基于禁止搜索的非线性时间匹配优化算法

动态时间规整算法DTW(Dynamic Time Warping)作为一种非线性时间匹配技术已成功地应用于语音识别系统中。DTW算法使用动态规划技术来搜索两个时间序列的最优规整路径,虽然这种算法计算量小,运算时间较短,但只是一种局部优化算法。禁止搜索TS(Tabu Search)算法是一种具有短期记忆的广义启发式全局搜索技术,适用于解决许多非线性优化问题。本文将该技术用于语音识别系统中,提出了基于禁止搜索的非线性时间规整的优化算法TSTW,使得时间规整函数尽可能逼近全局最优。仿真结果表明,TSTW比DTW有更高的识别率,且运行时间比遗传时间规整算法GTW大大减少。     

基于局部尺度特征描述和改进DTW技术的局部轮廓匹配算法

基于轮廓的图像匹配是计算机视觉领域中的重要问题,但是目前尚未有较成熟的算法能够很好地解决局部轮廓匹配问题及非相似变换和非刚体变换引起的轮廓形变问题.根据局部轮廓结构在产生形变时具有相对稳定性的规律及融合轮廓局部信息和全局信息的轮廓描述思想,本文提出了一种具有尺度、旋转、平移不变性,形变鲁棒性和初始点无关性的局部尺度轮廓描述算法.在此基础上,针对线性匹配方法效果不佳以及传统DTW技术约束路径的线性度不满足轮廓采样特性要求的问题,提出一种基于改进DTW技术的轮廓匹配算法,即结合轮廓采样特性设置九宫格的路径约束条件,以旋转角度为参数,计算全局最佳匹配路径.实验结果表明,对于存在尺度、平移、旋转及形变关系的两轮廓,该方法能较好地实现轮廓间的局部匹配,并且其匹配准确率平均约为92%,较HD算法提高了30%,较传统DTW算法提高了26%.     

改进势场蚁群法的机器人避障及路径规划

针对传统蚁群算法机器人在路径规划过程中出现收敛速度缓慢和陷入局部最优的问题,将蚁群算法与加入虚拟牵引力和快速函数的人工势场法相结合,引入势场合力作为蚂蚁搜索路径点的部分启发信息,使结合后的算法具有较高的全局搜索能力,避免了传统蚁群算法由于启发信息误导所致的局部最优问题,同时提高了收敛速度。为了验证此方法的有效性,用Matlab软件进行仿真实验,结果表明机器人运动轨迹平滑,接近最优路径。     

改进蚁群算法的机器人路径规划研究

针对传统蚁群算法存在算法收敛速度慢、易陷入局部最优的问题,文中提出了一种改进的蚁群算法。在传统A ^*算法的基础上,改进其估价函数,并将其引入到蚁群算法中,提出了改进启发函数η,增加目标点对路径搜索的吸引力,提高了收敛速度。新方法还改进了信息素挥发因子ρ,使信息素挥发因子处于动态变化,提高了算法的全局搜索能力,避免陷入局部最优。仿真结果表明,改进的蚁群算法在收敛速度上比传统蚁群算法提高了近50%,在最短路径上明显优于传统的蚁群算法,证明了改进算法的有效性。     

基于蚁群算法的Criminisi图像修复

提出了一种基于蚁群算法的Criminisi图像修复算法,将蚁群算法应用到Criminisi图像修复算法的最佳匹配模板搜索中。首先计算待修复区域优先权;然后蚁群寻找搜索路径中留下的信息素,沿着信息素最多的路径寻找到最佳匹配模板;最后更新置信度,直到修复结束。实验结果表明,修复后的图像PSNR较高不易陷入局部最优,能较快速地搜索到最佳匹配模板。     

基于改进蚁群算法的移动机器人路径规划研究

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。     

基于混合优化算法的正交多相码的设计

通过结合模拟退火算法的概率接受准则和蚁群算法的并行搜索，提出了一种有效的混合优化算法，设计出了具有良好自相关和互相关性能的正交信号组。混合算法弥补了模拟退火算法的搜索效率低和蚁群算法的容易陷入局部最小值的缺点，提高了全局搜索的能力。仿真结果表明，在搜索最优正交多相码方面该混合优化算法优于其他搜索算法。     

