基于Voronoi图的移动空划分

随着我国航空母舰的出现,固定空域已不能满足需要,随之产生了移动空域的概念,移动空域具有相对移动性。在对管制员工作负荷和移动空域各类型限制条件研究的基础上,综合使用Voronoi图对移动平台周边的空域进行划分,形成相对于平台划分的空域。根据类型,移动空域可分为禁止区、危险区、限制区和责任区。充分利用Voronoi图的简易性,在此基础上重新构造移动空域划分算法,并给出仿真实验结果,验证了该算法在移动空域划分中的可行性,通过比较给出了传统算法的不足。     

基于多数据源的管制员工作负荷自动统计与分析系统

随着青岛空域飞行流量的不断增加,管制员的工作负荷不断增大.管制员工作负荷的量化及班组资源的合理分配已经成为制约扇区容量的重要因素之一.本文结合民航青岛空管站在实际运行和新增扇区工作中遇到的问题,讨论影响管制员工作负荷的复杂性因素,提出管制负荷计算模型.通过充分利用现有的航班、通话等客观数据,依据客观反映我站管制员工作负荷的计算模型,由计算机生成不同扇区的工作负荷指数,并根据电子值班日志岗位计时数据对每一位管制员的工作负荷进行量化与统计,从而为我站关于扇区容量评估、运行分析、班组资源分配、人员绩效等问题提供决策支持.文章最后对计算结果进行了分析验证,进一步讨论该模型的可行性和存在的问题,并对论文的成果进行总结和展望.     

分区加权Voronoi图的性质及其面积计算

分区加权Voronoi图是Voronoi图和加权Voronoi图的推广,可以用来模拟移动通信中基站发射天线分扇区以不同功率向周围发射时所覆盖区域的形状。首先,给出了分区加权Voronoi图的性质、定理及相关证明;其次,分析了分区加权Voronoi图中的各种区域,并给出了一种计算相应区域面积的算法;最后,利用分区加权Voronoi图模拟石家庄市部分城区中的基站建设情况,并对模拟产生的重复覆盖、服务区和盲区面积进行了计算。     

线段加权Voronoi图的离散生成算法的研究与实现

线段加权Voronoi图是对普通Voronoi图在生成元以及权重两方面加以推广而产生的.给出用离散的方法来生成线段加权Voronoi图,无须复杂计算,容易实现.另外利用其解决绿化问题,会达到良好的划分及可视效果.     

分区加权Voronoi图的生成及其应用

分区加权Vorond图是Voronoi图和加权Voronoi图的推广，它可以用来模拟移动通信当中基站发射天线分扇区以不同功率向周围发射时所覆盖区域的形状。本文给出了分区加权Voronoi图的定义和它的离散生成算法．以及由此算法生成的分区加权Voronoi图的实例。     

基于模拟退火的空域扇区优化方法研究

为了搜索空域扇区优化中的满意解,结合计算几何和模拟退火算法对空域扇区优化问题进行了研究。根据管制空域结构和交通流量空间分布,建立空域扇区分割的模糊多目标函数和约束条件函数,提出划设空域的二分策略,并结合模拟退火算法对扇区优化划设问题进行求解。实例分析表明,结合二分策略的模拟退火方法可获得满意解,扇区划设多目标优化的总体满意度比仅考虑均衡扇区平均流量时提高了2.1%。     

改进型Voronoi图与GIS在地震救援区域划分中的研究

针对当前我国社会城市化发展带来的诸多复杂的变化,面临地震灾害潜在威胁日趋严重的状况,以国内救援队伍为需求对象,提出了一种改进型Voronoi图,在传统Voronoi图应用研究的基础上,采用顶点加权Voronoi图实现地震现场救援区域自动划分的计算几何方法,并运用GIS的空间分析功能对地震灾区进行空间剖分以生成地震现场最佳救援区域。提出了影响救援区域覆盖范围的4个因子,给出了各个因子的权重计算方法,并与传统Voronoi图生成的救援区域进行比较分析。     

基于分区加权Voronoi图的手机基站定位

为解决传统Cell-ID定位仅利用单基站进行定位且定位精确度不高的缺点.文章在传统Cell-ID定位的基础上,提出了基于分区加权Voronoi图的手机基站定位方式.同时,针对传统分区加权Voronoi图算法无法显示多扇区重叠的区域,对离散生成算法进行适当的改进,来突出多个生成元重叠的区域,即基站的重复覆盖区域.同时通过实验分析了基站数量、覆盖范围和功率对定位精确度的影响.     

