法中的缺点,通过编程语言MATLAB的图形处理进行了避障路径仿真。结果表明,所提出的改进A*算法可以有效缩短路径,减少处理时间。     

基于改进RRT~*算法的路径规划

针对标原始快速扩展随机树星(RRT~*,Rapily-exploring random Tree Star)算法在寻求最短路径过程中存在搜索时间长和收敛速率缓慢的问题,提出一种改善的RRT~*算法。该算法首先利用目标偏置策略减少RRT~*的随机性,然后在此基础上提供了一种改进的步长扩展方法,称为规避步长延伸法,可以使随机树在向着目标点迅速延伸的同时,又能避免陷入局部最小值,合理地避开障碍物。通过MATLAB仿真实验证明,该算法在保证RRT*算法的概率完备性和渐近最优性的前提下,可有效地减少搜索时长和加快收敛速率。     

改进人工免疫算法的多机协同空战目标分配方法

针对多机协同空战目标分配问题,在我方综合优势函数建模的基础上,提出了一种改进人工免疫算法。首先采用随机生成法和人工构造法创建2个初始种群,保证了初始种群的多样性;然后采用2种不同的选择、交叉、变异操作进行进化;接着采用设计的新移民算子进行种群间信息交换,进一步增加种群多样性,提高搜索效率。最后设计实验将改进人工免疫算法与3种类型的人工免疫算法进行了对比。仿真结果表明:改进人工免疫算法能够有效改善早熟收敛问题,提高搜索效率,获得最优分配方案,适用于多机协同空战目标分配问题,满足实际作战需求。     

基于可搜索24邻域的A*算法路径规划

针对A^*算法在移动机器人路径规划时求解得到的路径长度不是最优并且转折点较多的问题,提出了可搜索24邻域的A^*算法路径规划.该方法在传统A^*算法的基础上进一步改进其启发搜索策略,将传统A^*算法的可搜索邻域个数从离散的8个扩展到24个,进而增加更多的搜索方向.结果表明,改进的A^*算法实现了路径长度更短的目的,同时降低了转折点数,且移动机器人的运行路径也更加平滑.本文方法具有较强的实际意义和应用背景,通过实际运行过程验证了其设计方法具有一定的有效性.     

基于M2M模型的出行路径规划算法

提出了一种源自于人类认知思维模式的普遍适用的算法设计模型——M2M模型(Macro to Micro model)。M2M模型的数据结构用O(n)时间建成,并具备高度的并行性。针对交通网络的最优路径规划问题,提出了基于M2M模型的交通网络出行路径规划算法,将交通路网运用M2M模型分层分块,减少搜索区域,优化路径搜索速度。实验证明,相对于当前使用较多的Dijkstra及A*等经典算法,本算法在求解速度上有明显提高。     

基于KM算法的分布式无线节点任务分配方法

单个节点无法满足各种新颖的应用程序对时延或能耗的要求,为此提出了一种分布式无线节点任务协同分配方法,通过利用周围节点的空闲资源,来降低所有节点处理任务的总时延或总能耗.首先根据层次分析法（AHP）综合任务的多维属性,如计算负载、最晚完成时间等,确定任务执行的优先级;然后建立时延和能耗的优化模型,并将其转化为二分图最大权值的匹配问题,采用Kuhn Munkras （KM）算法求解得到任务分配的最优解,实现终端节点在网络边缘高效地协同执行任务.仿真结果表明,该算法能够有效地降低任务处理的时延和能耗.     

航迹预测的多无人机任务规划方法

为提高无人机自主控制性能,实现任务分配与航迹规划整体架构,提出一种基于航迹预测的多无人机任务规划方法.首先,将禁飞区考虑为更接近真实场景的多边形模型;然后,使用改进A*航迹预测算法生成任意两个航迹点间障碍规避后的最短路径,利用该路径近似航迹航程作为任务分配过程的输入信息,建立目标函数,采用改进PSO算法求取最优结果;最后,使用B样条曲线平滑分配后的路径组合,生成无人机可飞行航迹.仿真结果表明,该方法能够以较高的计算速度和精度生成近似最优的任务分配结果和满足飞行约束的平滑航迹.     