基于FPGA的说话人识别算法的实现

文中介绍了一种基于FPGA的DTW说话人识别算法的实现方法,根据算法本身的特点,采用了一种适合于硬件实现的搜索路径约束条件,并利用收缩阵列来处理模板匹配中的运算,从而提高了算法的模板匹配速度和识别效率,在处理性能上优于现在常采用的基于软件的实现方法,适用于电话语音信道的实时大容量的说话人识别系统.     

基于蚁群算法的景象匹配定位

景象匹配定位是精确制导的重要技术,通过对景象匹配定位和蚁群算法的研究,提出一种基于蚁群算法的匹配定位方法,蚁群算法具有快速全局寻优能力,应用蚁群算法计算模版图像在基准图像中的匹配位置,根据匹配定位参数的特点,建立二维的蚁群搜索空间,定义图像的归一化积相关作为相似性度量并更新蚁群的信息素,利用信息素及启发信息来计算状态转移概率,蚁群最终聚集到适应度函数最大的路径上。实验结果表明：蚁群算法可以准确有效地估计匹配位置。     

基于改进蚁群算法的机器人路径规划

采用MAKLINK图论建立机器人路径规划的空间模型,利用Dijkstra算法减少工作空间的搜索范围,引入免疫算子,将其融合到蚁群算法的每次迭代过程中,提高蚁群算法在全局搜索空间的遍历性和收敛速率,避免陷入局部最优解。     

求解约束满足问题的改进蚁群优化算法

为了克服传统的回溯算法在求解大型的约束满足问题时效率低,难以在合理的时间内求解这一问题。提出了基于启发式搜索的不完备性算法。结合不同算法特性,主要在蚁群优化元启发式约束求解算法的基础上提出了改进：一是在搜索之前用弧相容检查进行预处理以压缩搜索空间,二是提出了一种新的蚁群算法参数设置方案,提高算法的适应性。最后将改进后的算法应用于求解随机问题和组合优化问题。实验结果表明,改进后的算法求解效率得到大幅度提高。     

基于蚁群算法的网络层析故障链路诊断

为了解决网络层析成像中链路故障诊断的NP难问题,提出一种基于蚁群算法的故障链路诊断方法。首先将问题建模成一个组合优化问题,利用蚁群算法在解决组合优化问题中独特的优势进行求解。不同于传统的蚁群算法,求解故障链路时蚁群在初始放置点和可行路径上都受约束。为了加快算法的收敛速度,对蚁群算法的初始信息素浓度进行优化。仿真结果表明,所提出的算法在故障链路检测中具有较好的精度和召回率。     

A Tabu search based routing algorithm for wireless sensor networks

In this paper, a Tabu search based routing algorithm is proposed to efficiently determine an optimal path from a source to a destination in wireless sensor networks (WSNs). There have been several methods proposed for routing algorithms in wireless sensor networks. In this paper, the Tabu search method is exploited for routing in WSNs from a new point of view. In this algorithm (TSRA), a new move and neighborhood search method is designed to integrate energy consumption and hop counts into routing choice. The proposed algorithm is compared with some of the ant colony optimization based routing algorithms, such as traditional ant colony algorithm, ant colony optimization-based location-aware routing for wireless sensor networks, and energy and path aware ant colony algorithm for routing of wireless sensor networks, in term of routing cost, energy consumption and network lifetime. Simulation results, for various random generated networks, demonstrate that the TSRA, obtains more balanced transmission among the node, reduces the energy consumption and cost of the routing, and extends the network lifetime.     

