基于禁忌搜索算法的机场外航服务人员班型生成研究

针对机场外航服务人员班型生成面临的任务量大,约束条件复杂,人工生成班型方案困难等问题背景,考虑员工对任务具有层次资质,班型的各类劳动法规等约束条件,以最小化班型方案总工作时间为优化目标,研究构建了面向多任务层次资质场景下的班型生成优化模型,并设计禁忌搜索算法进行求解。在首都机场外航服务部实际排班数据集上进行实验,验证了模型和算法的实用性和有效性,实验结果表明,求得的班型方案相比较现有人工生成的班型方案,能满足所有约束条件且总工作时间更短,总服务人数更少,提高了机场资源利用率。     

基于排队论和模拟退火算法的机场员工排班研究

针对机场一线员工的排班问题,提出了多阶段排班系统流程,该流程主要有三个阶段,分别是员工需求预测阶段、计划排班阶段和实时排班阶段。运用排队论解决了员工需求预测问题,详细的提出了计划排班的数学模型,并运用改进的模拟退火算法给出了求解算法,并通过仿真验证了模型算法与算法的可行性与有效性。     

基于改进启发式算法的机组优化排班问题研究

机组排班问题是航空公司运营规划中较为复杂的问题之一。基于极其复杂的航空运营组织大环境,航空公司为提高运输效率、降低运营成本也在不停的寻求合理的分配方案。航空公司机组人员大多数工作时间不够统一,在一定程度上比较分散,如果没有妥善进行排班工作可能会导致浪费人力资源而增加成本,或者影响工作人员的休息时间。本文主要考虑航班运营过程中的航线规划、人员分配和运营成本等因素,并提出了一种基于改进的贪婪算法、局部搜索法和模拟退火算法结合使用的求解方法,创新性地提出了机组人员“组合”与“分解”的编码过程。求得结果后,对最终解中的机组人员分配情况进行了实例分析测试。结果说明,改良后的启发式算法可在机组人员指派问题中得到更高质量的解,以达到对人力充分分配和降低成本的目的。     

基于遗传算法的公交智能排班方法的研究

研究公交车智能排班问题,建立数学模型,兼顾乘客出行效率和公交企业运营效益,给出利用遗传算法解决此问题的方法。重点阐述了智能排班的目标函数、适应度函数和遗传算子的设计。编制程序进行仿真实验,结果证明利用遗传算法解决公交智能排班问题,可以优化车辆调度,能在交通高峰和平峰期不均匀排班,符合公众和企业的利益,并提高了交通运行效率。     

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度。针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的$ {\ell _1}$范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件。考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计。基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度。仿真及实测数据均可证明该方法的有效性和优越性。     

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度.针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯e1 Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件.考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计.基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度.仿真及实测数据均可证明该方法的有效性和优越性.     

基于需求预测的服务业排班系统开发与设计

为克服服务业排班受天气及节假日等因素的影响严重,企业增加临聘人员后排班难度大的问题,设计基于需求预测的排班系统。利用历史数据建立季节性需求预测模型,预留人机交互接口,实现非人为因素的合理修改;应用遗传算法对服务需求进行混合排班,确定各类型员工各时段排班人数;基于C#.NET技术应用Access实现软件开发建立排班系统。以某大型超市为例,经调试系统实现了基于预测的多工种混合排班,排班效果理想。基于需求预测的服务业排班系统能够有效地实现对人力资源需求的提前响应,较好地调节人力资源供需矛盾,对相关行业人力资源配置具有一定的借鉴意义。     

基于Gibbs采样的MIMO信号检测改进算法

针对传统Gibbs采样算法的“失控问题”,提出了一种改进算法,在Gibbs迭代采样过程中加入对噪声方差的估计,消除了失控问题。设计了信号检测流程,将最大似然( ML)检测的搜索过程嵌入Gibbs迭代采样过程,减少了最大似然检测的计算步骤。仿真结果表明,所提算法能估计噪声方差,具有接近最大似然检测的性能。     

