基于改进燃烧算法的最优路径规划

针对燃烧算法在公交查询系统中求解最优路径问题的不足,以及为了更好地服务于乘客,对燃烧算法中的存储结构进行改进和优化,采用新的搜索思想并设置算法终止判断条件,提出了基于公交站点的双向燃烧搜索算法。仿真结果表明,该算法在时间、空间代价以及准确性方面均具有显著的优越性。     

基于GIS的最优路径自适应规划算法

基于GIS的最优路径自适应规划算法是公交交通的核心技术。该文研究公共交通网络的特性和路径自适应规划算法的需求特点,构建了公共交通网络的几何模型和数据模型,设计了最优路径自适应规划算法且分析了复杂度,完成了基于GIS的客户端图形化显示,并结合实际公交网络进行了算法的验证,实现了算法的实际应用。     

一种移动机器人全局最优路径规划算法

针对移动机器人全局最优路径规划问题,首先提出一种基于线性操作的遍历式算法,该算法通过场扫描方式生成步长转换矩阵(STM,Step Transform Matrix),并在步长转换矩阵中搜索考虑方向一致的最短路径,从而可以得到避免不必要路径转折的全局最短路径.其次提出了一种评价标准来区分路径优劣.最后通过仿真与圆形波传播算法进行了路径规划对比实验,实验结果表明本文所提算法在所提出的路径评价标准下可以获得比波传播算法更优的路径.     

基于GAAA算法的深海集矿车的最优路径规划

针对提高深海集矿车的集矿效率,实现最优路径规划的目标,建立了从起始点到达目的点时,集矿机所需时间最短、耗能最少的多目标优化问题的模型,并通过对子目标加权将多目标优化问题转换成单目标优化;在蚁群算法的基础上,采用了将遗传算法与蚁群算法相融合的算法,即GAAA算法;对集矿车作业路径进行寻优控制,在实现高集矿覆盖率和集矿效率的同时,提高了集矿车整机作业效率;仿真实验表明,GAAA算法用于集矿车路径寻优是可行的和有效的。     

基于自适应免疫算法的最优路径问题研究

针对标准遗传算法在解决路径规划问题中存在的不能以概率1收敛及进化时出现退化等情况,提出并实现了一种自适应免疫算法,提出了一种新的编解码方式,给出了相关的免疫克隆、免疫优势等免疫算子的具体设计.进化过程中克隆规模可依据抗体一抗原亲合度、抗体一抗体亲合力自适应调整,采取了最优保存策略从而保证了算法以概率1收敛.实例验证了该算法的可行性,有效性.与标准遗传算法相比,增强了全局收敛,提高了收敛速度,通过仿真验证,该算法运算速度缺、结後果精度高,为路径规划问题研究提供了一种新方法.     

一种智能高效的最优渗透路径生成方法

在考虑未知攻击和内部攻击条件下,为进一步提高最优渗透路径生成效率,提出一种智能高效的最优渗透路径生成方法.首先给出双层威胁渗透图(two-layer threat penetration graphs, TLTPG)模型,其下层为主机威胁渗透图(host threat penetration graph, HTPG),其上层为网络威胁渗透图(network threat penetration graph, NTPG);然后,基于知识图谱,构建主机资源知识图谱(host resource knowledge graph, HRKG),用于智能高效推理生成HTPG;进一步,利用HTPG,设计智能化的基于渗透信息交换的NTPG生成算法;最后依据TLTPG,设计任意2个主机间的最优渗透路径生成算法.实验结果表明：该方法能够描述未知攻击和内部攻击,且可提高最优渗透路径的生成效率.     

基于多目标点A*算法的停车场车位路径引导系统设计

针对目前多数停车场缺乏易于工程实现的车位引导系统,导致用户找停车位难且存在一定安全隐患的问题,本文设计一种基于多目标点A*算法的停车场车位引导系统。本系统由出入口控制模块、车位状态监控模块、路径引导模块和信息处理中心共4个部分构成,能最大程度基于现有停车场基础设施进行扩展,具有工程量小、成本低的特点。设计的多目标点A*算法能够在多个潜在目标点中遴选出一个最优目标点,完成最优车位路径规划。最后,以某小区停车场为例,利用Microsoft Visual Studio 2015平台进行仿真实验,重点运行最近车位引导、步行最少引导、连续空余车位引导这3种常见模式。仿真结果验证了系统的有效性和可行性。     

基于深度强化学习的智能化渗透测试路径发现

渗透测试是通过模拟黑客攻击的方式对网络进行安全测试的通用方法,传统渗透测试方式主要依赖人工进行,具有较高的时间成本和人力成本.智能化渗透测试是未来的发展方向,旨在更加高效、低成本地进行网络安全防护,渗透测试路径发现是智能化渗透测试研究的关键问题,目的是及时发现网络中的脆弱节点以及攻击者可能的渗透路径,从而做到有针对性的...     