分布式并行数据库系统中任务分配算法的设计

在分析传统任务分配算法的基础上,设计了一种改进的混合启动自适应任务分配算法。该算法根据系统总体负载变化自适应地选择启动策略,考虑任务对资源的需求和系统中的数据分布,有效地选择节点进行探询,使任务分配的开销最小化。在分布式并行数据库系统DPSQL中的使用表明,该算法比传统算法提供更高的任务执行效率和更好的系统稳定性。     

高速旋转相控阵雷达基于资源预规划的任务调度算法

针对传统时间指针调度算法应用于高速旋转相控阵雷达任务调度时,任务执行时间偏移率高引起探测性能下降的问题,提出一种资源预规划的任务调度算法。首先,按照调度间隔对应的任务扇区进行资源预规划,将任务饱和扇区的任务按照时间偏移率最小原则调配到相邻空闲扇区,在任务调度阶段根据扇区总资源限制优先选择高优先级任务;然后,根据任务期望执行时刻排序形成任务执行列表。该算法时间利用率高于传统的算法,任务执行偏移率低于传统算法,工程实现简单、计算量低。仿真实验表明了算法的正确性和有效性。     

基于资源分组的多约束云工作流调度算法

已有的云工作流调度算法采用全局搜索方式进行资源选取,存在计算成本高、对大规模云系统适应性差的问题。该文提出了基于资源分组的多约束云工作流调度算法,采用有向无环图的方法,对云工作流中的多任务之间的执行顺序和数据交换等属性进行量化建模;使用模糊聚类方法实现基于资源多维特征的分组处理,降低工作流任务到资源匹配过程中的搜索空间;并引入执行时间和成本预算约束,将工作流的任务调度问题转化为有约束条件的极小极大问题进行快速求解。仿真测试表明,该算法显著降低了任务执行完成时间和成本。     

基于KD45闭包的群组角色指派研究

通过KD45逻辑,完善了协作和冲突关系集,改进了群组角色指派模型;提出一种用以完善约束关系集的KD45逻辑闭包算法,解决了在信息不透明情况下获取协作与冲突约束的人机协同任务分配问题;并采用IBM ILOG CPLEX优化包(ILOG)进行了上万次不同规模下的仿真实验.实验结果表明,本文方法产生的群组角色指派约束关系集完...     

一种改进蚂蚁算法的无人机多目标三维航迹规划

传统的标准蚂蚁算法及A*算法求解无人机多目标三维航迹规划存在需设置导航节点及构建VORONOI图等缺陷,针对这一问题,提出了一种改进的蚂蚁算法.该算法将导引因子引入到状态转移策略中,减少了蚂蚁局部搜索的盲目性,确保蚂蚁形成有效航迹,解决了将该算法应用于航迹规划的两个构造难题,即航迹节点不固定和局部搜索难以到达目标节点这两个难题.将雷达、导弹、高炮及大气威胁模型的最大作用距离和有效作用距离等约束条件引入代价函数及启发因子计算中,解决了航迹规划多约束求解困难等问题.仿真结果表明,该算法构造合理,蚂蚁算法无需导航节点及VORONOI图便可自主寻找到目标节点,且收敛速度满足航迹规划要求,生成的航迹代价较小.     

一种构建严格平衡二叉搜索树的非递归算法

针对传统算法所构造的平衡二叉搜索树并非真正平衡的二叉搜索树,设计了一种构建严格平衡二叉搜索树的非递归算法。改进后的算法具有计算速度快、占用内存小、计算机易于实现等优点。改进算法的核心是生成严格二叉搜索树的先序序列,提出了对升序序列的进行二分得到严格二叉搜索树的先序序列,讨论并给出了构建严格二叉搜索树的快速算法,该算法充分利用了栈在计算过程中提供的二分信息得到严格二叉搜索树的先序序列,该算法与传统算法相比可更快地构建严格二叉搜索树。     

无线传感器网络任务分配的粒子群优化算法

为延长网络生命周期,减少网络能量消耗和均衡网络负载,引入了粒子群优化算法,提出了一种基于离散粒子群优化的任务分配算法.该算法根据任务总完成时间和能量损耗,建立代价函数,实现优化任务分配策略.引入变异算子,较好地保持了种群的多样性并提高了算法的全局搜索能力.仿真实验结果表明算法是可行的和有效的.     

异构多核片上系统的帧任务节能分配算法

针对异构多核片上系统的高能耗问题,提出了一种对帧任务进行分配的高能效两级优化算法。算法将系统能耗最小化问题定义为非线性整数规划问题。第一级优化将问题进行松弛处理,求解得到任务分配矩阵;第二级优化采用带判决门限的取整函数更新分配矩阵,构造新的规划问题并求解;最后结合两级优化得出最终的任务分配矩阵。仿真结果表明,与部分启发式算法相比,该算法能耗降低了20%50%,接近理论最优能耗;与能耗接近的其他优化算法相比,求解时间减少了54%75%。     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。