基于最优路径选择的网络感知服务组合算法

为满足用户的性能需求及服务质量保障,针对复杂网络服务组合的特点和用户个性化的服务质量(Quality of Service, QoS)需求,研究了云环境下的网络感知服务组合问题,利用云服务和网络服务的QoS属性,提出了一种基于最优路径选择(Optimal Path Selection, OPS)的网络感知服务组合算法。该算法可以提升网络服务质量水平,改善用户体验质量。仿真结果表明,该算法在求解时间和质量两个方面都表现出了良好的性能,而且能动态适应用户复杂的需求,能够有效地解决云计算环境下的服务组合问题。     

基于DFS的最优路径数据迷乱算法

提出一种基于深度优先搜索的数据迷乱算法,将数据库中的原始数据通过DFS算法生成邻居关系树,找出生成树中边缘距离最小的路径作为原始数据的替代.对于原始数据中含有相同元素的特殊情况,提出了多种数据迷乱算法并行使用的技术以实现数据项的迷乱.此算法的提出突破了原有数据迷乱技术的简单数据变形,大大增加了攻击者逆向工程的复杂度以达到联机信息保护的目的.     

基于GMPLS的最优恢复路径选择算法

在总结、比较当前各种GMPLS恢复机制性能的基础上,结合了保护机制恢复时间快、恢复机制的资源利用率高的优点,提出了一种动态最优恢复路由选择算法.该算法不仅在出现多处网络故障的情况下,根据预留的恢复路径,动态寻找分配恢复路径,而且可以保证保护路径的资源利用率最优.     

基于蚁群算法的网络路由最优路径判断模块设计与实现

网络中节点的能量是有限的,网络拓扑结构具有波动性,导致传统网络路由算法不能有效适应这些变化,自组织性较差,无法及时获取最优路径,大大降低网络性能。因此,设计基于蚁群算法的网络路由最优路径判断模块。其以FPGA为控制核心实现硬件设计,具体包括控制模块、存储器模块、寻求后续节点集模块、采集后续节点模块、状态调整模块、信息素调整模块和最优路径判断模块。模块实现部分给出了蚁群算法的核心代码。实验结果表明,所设计的最优路径判断模块具有较高的收敛速率,获取的路径更短,能够延长网络的运行周期。     

基于模糊综合评价的最优路径求解

就具有模糊信息的最优路径的求解提出了一般的解决方法。首先利用忖家意见通过模糊算法和一种排序法求得在单目标下的平均综合效益值和该的要重，然后利用动态规划进行具体求解。     

最优信道质量预测算法的研究和实现

首先分析了基于MMSE准则的最优信道预测算法，通过数值结果分析了采样时间和多普勒频移的乘积对其性能的影响，并分析了信道估计误差对该算法的影响，介于该最优算法需要计算矩阵的逆，其复杂度太高，本文还提出了一种迭代算法对信道进行预测，仿真结果表明其算法是逼近于MMSE的性能的，且复杂度也比较小。     

一种基于最优组合模型的火箭弹跟踪算法

提出一种基于最优组合模型对火箭弹运行参数进行预测,利用它对跟踪的特征点下一位置进行预测。该模型的主要特点是避免了单一预测模型仅利用部分信息而带来的不足,详细推导了算法的数学模型。仿真结果证实了该模型较单一预测方法降低了预测误差、提高了预测精度,使得跟踪算法的精度得到很大提高。     

基于改进蚁群算法的车辆路径优化模型

在分析基本蚁群算法的基础上,针对交通路径的特点,提出了适合于求解路径规划的改进型算法。在原有算法的基础上引入了启发式因子,提高了算法初期的收敛效率,减少了计算。详细分析了参数α,β对蚁群算法速度与结果准确性的影响,提出了参数自适应调整的方案,提高跳出局部优解的能力以及算法的全局收敛性。改善了解的质量。根据仿真结果,将改进蚁群算法与基本蚁群算法进行了比较,结果表明改进后的算法各方面均优于基本蚁群算法,验证了改进型算法可行性和高效性。     

基于卡尔曼滤波和小波的网络流量预测算法研究

流量预测是流量工程,拥塞控制和网络管理的核心问题。该文针对网络流量的特点,将卡尔曼滤波和小波分析混合的预测算法引入到网络流量预测领域中,对其进行了理论证明。仿真结果表明,该算法与传统的算法相比,具有较高的预测精度和较好的实时性与广谱性。     