Voronoi图在无线传感器网络栅栏覆盖中的应用研究*

Voronoi是计算几何学中的一个重要图结构,将其引入到无线传感器网络的覆盖控制中,特别是栅栏覆盖(barrier coverage)的研究中有着极其重要的指导意义.利用Voronoi图的划分,可快速搜索出传感器网络中的覆盖漏洞,在仅考虑邻近传感器节点影响的宽松覆盖要求下,论证出利用该图生成的最小暴露进攻轨迹逼近于理想情况;但由于Voronoi的划分仅仅是一种粗略的轨迹线段的集合,会造成该方法对网络拓扑情况相当敏感,这将一定程度上限制其应用范围.     

加权Voronoi图的离散生成

加权Voronoi图是Voronoi图的一种扩展,有着广泛的应用.给出了一种新的构建加权Voronoi图的离散生成法.此方法无需复杂的计算,容易实现.     

Forecasting workload and airspace configuration with neural networks and tree search methods

The aim of the research presented in this paper is to forecast air traffic controller workload and required airspace configuration changes with enough lead time and with a good degree of realism. For this purpose, tree search methods were combined with a neural network.The neural network takes relevant air traffic complexity metrics as input and provides a workload indication (high, normal, or low) for any given air traffic control (ATC) sector. It was trained on historical data, i.e. archived sector operations, considering that ATC sectors made up of several airspace modules are usually split into several smaller sectors when the workload is excessive, or merged with other sectors when the workload is low. The input metrics are computed from the sector geometry and from simulated or real aircraft trajectories.The tree search methods explore all possible combinations of elementary airspace modules in order to build an optimal airspace partition where the workload is balanced as well as possible across the ATC sectors. The results are compared both to the real airspace configurations and to the forecast made by flow management operators in a French en-route air traffic control centre.     

一种求解0-1背包问题的快速蚁群算法

0-1背包问题是典型的NP完全问题,且蚁群算法已成功地解决了许多组合优化的难题。因此,文中介绍一种基于蚁群算法求解0-1背包问题的算法,并对此算法进行优化,提出一种求解0-1背包问题的快速蚁群算法。它大大减少了蚁群算法的搜索时间,有效改善了蚁群算法易于过早地收敛于非最优解的缺陷,当物品数较大时,也取得了较好的求解质量。仿真实验取得了较好的结果。     

共享经济背景下多属性双边匹配问题求解

对双边匹配类问题进行抽象建模,改进属性匹配度计算模型,求出匹配双方的偏好序,引入机器学习的思想改进蚁群算法对之求解。针对蚁群算法前期易早熟、后期难收敛的问题,提出非线性梯度启发信息和基于历史搜索信息的状态转移策略;针对蚁群算法初始参数设置难、调参工作量大的问题,提出基于梯度下降思想的自动调参方法;并制定稳定匹配和当前最优匹配的评价规则,引导蚁群算法的信息素更新。仿真结果表明改进的蚁群算法与传统蚁群算法相比评价值提升约20%。与传统蚁群和基于RNA计算改进的蚁群算法相比求解稳定性更优。     

基于蚁群算法的PID控制参数优化

蚁群算法是近几年优化领域中新出现的一种仿生进化算法,该算法采用的分布式并行计算机制特别适用于组合优化问题（COP）的求解。在简要介绍蚁群算法的基础上,针对PID控制参数整定问题提出了一种基于蚁群算法的PID参数优化策略,并给出了该算法的具体实现步骤。仿真试验结果表明同传统的Ziegler-Nichols（ZN）法、遗传算法优化整定的结果进行比较,系统单位阶跃响应的超调量σ分别减少了51.5％和22％和调整时间ts分别减少了61.4％和67.5％,动态和稳态性能进一步改善,进而验证了该方法的可行性和有效性。     

