基于决策距离的多传感器信息融合加权平均算法

本文引入证据间距离、证据间支持度和可信度、决策距离测量等重要概念,对证据的信任函数数据进行合理化处理,并借助D-S证据合成规则实现多传感器的信息融合,从而提出基于决策距离的多传感器信息融合加权平均算法。算例分析表明,该方法能够有效解决D-S冲突问题,确保信息融合结果的准确度。     

无线传感器网络中基于区域决策的距离均值融合算法

研究了无线传感器网络中基于距离的决策融合算法,并针对它们的不足,提出了一种基于区域决策的距离均值融合算法.该算法首先采用目标定位运算估计目标源的位置,并划定以目标源为中心的一定区域为有效区域,然后根据距离均值模型计算有效区域内传感节点的可信度权重,并将其决策和相应的权重上传到融合中心进行决策融合.仿真实验表明,该算法比其它基于距离的融合算法具有更高的检测概率和较好的抗噪性能,适合中大规模无线传感器网络.     

基于动态拥挤距离的混合多目标免疫优化算法

多目标免疫优化算法的研究目标是种群均匀分布于优化问题的非劣最优域并使算法快速收敛。为进一步提高多目标优化问题非支配解集合的分布均匀性和收敛性,提出了一种基于动态拥挤距离的混合多目标免疫优化算法。该算法基于动态拥挤距离来对个体进行比较和更新操作,从而保持最终解集的均匀分布,同时借鉴经典差分进化算法中的变异引导算子来加强免疫优化算法的局部搜索能力并提高搜索精度。基于5个经典测试函数的仿真结果表明, 与其他几种有效的多目标优化算法相比,所提算法不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且收敛速度也有较大的改进和提高。     

基于动态拥挤距离的自适应变异演化算法

多目标演化算法的研究目标是使算法种群快速收敛并均匀分布于问题的非劣最优域。根据个体的非支配排序级数设计了一种自适应变异步长的柯西变异算子,对变异越界处理进行了改进;并定义和使用动态拥挤距离来保持群体中个体的均匀分布。最后通过对测试函数的实验,验证了算法的可行性和有效性。     

基于决策变量时域变化特征分类的动态多目标进化算法

动态多目标优化问题(Dynamic multi-objective optimization problems, DMOPs) 广泛存在于科学研究和工程实践中, 其主要考虑在动态环境下同时联合优化多个冲突目标. 现有方法往往关注于目标空间的时域特征, 忽视了对单个决策变量变化特性的探索与利用, 从而在处理更复杂的问题时不能有效引导种群收敛. 为此, 提出一种基于决策变量时域变化特征分类的动态多目标进化算法(Dynamic multi-objective evolutionary algorithm based on classification of decision variable temporal change characteristics, FT-DMOEA). 所提算法在环境动态变化时, 首先基于决策变量时域变化特征分类方法将当前时刻决策变量划分为线性变化和非线性变化两种类型; 然后分别采用拉格朗日外插法和傅里叶预测模型对线性和非线性变化决策变量进行下一时刻的初始化操作. 为了更有效地识别非线性决策变量变化模式, 傅里叶预测模型通过傅里叶变换将历史种群数据从时域转换到频域, 在分析周期性频率特征后, 使用自回归模型进行频谱估计后再反变换至时域. 在多个基准数据集上和其他算法进行对比, 实验结果表明, 所提算法是有效的.     

基于KL距离的主/被动传感器最优选取跟踪

提出一种基于KL距离的主/被动传感器管理策略,在每一时刻只有一种传感器工作的状态下,根据KL距离选择下一时刻的工作传感器,以期达到更好的跟踪精度。借用粒子滤波思想计算KL距离,通过目标运动模型参数辩识提高计算精度。仿真结果表明,与传统的协方差管理策略相比,该方法能获得更好的跟踪精度。     

排课表问题中的分组优化决策算法

针对大学排课表这个多因素优化决策问题,介绍一种分组优化决策算法,它是系统Ｕｎｉｖｅｒｓｉｔｙ Ｔｉｍｅｔａｂｌｅ Ｐｌａｎｎｉｎｇ Ｓｙｓｔａｍ（ＵＴＰＳ）使用的方法。实践表明该算法是行之有效的,在计算机实现课表的自动编排过程中,本算法直到了核心作用。     

基于决策变量关系的动态多目标优化算法

动态多目标优化问题(DMOPs)需要进化算法跟踪不断变化的Pareto最优前沿,从而在检测到环境变化时能够及时有效地做出响应.为了解决上述问题,提出一种基于决策变量关系的动态多目标优化算法.首先,通过决策变量对收敛性和多样性贡献大小的检测机制将决策变量分为收敛性相关决策变量(CV)和多样性相关决策变量(DV),对不同类型决策变量采用不同的优化策略;其次,提出一种局部搜索多样性维护机制,使个体在Pareto前沿分布更加均匀;最后,对两部分产生的组合个体进行非支配排序构成新环境下的种群.为了验证DVR的性能,将DVR与3种动态多目标优化算法在15个基准测试问题上进行比较,实验结果表明, DVR算法相较于其他3种算法表现出更优的收敛性和多样性.     