具有交通限制约束的道路网络最优路径算法

基于在Dijkstra算法和道路网络的模型以及实际交通限制信息分析的基础上，提出了一种考虑静态和动态交通限制信息的最优路径规划算法，最后给出了该算法在实际道路网络中应用的情况。     

一种无线多媒体传感器网络路径最优路由算法

介绍了无线多媒体传感网络(WMSN)路由的设计原则与策略,描述了路径最优的基本原理,最后从最优路径的选择、信息转发策略、节点能量消耗3个方面考虑,设计出路径最优路由算法。该算法与蚁群算法进行比较,实验结果表明,该算法在节点能量消耗、信息传送速度上都优于蚁群算法,尤其传速率提高了30%左右。     

灭火救援最优路径算法探究

为解决城市消防灭火救援系统中消防车出警不够迅捷的问题,本文提出了一种灭火救援最优路径算法。该算法在经典Dijkstra算法的基础上,提出了三点优化。通过搜索区域的限定可以解决大量无用结点参与计算带来的时间和空间的浪费问题,同时优化存储结构可节省大量的存储空间,最后,提出了双向查找规则,该规则减少了链接数量,有效地提高了寻找最优路径的效率。     

基于卡尔曼滤波算法的ADS-B航迹预测

广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)系统作为民航独立的监视手段具有一定的脆弱性.现提出基于卡尔曼滤波算法进行ADS-B航迹预测的方案,为进一步鉴别ADS-B位置信息的真伪提供可靠的技术支撑.通过解析ADS-B报文中的位置信息,建立卡尔曼滤...     

基于神经动态规划算法的最优路径选择探讨

神经动态规划算法在处理复杂的决策问题时非常有效,它可将我们所遇到的问题分成若干子问题,然后再寻找每个子问题合理的处理方法,最后从这些子问题的处理方法中找到以前问题的最优处理方法。在最优路径选择问题中,通过Matlab仿真得出神经动态规划算法比传统方法更容易找到答案,使运行效率得到了提高。     

移动机器人路径规划融合算法研究

为了满足机器人路径规划中全局最优性和路径平滑性的性能要求,文章提出了一种新的jump-A?算法与动态窗口法的融合算法.先利用跳跃点搜索法、曼哈顿距离与欧氏距离定义的新距离评价函数对A? 算法进行优化,得到全局路径信息;再以动态窗口方法为核心,通过整合全局路径信息,安全地规划出高平滑度的全局最优路径.     

利用Kmeans与蚁群算法的路径寻优方法

科技时代的到来丰富了人民的日常生活,线上购买物品已经成为了一种新的趋势,但随着网络用户的增加,物流配送成了一大难题.本文提出了利用Kmeans算法与蚁群算法的特性,先对客户住址进行聚类分析,再计算出最优路径,以此来降低配送成本,提高配送效率.最终结果表明该组合算法具有可实施性.     

基于卡尔曼滤波的动态轨迹预测算法

基于拟合的传统轨迹预测算法已无法满足高精度和实时性预测要求.提出基于卡尔曼滤波的动态轨迹预测算法,对移动对象动态行为进行状态估计,利用前一时刻的估计值和当前时刻的观测值更新对状态变量的估计,进而对下一时刻的轨迹位置预测.大量真实移动对象数据集上的实验结果表明：GeoLife数据集上基于卡尔曼滤波的轨迹预测算法的平均预测误差（预测轨迹点与实际轨迹点的均方根误差）为12.5米;与基于轨迹拟合的轨迹预测算法相比,T-Drive数据集预测误差平均下降了555.4米,预测准确率提升了7.1%.在保证预测时效性前提下,基于卡尔曼滤波的动态轨迹预测算法解决了轨迹预测精度较低的问题.     

基于卡尔曼滤波的接收信号强度指示差值定位算法

针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明：所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。

     

一种多约束条件下路径规划算法研究

针对目前导航系统中重要的多约束条件下路径规划功能,结合A＊算法和蚁群算法提出一种新的不确定算法,该算法首先将多约束条件进行融合使其适合蚁群转移,并在基本蚁群算法基础上采用了A＊算法的评估指标,为蚁群转移时提供最优预测收敛点。通过实验证明该算法可以大幅度降低时间消耗,并且全局收敛性强,计算结果稳定。