基于粒子滤波与Gibbs抽样的多目标被动跟踪研究

多目标跟踪问题是目前目标跟踪领域的一个重要研究方向,其中被动跟踪更加复杂也更具有实战意义。为了提高多目标跟踪算法的精度及稳定性,减少算法的计算开销,采用了粒子滤波与Gibbs抽样相结合的方法。粒子滤波能很好地解决目标跟踪中状态估计的非线性问题,将其应用扩展到多目标的跟踪维持;运用Gibbs抽样解决多目标跟踪中的数据关联问题,提高了关联的准确度,减小了计算开销。仿真试验证明:上述算法能较好地解决多目标跟踪问题,具有较好的估计精度。     

基于煤矿井下的人员定位算法

煤矿井下生产环境复杂、恶劣,缺乏可靠的井下人员定位技术,造成的事故安全隐患极大。而随着地面移动通信及其各种先进技术的不断发展,为井下人员定位技术的发展提供了强有力的支持。本文主要研究煤矿井下的无线定位技术,对于在井下应用无线定位技术的可行性进行了分析论证,根据实测数据对井下的衰减模型进行改进,通过MATLAB工具仿真分析该模型真实可靠。再根据该模型进行定位仿真分析,得出改进定位算法简单容易实现,能够实现较高的定位精度满足定位要求。     

基于BIC准则和Gibbs采样的有限混合模型无监督学习算法

针对有限混合模型无监督学习算法分布元个数未知,本文提出了一种基于BIG准则和Cibbs采样的无监督学习算法,通过Gibbs采样算法对混合模型的参数进行估计,进一步计算观测数据的Bayes信息准则(BIC)指标,确定混合分布元个数.仿真实验以高斯混合分布为例,分别利用具有不同个数的分布模型拟合观测数据,分析表明,该算法能...     

Efficient Block Scheduling to Minimize Context Switching Time for Programmable Embedded Processors

Scheduling is one of the most often addressed optimization problems in DSP compilation, behavioral synthesis, and system-level synthesis research. With the rapid pace of changes in modern DSP applications requirements and implementation technologies, however, new types of scheduling challenges arise. This paper is concerned with the problem of scheduling blocks of computations in order to optimize the efficiency of their execution on programmable embedded systems under a realistic timing model of their processors. We describe an effective scheme for scheduling the blocks of any computation on a given system architecture and with a specified algorithm implementing each block. We also present algorithmic techniques for performing optimal block scheduling simultaneously with optimal architecture and algorithm selection. Our techniques address the block scheduling problem for both single- and multiple-processor system platforms and for a variety of optimization objectives including throughput, cost, and power dissipation. We demonstrate the practical effectiveness of our techniques on numerous designs and synthetic examples.     

利用Gibbs采样进行优化的Turbo码交织器识别

针对基于校验方程符合度方法前面交织关系识别会严重影响其后所有交织关系识别的不足,本文对该算法进行了改进.改进算法根据原算法性能受限的原因进行方法设计,利用识别可靠度找到交织识别错误位置,并从降低复杂度角度出发,根据编码器的记忆特性,仅针对部分相关数据采用Gibbs样本法得到条件概率进行纠错.仿真结果表明,改进算法较原算法性能改善明显,在相同信噪比条件下,达到相同识别性能时所需数据量减少一半;在相同数据量条件下,达到相同正确率时的信噪比增益约为1dB.     

网络控制系统的模糊权重变采样周期调度策略

网络控制系统的性能受到采样周期的影响。针对多回路网络控制系统,根据系统控制回路误差和误差变化率,利用模糊推理计算各回路的动态权重,同时根据当前网络运行状况预测新的网络利用率,然后利用ARIMA算法对数据包传输时间进行预测,最后在网络带宽一定的条件下,利用模糊动态权重系数、网络利用率、数据包传输时间,不断的改变系统中各控制回路的采样周期,达到优化网络控制系统性能的目的。利用True Time工具箱进行的仿真验证了本文方法的有效性。