Multi-constraints QoS routing optimization based on improved immune clonal shuffled frog leaping algorithm

Aiming at the multi-constraint routing problem,a mathematical model was designed,and an improved immune clonal shuffled frog leaping algorithm (IICSFLA) was proposed,which combined immune operator with traditional SFLA.Under the constraints of bandwidth,delay,packet loss rate,delay jitter and energy cost,total energy cost from the source node to the terminal node was computed.The proposed algorithm was used to find an optimal route with minimum energy cost.In the simulation,the performance of IICSFLA with adaptive genetic algorithm and adaptive ant colony optimization algorithm was compared.Experimental results show that IICSFLA solves the problem of multi-constraints QoS unicast routing optimization.The proposed algorithm avoids local optimum and effectively reduces energy loss of data on the transmission path in comparison with adaptive genetic algorithm and adaptive ant colony optimization algorithm.     

基于拥挤度因子的动态信息素更新策略蚁群算法

针对蚁群算法易陷入局部最优、收敛速度慢的问题,文中提出了一种基于拥挤度因子的动态信息素更新策略的蚁群算法(CFACS)。引入鱼群算法中拥挤度的思想,扩大种群中蚂蚁分布范围,使其探索更大的解空间,提高算法全局搜索能力;采用动态信息素更新策略,在每一次迭代中,自适应调整当前最优路径所释放的信息素浓度,保证蚁群前期的多样性,同时保证算法在后期的收敛性。求解TSP问题的仿真实验表明,改进算法求得解的质量和求解的收敛速度都明显优于传统蚁群算法,较好地平衡了种群多样性与收敛速度之间的矛盾。     

蚁群-遗传算法的无线传感器网络路径优化

为了提高无线传感器网络路径优化效率,快速找到最优路径,提出基于蚁群-遗传算法的传感器路径优化方法.利用遗传算法的快速全局搜索能力和蚁群算法的正反馈机制,实现了两种算法的融合.仿真结果表明,蚁群-遗传算法在时间和性能上都优于单独的蚁群算法和遗传算法,能快速找到无线传感器网络最优路径,有效延长了网络的生命周期.     

光纤光栅电压传感器非线性校正研究

针对传统的光纤光栅电压传感器非线性校正算法具 有运行速度慢,拟合精度不高的缺陷。在研究了大量国内外文献过后,本文为了解决一些传 统非线性校正方法在光栅光纤传感器校正中的不足,在此提出了一种基于蚁群算法优化的分 段支持向量机回归的 校正算法。由于传统的蚁群算法在信号处理中搜索速度不理想,最小二乘支持向量机回归算 法精度不高,所以此算法是结合了蚁群 算法搜索最小二乘支持向量机回归最佳参数原理的基础上将样本空间按照数据分布情况进行 分段回归,以此减少算法运行时间。首 先通过蚁群算法优化各个支持向量机参数,然后通过分段回归得到传感器完整的特性,曲线 拟合精度为99.97%。此算法克服了传统 支持向量机回归算法中局部最优解的问题,具有较好的全局收敛效果。     

Discovering the backbone network with a novel designed ant colony algorithm

Forthe problem that in interactive network,the illegal and abnormal behaviors were becoming more hidden,moreover,the complex relation in real interactive network heightens the difficulty of detecting anomalous entities,an ant colony model was proposed for extracting the backbone network from the complex interactive network.The novel model simulated the relationships among entities based on the theory of path optimization,reduced the network size after quantifying the significance of each flow of information.Firstly,a strategy of initial location selection was proposed taking advantage of network centrality.Secondly,a novel path transfer mechanism was devised for the ant colony to fit the flow behavior of entities.Finally,an adaptive and dynamic pheromone update mechanism was designed for guiding the optimization of information flows.The experimental results show that the proposed model is superior to the traditional ant colony algorithm in both solving quality and solving performance,and has better coverage and accuracy than the greedy algorithm.     

融合改进蚁群和粒子群算法的路径搜索应用

针对车辆路径搜索对其计算质量和效率要求较高问题,且原始蚁群算法和标准粒子群算法均存在局部优先解、停滞以及收敛速度较慢等缺陷,提出一种融合改进的蚁群和粒子群路径搜索算法。在融合算法前期提高粒子群算法收敛速度,利用其进行粗搜索,后期利用改进的蚁群算法进行细搜索。通过仿真分析表明,融合后的改进算法在路径规划和计算效率上均有较大提升。