云计算环境中服务动态选择算法研究

为解决云计算环境下的服务动态选择问题,设计了综合考虑反应时间和成本的适应度函数,提出了求解服务动态选择问题的分布估计蛙跳算法.在蛙跳算法的基础上,借鉴交叉操作改写蛙跳算法的进化算子,并引入分布估计进化策略改进蛙跳算法的青蛙更新模式,使改进后的新算法具有更全面的学习能力,能够有效避免算法陷入局部最优.仿真实验验证了算法的可行性和有效性,与蛙跳算法和分布估计算法相比,该算法的收敛性能和寻优能力均得到改善,能够更好地解决云计算环境下的服务动态优化选择问题.     

方格取数问题的动态规划算法

动态规划算法对很多实际问题的解决是灵活和高效的.首先对方格取数问题进行分析,通过一条路径和两条路径选择的对比分析,得出了该问题的动态规划算法,并对该算法关键部分加以代码实现,最后对该算法的时间和空间复杂度进行分析和讨论,并对复杂度进行优化.试验的结果说明了该算法对于解决该类问题在时间效率上要明显优于贪心算法等一些算法.     

利用动态规划模型优化天然气产销调度问题

在不确定条件下,如何优化天然气产销调度使得产销平衡,是天然气公司急待解决的问题.天然气的购买和销售是一个多阶段动态过程,所以将动态规划理论应用其中,建立以天然气公司最大收益为目标的动态规划模型,并进行时间复杂度分析.结果表明,动态规划算法能从时间与空间角度实现天然气的合理调度;与线性求解过程相比,动态规划算法对具有最优解的实际问题的求解更加灵活,且计算量小,结果更可靠,为天然气产销优化调度提供了新的解决方法.     

优化的动态帧时隙ALOHA防碰撞算法

对动态帧时隙ALOHA防碰撞算法中的标签个数估计进行改进,采用动态调整机制,使标签个数估计式系数自动调整,解决阅读器下一个查询周期应该使用的帧时隙长度的问题。针对实测中当帧长度与标签个数相等时冲突率较高的问题,将查询命令时间计入总的帧长度中以优化帧长度。仿真结果表明,优化后的DFSA算法延迟时间减少,冲突率降低,系统效率提高,在标签数量较少时效果尤为明显。     

基于动态耦合与空间数据关联的RGB-D SLAM算法

为了解决动态环境下视觉SLAM（同步定位与地图创建）算法定位与建图精度下降的问题,提出了一种基于动态耦合与空间数据关联的RGB-D SLAM算法。首先,使用语义网络获得预处理的语义分割图像,并利用边缘检测算法和相邻语义判定获得完整的语义动态物体;其次,利用稠密直接法模块实现对相机姿态的初始估计,这里动态耦合分数值的计算在利用了传统的动态区域剔除之外,还使用了空间平面一致性判据和深度信息筛选;然后,结合空间数据关联算法和相机位姿实时更新地图点集,并利用最小化重投影误差和闭环优化线程完成对相机位姿的优化;最后,使用相机位姿和地图点集构建八叉树稠密地图,实现从平面到空间的动态区域剔除,完成静态地图在动态环境下的构建。根据高动态环境下TUM数据集测试结果,本文算法定位误差相比于ORB-SLAM算法减小了约90%,有效提高了RGB-D SLAM算法的定位精度和相机位姿估计精度。     

动态环境下一种具有记忆能力的分布估计算法

以概率模型为基本记忆元素,对动态优化过程中所产生的历史信息进行记忆和利用,提出一种具有记忆能力的分布估计算法用以求解二进制编码动态优化问题.设计了基于环境辨识技术的记忆管理策略,并对种群多样性进行动态补偿.实验结果表明,该算法具有良好的通用性,所采用的多样性补偿策略能够保证算法种群对最优解的持续搜索能力.在对5个动态优化问题的实验中,该算法在绝大多数情况下都显著优于现有的另外两种动态进化算法.     

基于动态因子均值的动态帧时隙ALOHA算法研究

动态帧时隙ALOHA算法是基于概率型的ALOHA算法的改进算法。在一定范围内,该算法识别标签时,帧时隙数能够随着标签数量的增加而动态增加;但当识别大量标签时,由于读写器硬件的限制,资源利用率和系统吞吐量大大降低。针对此问题,提出了一种基于动态因子均值估计算法的动态帧时隙ALOHA算法。首先,使用动态因子均值标签估计法对标签数量进行准确估计;然后,使用所提出的动态帧时隙ALOHA改进算法对准确估计的标签进行分组,并按照分组依次进行识别;最后,分别对动态因子均值标签估计算法和应用该标签估计算法的动态帧时隙ALOHA算法进行仿真。仿真结果表明,所提标签估计算法能够对标签进行准确的估计,使估计误差保持在5%的范围内。基于动态因子均值标签估计算法的动态帧时隙ALOHA算法能够保证30%以上的高系统利用率,而且整个识别过程所需的帧时隙数比动态帧时隙ALOHA算法下降了45%左右。     

基于多级动态模型的2维人体姿态估计

提出一种利用多级动态模型来估计单目视频中的人体姿态的方法.首先,构建了一种多级动态人体姿态模型,该模型将人体姿态视为各部位姿态的铰接组合,用部位姿态的最优估计来逼近整体姿态的最优估计,从而解决了整体姿态估计带来的歧义性问题.其次,提出了一种通过构建虚拟姿态来计算视频相邻帧之间姿态一致性的算法,该算法能够有效利用视频中表观特征及运动特征的连续性,从而提高姿态估计精度.此外,使用粒子群优化算法用较小的姿态样本优化出最优部位姿态,并将最优部位姿态重组为最优的人体姿态.通过实验验证了所提方法的有效性,并与几种前沿方法进行了比较.实验结果表明,本文方法有效提高了人体姿态估计的准确度.     