基于分层网络拓扑结构的最优路径算法

由于Dijkstra算法的基础是平面网络拓扑模型,因此当计算网络的节点数目较大时,计算的时间将急剧膨胀。为了快速地搜索到最优路径,基于分层网络拓扑结构（HiTopo）,提出了双向分层搜索最优路径算法（BHWA）;该算法对现有分层路径算法进行了以下两点改进：（1）将分级网络的局部连通性作为划分子图的指标;（2）在路径计算过程中,使用弧段作为搜索目标,并采取了双向搜索策略。通过北京道路数据的实验表明：该算法在保持分层路径算法高效性的基础上,还提高了路径搜索结果的准确性;通过进一步研究表明,如果使用启发式搜索来对算法进行优化,则可以使算法的速度有更大的提升。     

基于A*算法的三维地图最优路径规划

研究了基于A*算法的适合人步行行走的山地环境下三维地图最优路径规划算法及实现.本文考虑了三维山地无路网信息覆盖的条件较差环境,对A*算法进行改进,并利用三维地形DEM数据计算出一条相对平缓且长度较短的三维路径.改进算法对三维条件下路径最短的评价标准由原有的空间距离累加最短改进为先将空间等效成水平距离,再计算距离是否最短.同时,本文充分考虑了搜索点周围环境的整体坡度信息作为启发信息,来降低算法寻找的路径走在陡坡上的概率.实验表明,本算法最终计算出的三维最优路径在平缓度及路径最短上有所改善,基本符合人步行行走的习惯.     

基于多目标规划的遥测数据处理

研究如何挖掘遥测数据系统的效能以适应数据处理任务需求的变化,提出了数据矩阵概念,定义各种分割方式,应用多目标规划理论,对不同需求目标进行任务分配,并求解对应的最优解。     

未知环境下基于A~＊的机器人路径规划算法

本文提出了一种未知环境下基于A*的机器人路径规划算法。采用基于A*算法的二次路径规划策略,机器人在遇到未知障碍物的情况下能有效地进行路径重规划;采用基于优先级的子节点生成策略,考虑了机器人的宽度信息,使规划路径能在真实的物理机器人上得到执行;最后,通过MobileSim仿真平台和Pioneer P3DX真实机器人验证了此算法的有效性和可靠性。基于A~*的新算法拓宽了原算法的适用范围,提高了机器人的智能水平和实时路径规划能力。     

数据驱动的保证收敛速率最优输出调节

针对具有外部系统扰动的线性离散时间系统的输出调节问题, 提出了可保证收敛速率的数据驱动最优输出调节方法, 包括状态可在线测量系统的基于状态反馈的算法, 与状态不可在线测量系统的基于输出反馈的算法. 首先, 该问题被分解为输出调节方程求解问题与反馈控制律设计问题, 基于输出调节方程的解, 通过引入收敛速率参数, 建立了可保证收敛速率的最优控制问题, 通过求解该问题得到具有保证收敛速率的输出调节器. 之后, 利用强化学习的方法, 设计基于值迭代的数据驱动状态反馈控制器, 学习得到基于状态反馈的最优输出调节器. 对于状态无法在线测量的被控对象, 利用历史输入输出数据对状态进行重构, 并以此为基础设计基于值迭代的数据驱动输出反馈控制器. 仿真结果验证了所提方法的有效性.     

基于SQL注入的渗透测试研究

为了提高数据库系统的安全性,防范利用各种数据库漏洞尤其是SQL注入漏洞对数据库发起的攻击,本文分析了基于SQL注入渗透测试的相关技术和渗透方法,并在此基础上提出一个渗透测试的宏观模型,并给出各模块主要功能和渗透流程。     

基于区间直觉模糊集的模糊多目标群决策

为提高数据决策的准确性,结合区间直觉模糊集理论,对模糊多目标群决策算法进行优化。并针对部分权重信息并不一定完整的情况,利用迭代计算的方式向最优决策逐步逼近。实例显示,该算法具有时间复杂度低、便于计算机实现等特点,并说明了算法的有效性和准确性。     

软件测试路径选择优化模型及其进化求解

路径测试是一种非常重要且应用广泛的结构测试方法, 已有路径生成方法的测试效率不高、测试开销较大, 且易生成冗余测试路径. 针对以上问题, 主要研究路径选择问题的优化模型及其进化求解方法, 目的在于: 在不降低测试覆盖率的前提下, 减少冗余路径的数量, 降低测试消耗. 首先, 以多条路径作为决策变量, 基于该决策变量包含的边数和路径数, 建立多目标优化模型; 然后, 采用多目标进化算法求解该模型, 得到目标路径集. 将所提方法应用于7个基准测试程序, 并与其他算法比较. 实验结果表明, 相比其他算法, 所提方法能够在保证测试充分性的条件下, 降低测试消耗, 从而提高测试效率.     

分段可压缩路径的切换优化算法

针对切换控制系统可渐近稳定的充分条件的难题,提出了一种分段可压缩路径的搜索算法。分析了压缩路径的切换控制规律,并对常规可压缩路径的切换控制进行了优化,提出了最短和加权平均可压缩优化路径算法及峰值控制优化算法。通过实例Matlab程序仿真寻找可压缩路径的优化参数,比对切换实验数据,演示不同优化算法下的切换率稳定和收敛状况。