基于前缀分组的改进自适应多叉树防碰撞算法

针对自适应多叉树防碰撞算法在标签识别过程中存在空闲时隙过多、系统吞吐量较低的问题,提出一种基于前缀分组的改进自适应多叉树防碰撞算法.算法分为前缀分组与标签识别两个阶段,前缀分组阶段阅读器使用一个查询周期确定范围内标签的查询前缀,每个前缀代表一个分组.标签识别阶段采用一种改进自适应多叉树防碰撞算法,通过计算碰撞因子,动态...     

一种基于体育径赛的动态分组算法的设计与实现

常用的运动会管理软件中体育径赛项目分组分道多以固定八道处理,编排算法固定,存在一定的缺陷。本文提出了一种不受道数限制的动态分组算法,详细论述了该算法的设计思想,结合Office.NET组件技术论述了如何将此算法应用到校园田径运动会的秩序册编排系统中,有效地实现了灵活的径赛分组分道的编排任务。实验证明,利用本文提出的动态分组算法,可以对体育径赛项目进行灵活快捷地分组,在一定程度上弥补了目前运动会管理软件的不足。     

基于数据库分组技术的决策树算法的研究

提出了一种利用数据库分组记数技术构造决策树的算法,利用数据库系统的结构化查询语言来实现主要的样本统计计算任务。并将构造决策树的过程与相关属性的选择方法有机地结合在一起。使用这些方法和策略,该算法能较快速地生成决策树,与ID3算法相比,在不影响决策树分类准确度的前提下,具有较高的执行效率。     

基于动态分组的M2M上行优先级调度算法

以延迟容忍剩余时长为度量依据,提出一种对业务进行动态分组的上行优先级调度算法。采用资源块(RB)大小可变的分配方式满足RB的邻接约束,引入混合自动轮询机制解决算法对低优先级业务调度不公平的问题。仿真结果表明,相比PF算法、RR算法,该算法的系统吞吐量分别提升约15%、41%,且在业务时延、业务区分度方面具有较好性能。     

动态加权和测量方差时变的多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致滤波发散和信息资源的浪费,为此提出了一种动态加权下测量方差时变的多传感器融合算法。该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用。仿真结果表明该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。     

基于业务抽象规划的分布式动态服务组合算法

异构系统间难以实现计算资源的灵活共享,制约分布式信息系统性能的提升,基于面向服务架构的Web服务技术,为异构系统计算资源共享提供了有效手段。为此,针对Web服务组合在集中式发布架构下单点故障和性能瓶颈问题,提出一种基于业务抽象规划的分布式动态服务组合算法。该算法根据组合规划结果对业务抽象规划库进行动态扩充,快速组合出满足需求的服务,逐步提高服务组合响应率。仿真结果表明,该算法在分布式环境下可减少服务请求过程中交互的信息量,降低请求响应时间,提高服务组合效率。     

一种基于动态分组策略和多线程并行IO的并行镶嵌算法优化

遥感图像的镶嵌处理具有数据量大,流程复杂,算法处理耗时巨大的特点,并行计算是加速镶嵌处理过程速度的有效手段。但是,传统的并行镶嵌算法由于任务分配采用静态策略,导致计算节点负载不均衡,并行效率不高。同时,由于传统并行镶嵌算法中存在大量非常耗时的数据存取操作,并且在重采样和匀色过程中存在不合理的流程配置,使得并行效率降低,难以得到比较线性的加速比。本文提出的基于动态任务分配和多线程并行I/O的并行镶嵌算法,较好地解决了上述问题,通过对比分析和实验表明,本算法对大规模图像的镶嵌处理,具有较好的并行处理速度,以及理想的线性并行加速比曲线,节点扩展能力较强。     

一个基于动态代理次序的分布式约束求解算法

最近分布式约束满足问题逐渐成为人工智能领域一个新的研究热点,它的提出将约束满足问题的应用范围扩展到复杂的分布式环境.并发搜索是求解分布式约束满足问题的一个高效算法.文中改进了并发搜索中的变量选择策略,将动态代理次序应用到其中,同时提出了一个适合于分布式条件下的基于动态代理次序的并发搜索算法.多组随机生成问题实验结果显示加入动态代理次序的并发回溯搜索在求解效率和通信量方面都表现出优异的性能.     

基于动态锁技术的分布式实时文本协同编辑算法

算法的核心思想是“先操作,后确认”。在一个协作者处发生的操作立刻被广播给其它协作者,由此保证了操作的实时性。协作者在编辑文档的同时,共同竞争其所操作区域的所有权,只有取得所操作区域的所有权的操作才能被确认为有效操作,没有取得或被剥夺所有权的操作将被确认为无效操作并最终被取消。     

基于多传感器融合的摔倒检测算法的研究

针对传统摔倒检测算法中误报和漏报率高的不足,提出一种基于多传感器融合的摔倒检测算法;该算法分别以人体的加速度和姿态角值为判定依据;首先,采用三轴加速度传感器和电子罗盘对上述两种数据进行采集,并通过无线模块发送至PC机;之后对采集数据进行分析和处理,进而根据阈值进行异常姿态检测;最终,综合加速度和姿态角的分析结果给出准确的检测结论;实验结果表明,该算法检测的准确率达99.2％、与传统检测算法相比具有更强的稳定性与可靠性.