数字化交通地图中最短路径算法的改进

本文对数字化交通地图中最短路径算法设计进行了研究和探讨，在传统的Dijkstra算法的基础上提出了一些合理的改进方案，并将改进后的A^＊算法和邻接表结构与原有Dijkstra算法及传统的数据存储结构进行了比较。在A^＊算法中，任意两点之间最短路径的搜索具备一定的方向性，即搜索的结点数明显地少于Dijkstra算法的搜索结点数，系统响应速度明显快于采用原始Dijkstra算法的响应速度，A^＊算法的效率明显提高。     

基于Dijkstra算法的物流配送最短路径算法研究

根据城市交通网络的特点,运用结点-弧段-有向线结构描述交通网络,利用动态分段技术建立了基于ARC-GIS的配货网络数据库,充分考虑了配货路线短、用时少、费用低的特点,运用Dijkstra算法实现物流配送最短路径算法,提高了城市物流配送的便利性和高效性。     

Dijkstra算法在嵌入式GIS中的改进与研究

Dijkstra算法是求解嵌入式GIS系统中最短路径的经典算法,通过对Dijkstra算法进行分析,改变图的存储结构和搜索方法,采用基于矩形限制区域的二叉排序树改进算法,减少了内存存储空间,缩短了查询时间,在一定程度上优化了最短路径的计算过程,实际数据测试也表明了该算法的有效性。     

一种改进的 Dijkstra 算法在嵌入式 GIS中的应用

在实践中,Dijkstra算法是处理道路网络的最有效的算法之一。但Dijkstra算法每次都需要扫描节点集合中的所有节点,降低了算法效率。通过改变图的存储结构及搜索方法,减少了内存存储空间,缩短查询时间,提高了该算法在嵌入式GIS系统中路径优化的效率。     

GIS最短路径分析中Dijkstra算法的优化

最短路径分析是GIS地理网络分析功能中的一个关键问题。Dijkstra算法是计算最短路径的经典算法，在对该算法分析的基础上，提出了基于面向对象的改进算法，大大降低了内存消耗，搜索效率明显提高。讨论了地理网络的数据存储结构和最短路径算法的具体实现，并通过实例验证表明，该算法是有效可行的。     

扇形优化Dijkstra算法

Dijkstra算法无数次遍历所有的临时标记结点,无疑成为该算法的一个瓶颈。在分析Dijkstra算法的基础上,结合平面网络的特点,从限制搜索范围和限定搜索方向两方面着手,在扇形区域内寻找最短路径,从而完成对Dijkstra算法的优化。优化算法基于有损算法,抛弃寻找最短路径时概率较小的顶点,直接寻求在方向和位置上趋向终点的顶点。它根据用户给出的起始顶点与目标顶点以及搜索的扇形角度查找最短路径。因此,在优化算法中,频繁遍历的顶点数量大幅度减少,提高了算法的速度和运行效率。     

Dijkstra算法的优化

在求解最优路径时经常使用经典的Dijkstra算法,但在实际应用当中计算最优路径时非常消耗内存空间和计算时间。在物资筹供决策系统的开发过程中,结合实际应用情况,对Dijkstra算法进行了优化,大大降低了内存消耗和计算时间。最后利用C 语言对算法进行了详细的算法描述。     

车辆行驶最优路径优化算法设计

针对实际交通路网的特点,对道路网络模型、路网数据库的结构建设、最优路径优化算法等问题进行了研究.建立了体现城市道路交通的方向性及交叉口延误和限制的新城市路网模型,该模型利用交叉口、路段等基本构成要素描述道路网络,利用节点--弧段联合结构描述路段特性,再用图论中的有向图思想将路网抽象成数学模型描述;基于经典高效的狄杰斯特拉(Dijkstra)算法,设计了一种可应用于实际道路网络中的最优路径算法--改进的狄杰斯特拉算法,采用该算法可求解带有转向延误和限制的最优路径问题.     

适用于无向网络的动态Dijkstra算法优化

网络拓扑发生变化时,利用静态Dijkstra算法重新计算最短路径树(SPT)会造成冗余计算。动态Dijkstra算法解决了这个问题,但目前动态算法一般是基于有向网络模型进行的研究。在已有的动态Dijkstra算法基础上,提出适用于无向网络的动态Dijkstra算法。算法主要解决了在无向网络中如何确定待更新节点的问题,对网络中的一条边权值增大、减小的处理方法进行了详细描述,并对已有的算法的筛选机制进行了优化。为了验证算法的正确性,用仿真实验实现了该算法并与静态算法进行性能比较。实验结果表明,新算法更能提高节点更新的时间效率。     

基于自适应蚂蚁算法的动态最优路由选择

蚂蚁算法具有很强的随机性和自适应性，基于蚂蚁圈模型和MMAS模型构造的自适应蚂蚁算法，将网络的容量限制、流量变化和最短距离结合起来讨论，通过在找到的最短路径上设置障碍物来模拟网络拥塞，找到源结点→目的结点的多条最优路由序列，以便在实际中实时地、自适应地进行动态路由选择。     

未来互联网虚拟化研究

目前的互联网基于“端到端”原则设计,并且由许多目标与策略迥异的互联网服务提供商共同创建和维护.若想升级互联网体系结构,需要得到他们全体的一致同意,因此几乎不可能在互联网上部署全新的网络结构和协议.为了避免互联网结构出现僵化,人们提出可用网络虚拟化方法增加互联网范式的多样性.通过在一个公共的基底网络上引入多种不同的互联网结构,互联网虚拟化可以促进互联网创新并推动更多种类的新应用出现.分别从互联网体系结构和实验平台2个方面,对过去和当前正在进行的有关未来互联网的虚拟化研究进行分析、归类和概述,并总结未来互联网虚拟化研究的发展趋势.     