利用动态规划算法解决购物单问题

购物单问题是0-1背包问题的一种应用,解决购物单问题已有贪婪法,动态规划法,蚁群算法,回溯法等.动态规划算法是求解决策过程最优化的方法,通常用于求解具有某种最优性质的问题.根据动态规划原理解决购物单问题,说明了动态规划算法解决实际生活问题的高效性.     

多目标动态规划时段轮换并行算法

针对SIMD和MIMD结构的并行机提出多目标动态规划时段轮换并行算法,多目标动 态规划的时段轮换迭代算法,将全过程优化问题转化成子过程优化问题,然后在子过程非劣解 集中寻找全过程非劣解.这样,将多目标动态规划内存不足的问题转化成时间问题,然后利用 并行机超高速运算的优势来有效地解决内存不足问题.通过时间复杂性、加速比分析及实例. 说明了算法的有效性及优越性.     

动态规划算法原理及应用研究

本文透彻分析了动态规划算法的基本原理、基本要素、适用条件和解题步骤。并通过达尔文芯片问题详细讲解了动态规划算法在实际中的运用,最后总结了使用动态规划算法的重点难点和技巧。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

动态路由优化中的最短路径并行计算方法研究进展

总结国内外一些最短路径并行计算算法目前的主要研究结果,并从QoS路由选择目标中的一些方法特点对动态路由优化算法进行改进,使用最短路径并行计算是解决动态路由优化的计算量问题的方法之一,并提出了最短路径并行计算算法优化路由策略的实验方法.     

PCB贴装中供料器分配问题的动态规划改进算法

供料器分配问题是贴片机工艺优化问题中的一个关键问题,直接影响PCB贴装效率的高低;针对多头拱架型贴片机,首先根据取贴循环数,把问题分解为相互联系的子问题,然后针对每个取贴循环分别建立动态规划模型,并为了提高多阶段决策动态规划问题的搜索效率,提出了一种动态规划改进算法;当所有的子问题都获得解决后,整个供料器分配问题就获得解决;实验证明,所提算法能有效提高贴片机贴片效率,减少贴片时间。     

一种基于线段树的动态规划优化算法

动态规划是解决多阶段决策最优化问题的一种思想方法,也是ACM程序设计竞赛中常用的算法。本文首先讨论了动态规划的基本思想和解题步骤。但基本动态规划对于数据规模很大的问题,在解题过程中还是存在效率和占用空间非常大的问题,本文巧妙利用线段树优化动态规划,提高对大规模数据处理的方法和技巧,在线段树基础上利用树状数组合理地解决了动态规划占用大量内存的问题。     

基于动态规划和模拟退火算法的排课系统

在分析中小学的排课问题并研究相关算法的基础上,提出了把动态规划算法和模拟退火算法相结合的一种新的排课算法.动态规划算法求出满足约束条件的一个解,作为模拟退火算法的初始解,用模拟退火算法对初始解优化,得到一个优化后的课表.     

基于Gibbs采样与概率分布估计的移动云数据存储

为提高移动云数据存储远程服务器的计算和存储能力,提出一种改进的移动云数据存储算法。利用表决数据分配和表决数据处理框架,构建考虑节点失效概率的重采样期望传播时间计算模型,并建立整合能源效率和容错性的表决动态网络。采用概率分布估计对动态网络模型进行存储路径优化,应用Gibbs采样解决分布估计的样本数据高维耦合和无监督训练问题。实验结果表明,与贪心算法、随机放置算法和分布估计算法相比,该算法具有更高的能源效率和存储可靠性。     

0-1背包问题之穷举、搜索、动态规划算法探讨

该文论述了算法学习中非常经典的0-1背包问题,探讨用穷举、搜索、动态规划三种算法来解决0-1背包问题,并讨论算法在时间和空间复杂度上的优化,给出具体的参考程序。     

混流装配生产线准时化物料补给调度方法

针对准时化顺序供应的混流装配生产线物料补给问题进行数学规划建模,通过决策各次物料补给作业的发车时间和料箱标号使线边物料的库存成本最小.为了解决这一复杂的混合优化问题,给出了问题的性质分析,并将该问题转化为求解最优料箱配送序列的组合优化问题.在此基础上,构建反向动态规划求解算法以获得该问题的最优解,并证明该算法具有指数级别的时间复杂度.为了求解中大规模调度问题,构建了改进蜂群算法,通过在邻域搜索部分融合基于分布估计算法的个体更新机制来强化基本蜂群算法的收敛性能.最后通过仿真实验验证了所提出算法的可行性和有效性.     

动态规划-粒子群算法在水库优化调度中的应用

水库优化调度是一个典型的具有多约束条件的、动态的、非线性的优化问题。针对这些问题,利用动态规划-粒子群(DP-PSO)算法加以求解。利用动态规划中的多阶段最优策略原理,将水库优化调度问题转化为多阶段决策子问题,各个子问题采用粒子群算法优化求解。数值实验表明,在计算时段较多时,DP-PSO算法计算的可靠性明显优于一般的动态规划(DP)算法,在计算时间上,DP-PSO算法用时较动态规划-遗传算法(DP-GA)少。