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。     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

A*算法改进及其在动态最短路径问题中的应用

动态最短路径搜索算法是智能交通系统技术应用的关键问题之一．为了解决这一问题,提出以一致性原则动态形式为基础的动态A*算法(dynamic A* algorithm,DA* algorithm)并证明了在两节点间动态下界满足一致性原则动态形式前提下,该算法能够求解满足先进先出原则的动态网络中两节点间最短路径问题．在以广州市交通路网为基础的动态网络上对DA*算法进行试验．试验结果表明,Dijkstra算法的和A*算法的平均计算时间分别是DA*算法的6．55和1．43倍．     

交通诱导系统中道路网络的表达与存储方法

考虑实际道路网络的特殊性以及最短路径算法对路网信息的要求,运用对偶图法的基本思想对前向关联边结构进行了改进,提出了一种能够提高路径优化算法实时性的路网表达方法与数据存储结构,并用Dijkstra和A*最短路径算法进行了验证。结果表明,这种方法在清楚表达转向限制、消除结点权重的同时,由于两个指针数组的引入,使得算法可以迅速而准确地定位相关结点的位置,从而减小了搜索空间,降低了最短路径算法的时间复杂度,提高了最短路径的搜索效率。     

考虑干线协调控制的城市最优路径搜索算法

针对现有最优路径搜索算法没有考虑到干线协调控制的情况,导致搜索到的最优路径实际效果不佳等问题,提出了一种考虑干线协调控制的城市最优路径搜索算法。首先,将相位差引入到干线协调配时方案中,提出了一种改进的信号交叉口等待时间模型。然后,以IDA~*算法为基础,提出了一种考虑干线协调控制的改进IDA~*搜索算法(AICIDA~*算法),以路径总时间费用和运算时间为评价指标进行了算例验证。结果表明:与传统算法和考虑干线协调控制的A~*算法(AICA~*算法)相比,AICIDA~*算法能够在更短的时间内搜索到费用更低的路径。     

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。     

BDD数据建模的路径规划算法

针对道路交通状态高动态性和不确定性的路径规划问题,提出一种基于BDD建模的启发式初始路径规划、增量重规划算法与A*搜索算法.首先利用基于BDD的启发式搜索进行全局规划,求解路网中车辆的最优路径集.基于BDD的启发式搜索利用BDD这一紧凑的数据结构来表示迁移状态空间,又通过启发信息进一步压缩搜索空间的大小;当路网信息发生变化时,按不同拥堵状况分类进行BDD迁移关系的修改,并进行增量重规划,重新获得当前状态至目标状态的最优路径集.仿真实验结果表明:基于BDD的启发式搜索和增量重规划,在求解路网信息动态不确定性下的车辆路径规划问题上具有高效性和实用性,避免了交通路网长时间陷入拥堵状态.     

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.     

一种机器人路径规划算法的研究

路径规划算法是室内移动机器人应用中最重要的算法之一.根据室内移动机器人在动静态环境下实时避障规划出一条最优路径的要求,设计一种新的路径规划算法.通过删除冗余点并平滑路径的方式对A*算法进行改进,又将其与TEB算法相结合,实现从指定起始点到指定目标点的路径选择及移动.实验结果表明,利用该算法可得到耗时短、平滑的路径,实时...     

基于A*算法的2种任务-处理器分配改进算法

针对分布式计算中的任务-处理器分配问题,提出了2种基于A*算法的改进算法。通过对A*算法原理的分析,得到将A*算法应用于任务分配问题的搜索树模型,和通过将搜索树在处理单元之间尽可能均匀地进行划分和通过避免不必要的节点扩展来得到最优解;实验结果表明,提出的2种改进算法,相比于传统的A*算法,不仅能够通过减少搜索空间节省内存和减少任务执行时间,而且能够通过并行分配来提高算法执行时的加速性。     

Global optimal path planning for mobile robot based on improved Dijkstra algorithm and ant system algorithm

A novel method of global optimal path planning for mobile robot was proposed based on the improved Dijkstra algorithm and ant system algorithm. This method includes three steps： the first step is adopting the MAK-LINK graph theory to establish the free space model of the mobile robot, the second step is adopting the improved Dijkstra algorithm to find out a sub-optimal collision-free path, and the third step is using the ant system algorithm to adjust and optimize the location of the sub-optimal path so as to generate the global optimal path for the mobile robot. The computer simulation experiment was carried out and the results show that this method is correct and effective. The comparison of the results confirms that the proposed method is better than the hybrid genetic algorithm in the global optimal path planning.     