云环境下副本优化放置策略研究

为了提高云计算数据调度和副本访问的效率,对副本策略中的副本放置问题进行研究,提出一种基于蚁群算法的副本放置策略。根据自然界中蚁群觅食的原理,把蚁群算法应用于副本放置的整个过程; 利用信息素的动态更新以及拉普拉斯概率分布改进的蚁群算法得出一组最优解进行副本放置。在CloudSim平台上进行了仿真模拟,实验结果表明,提出的方案在平均作业完成时间、网络利用率和负载均衡度上均优于原始蚁群算法,并在一定程度上降低了副本放置的时间消耗和网络负载。     

基于管制员认知负荷和改进蚁群算法的扇区动态通行能力评估

针对现有动态通行能力的评估未考虑管制员认知负荷的不足,为了提高空中交通流量管理的准确性,构建了基于管制员认知负荷和改进蚁群算法的扇区动态通行能力评估模型。首先,构建了刻画扇区动态影响因素的动态飞行受限区模型,为了满足空中交通流量管理对速度的要求,改进了蚁群算法实现扇区动态管制引导路径规划;然后,提出了管制引导负荷强度的概念,扩展了管制员认知总负荷的概念,并将其应用于扇区动态通行能力评估模型的构建;最后,以三亚管制扇区为例,以15 min为间隔对未来2 h内9个时刻的扇区动态通行能力进行评估。实例验证结果表明所提评估模型计算得到的通行能力结果与实际运行结果相差1个架次,效果理想。     

障碍空间中基于Voronoi图的k最近邻查询

为了提升障碍空间中k最近邻查询的效率,研究了障碍空间中基于Voronoi图的k最近邻查询方法,提出了在障碍空间基于Voronoi图的kNN-Obs算法。该算法采用了两个过程:过滤过程和精炼过程。过滤过程主要是利用Voronoi图的过滤功能,较大程度地减少了被查询点的个数。精炼过程主要根据障碍距离和邻接生成点对候选集内对象进行第二次筛选。进一步给出了处理新增加点的ADDkNN-Obs算法和处理删除点的DENkNN-Obs算法。实验表明该算法在处理障碍空间中的k最近邻问题时具有优势。     

动态信息素更新和路径奖惩的蚁群算法

针对蚁群算法容易陷入局部最优,收敛速度慢,难以解决大规模问题的情况,提出依据信息熵和停滞次数的动态信息素的更新策略和基于最优路径集合的奖惩策略的蚁群算法,在动态信息素更新策略中,利用收敛系数来动态调节信息素,从而有效地平衡算法的多样性和收敛性。在搜索过程中,通过持续增大收敛系数,加快了收敛速度;当信息熵降低或者停滞次数达到一定数值时,通过降低收敛系数,跳出局部最优。同时基于最优路径集合,对较优路径进行奖励,对其他路径进行惩罚,通过减少蚂蚁每一步可选城市的数量,加快了收敛速度。并且使用三种局部优化方法,从而进一步提高解的精度。经过实验测试,该算法用于解决旅行商问题（traveling salesman problem,TSP）,具有较高的求解精度,并能有效平衡解的精度和收敛速度的矛盾。     

双向反馈蚁群算法在网络负载均衡问题的研究

针对网络资源管理中的负载均衡与优化问题,提出一种双向反馈蚁群算法,用蚂蚁数量代表网络资源流量,通过蚂蚁间信息素的相互作用和动态控制来实现网络流量分担到多条可用路径。将蚁群算法扩展为双向反馈的蚁群算法,蚂蚁判断各条路径上的信息素浓度的同时,考虑可选链路的负载情况,决定选择要走路径,使得蚂蚁相对均衡地分布在可选链路上。仿真实验结果表明,双向反馈蚁群算法比原蚁群算法在缩短自适应时间,减少丢包率,提高负载均衡效率方面都具有更好的性能。