遗传算法在网络优化问题中的研究与应用

研究关于对网络优化问题,普遍集中于理论算法研究,缺乏与实际工程背景的有效结合,因而限制了网络优化算法应用的可行性。针对网络的时效性和应用的智能性问题,为了深化网络优化在实际工程中的应用,并使网络优化方案具有一定的智能性,遗传智能算法在实际工程网络优化中的应用展开研究,以优化布置的费用最低为优化目标,建立了全终端网络模型,重点分析了遗传优化算法的过程,仿真结果表明,采用遗传优化算法,能够有效的降低网络拓扑路径长度,进而减低网络的布置费用。将智能遗传算法应用于具有工程实际背景的网络优化问题中,能够进一步提高遗传算法在实际网络优化工程中的应用及研究水平。     

一种基于P2P的短视频分享系统

现有在线短视频分享策略通常采用C/S架构,给视频服务器带来较大的带宽压力。为此,提出一种采用点对点方式的在线短视频分享系统IShare,该系统结合用户点播偏好和视频文件之间的社会网络特性实现视频分享。IShare主要包括基于点播兴趣的节点分簇和视频数据源节点的查找2个核心技术。实验结果表明,IShare具备较好的视频数据源节点查找能力,可降低视频服务器带宽资源消耗。     

大规模网络总体通讯性及其效率评价分析

复杂网络中心性测度一直是复杂网络研究的热点,本研究重点关注利用网络邻接矩阵的函数行的和来研究网络总体通讯性的概念。研究的重点包括矩阵指数和解析度,它们在图的路径方面具有天然的解释,研究表明,即使在大型网络中,所提方法也可以非常快速地计算它们。此外,提出节点的通信总和作为网络连接的有效测度,能够测算每个节点与网络的其他节点的通信程度。利用虚拟网络数据和真实数据将总体通讯性中心性度量与相关方法进行比较,结果表明总体通讯性能够有效地作为连通性的整体指标来衡量网络上的信息流动性,具有广泛的应用前景。     

办公网络中防火墙的应用探讨

计算机技术与信息技术的高速发展,不但给人们的生活、工作带来了极大的便利,但由于计算机网络是一个开放的系统,所以信息共享的同时存在着极大的风险和漏洞。因此,计算机网络系统安全问题必须放在首位。本文就办公网络中应用最多的防火墙技术做了探讨。     

多目标空间探测智能轨迹优化方法综述

多目标空间探测是经济理性的太空探索与开发方案,它能以较低的花费获取巨大的收益.多目标空间探测轨迹优化的优化空间巨大,优化难度高,始终是航天动力学中的研究热点,而智能方法面对这些难点有着优异的表现.本文首先通过轨迹优化竞赛介绍多目标空间探测轨迹优化国际研究趋势,从中可以看出智能方法发挥着越来越重要的作用,然后从多目标空间...     

基于自组织神经网络和模糊聚类的校园无线网用户日常行为分析

针对如何分析校园无线网络数据,挖掘数据中蕴藏的学生行为,更好地辅助教学管理,本文提出了在Hadoop平台构建基于自组织神经网络(SOFM)的模糊C-均值(FCM)聚类算法。该算法采用自组织神经网络与模糊C-均值聚类算法相结合,避免了模糊C-均值聚类算法初始化不当带来的误差,目标函数中采用马氏距离,自适应的调整了数据的几何分布。考虑到无线用户数据规模庞大,采用了Hadoop平台并行运行聚类算法。实验结果表明,本文提出的算法提高了聚类结果的准确性,有效地降低了时间复杂度,分析平台为学校管理层快速有效的做出决策提供了依据,研究分析方法对其它高校有较大地参考价值。     

生物序列模式分析中神经网络的并行训练策略

神经网络作为模式识别、数据挖掘等方面的有效工具,已被广泛应用到生物序列的模式分析中,而生物序列的超大规模、超长同时也给神经网络提出了挑战,即必须解决训练时间过长、效率低下的问题。本文提出了若干适合生物应用的神经网络并行训练策略,并按其神经网络粒度进行分类,同时分析和比较了各种策略的代价。     

一种遵循Rich-Club现象的网络拓扑模型

基于现有的AS网络拓扑生成模型,本文提出了一个遵循Rich-Club现象的新网络拓扑模型。该模型不仅保正反映AS网络的基本性质,还能满足AS网络所有的特性Rich-Club现象。仿真结果表明,本文的模型和算法是有效的。     

BP网络模型对人脸朝向的识别

研究BP神经网络模型,通过计算机模拟人脑建立神经元网络,使用一部分人脸朝向信息作为训练的实例集,训练稳健后,可以推广应用判断其他人脸的朝向信息,以实现计算机自动识别人脸朝向。先对图片进行归一化等预处理,再应用主成分分析提取特征信息,每幅提取出的特征信息都是8个数据的列向量,构建一个8个输入、17个隐含、3个输出的三层BP网络模型。将训练实例集的特征向量代入训练,调整参数后保证其性能和收敛速度。最后通过大量实验验证,计算机识别的误判率仅为6.7%,模型可靠。