An efficient QoS routing algorithm for multi-constrained path selection

1　INTRODUCTIONAkeyissueinthedesignofbroadbandarchitecturesishowtoprovidetheresourcesinordertomeetthere quirementsofmultimediatransmission .TheestablishmentofefficientQoS (qualityofservice)routingschemesis ,undoubtedly ,oneofimportantcomponentsinsucharchi tectures .ItisachallengetoQoSroutingtofindpromptlyafeasible paththatsatisfiesasetofconstraintswhilemaintaininghighutilizationofnetworkresources[1] .QoSroutingis,ingeneral,acomplexproblemduetoseveralreasons.Firstly ,distributedapplicati…     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

一种基于占有率反馈的虚拟网络映射算法

网络虚拟化技术通过对物理资源的抽象,可以有效解决现有互联网架构中存在的网络结构僵化、可扩展性差等问题.虚拟网络映射问题是指将用户发送的所有虚网请求映射到底层物理网络中,同时还要满足虚网请求中对各个资源的限制要求(如节点计算能力、链路带宽等).从节点负载平衡的角度出发,在基于就近原则的虚网映射算法基础上,引入节点负载平衡的反馈机制,引导各个虚网请求更均匀地映射到底层物理网络中.另外,在k短路径算法机制中引入了当前链路资源占有率作为评价参考标准,这样可以尽可能均匀地分散链路压力.同时,在检验链路资源是否满足虚网请求的过程中,由于优先选中的链路资源占有率低,所以算法映射成功率高,映射耗时更短,虚拟网络映射效率得到了有效提高.     

WSNs中基于协作通信的分簇路由算法研究

针对无线传感器网络数据信息传输可靠性,提出一种无线传感器网络中基于协作通信的分簇路由算法。该算法主要对分簇、簇间路由和簇内路由三个阶段进行了设计,依据信噪比寻找满足网络数据传输可靠性的最佳路由,实现源节点和目的节点之间的协作通信。仿真结果表明,无线传感器网络中基于协作通信的分簇路由算法能够有效地优化网络路径,提高频谱利用率,增强数据信息传输的可靠性。     

一种分环多跳的无线传感器网络分簇路由加权算法

针对无线传感器网络中考虑能量均衡问题,提出了一种基于分环多跳的路由加权算法(ring based multi-hop clustering routing weighting algorithm,RMCRW)。算法在簇头节点向内层转发的过程中,不仅考虑与内环簇头的距离,同时考虑内环簇头剩余能量问题,通过加入一个权值,选择最优簇头转发路径。仿真结果表明在区域范围比较大的环境下,RMCRW算法可以有效地延长网络生命周期。     

基于神经网络的最短路算法及其应用

提出一种基于递归神经网络的最短路算法,降低了神经元之间的连接复杂度,能稳定收敛到准最优解。并将其应用于基于流量的动态分布式路由。仿真表明,该处上敛稳定。     

认知视角下能量感知的ZigBee网络树型路由优化算法

为解决ZigBee Cluster-Tree路由算法路径选择不优的问题,提出了一种能量感知的ZigBee树型路由EZTR(Energy-Aware ZigBee tree routing)算法.该算法利用每个节点感知的地址信息,按照ZigBee网络树型结构计算下一跳邻居节点到目的节点之间的跳数可避免网络的环路效应,通过引入认知概念,在跳数集合中选出最短路径以降低跳数.在ZigBee网络节点能量的感知过程中,当所选路径存在低能量节点时,及时启用备用节点,从而避免节点因能量过度消耗成为失效节点.NS2(Network simulator version 2)仿真实验表明,EZTR算法可提高网络分组递交率,有效减少节点转发跳数和平均网络延时,减小网络整体能耗,为提高网络的实时性和延长网络生命周期提供理论支持.     

一种基于遗传算法的受限制的分类器学习算法

提出了一种基于遗传算法的受限制BAN分类器算法-GBAN(genetic algorithm based BAN)。新算法采用了遗传算法进行网络结构的学习,限制了所学习的BAN分类器结构的复杂度。同时对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。针对这种分类器的结构学习,设计了结合对数似然的适应度函数及相应的遗传算子,并给出了网络结构的编码方案,使得该算法能够收敛到全局最优的结构。实验结果表明,当数据集属性之间关系相对复杂的时候,GBAN比TAN的分类准确率高,分类效果较好。