基于启发式搜索的调频率估计算法

介绍了利用图像对比度最大法则估计多普勒调频率的原理方法,建立了多普勒调频率和图像对比度之间的数学模型.同时,介绍了启发式搜索算法原理,利用该算法估算每个调频率节点到目标调频率点的代价或估值,以估值最小的节点作为当前调频率节点.不断探寻新的子节点,并更新当前节点,最终收敛到目标点,即可以得到最优的调频率点.基于启发式搜索的对比度最优调频率估计算法的估计精度较高,运算效率较高.最后,利用实测数据处理结果验证该算法的有效性.     

基于多目标MS-OSPA下界的分散式传感器选择

本文提出了一种分散式大规模多目标跟踪网络的传感器选择优化算法.该方法以多目标状态集和估计集间的均方最优子模式分配误差下界作为优化目标函数,根据加权Kullback-Leibler平均（Kullback-Leibler average,KLA）准则对局部多目标密度进行融合,最终采用坐标下降法来折中计算代价和跟踪精度.仿真实验在不同信噪比场景下验证了本方法的有效性.     

基于并联卷积神经网络的SAR图像目标识别

基于合成孔径雷达（synthetic aperture radar，SAR）在图像目标识别领域中识别精度低的问题，设计一种利用并联卷积神经网络（convolutional neural network，CNN）来提取SAR图像特征的目标识别方法.首先利用改进的ELU激活函数代替常规的ReLU激活函数，建立与二次代价函数相结合的深度学习模型.其次采用均方根支柱（root mean square Prop，RMSProp）与Nesterov动量结合的优化算法执行代价函数参数迭代更新的任务，利用Nesterov引入动量改变梯度，从两方面改进更新方式，有效地提高网络的收敛速度与精度.通过对美国国防研究规划局（DARPA）和空军研究实验室（AFRL）共同推出的MSTAR数据集进行实验，实验表明，该文提出的算法能充分提取出SAR图像中各类目标所蕴含的信息，具有较好的识别性能，是一种有效的目标识别算法.     

图规划框架下的并行概率规划

针对具有并发性概率效果的规划问题,考虑了动作的概率效果和并发执行,通过定义并行动作集以及节点问互斥的概念,实现了在概率规划算法中处理并行动作和概率效果,打破了原有概率规划算法中"每个时间步只允许执行一个非空动作"的限制,弥补了原有算法的不足,该方法能生成非循环规划和循环规划,选择性地开发利用问题潜在的并行性,提高了概率规划器的求解质量,使得概率规划更适合于处理现实世界问题.     

基于学习的能量采集认知M2M通信资源分配算法

本文针对能量采集认知机器到机器（Machine-to-Machine,M2M）通信的能量效率问题，在保证服务质量（Quality of Service,QoS）的条件下，提出了一种能效优化算法.以最大化网络中用户能效为目标，综合考虑传输功率控制、时隙分配、传输模式选择、中继选择以及每个设备的能量状态为约束，将优化问题建模为一个混合整数非线性规划问题.将该能效优化问题转化为离散时间有限状态马尔科夫决策过程（Discrete-time and Finite-state Markov Decision Process,DFMDP）进行求解.提出一种基于深度强化学习的算法寻找最优策略.仿真结果表明，所提算法在平均能效方面优于其他方案，且收敛速度在可接受范围内.     

一种主从MEC服务器协作卸载与资源分配方案

移动边缘计算(Mobile Edge Computing,MEC)通过将云计算能力下沉至用户侧,提高了用户的任务执行能力.但在热点小区中,MEC服务器存在计算资源有限的问题.为了减少热点小区内任务执行总代价,提出了一种基于主从MEC系统的任务联合卸载方案.首先,方案随机生成卸载集,然后将卸载集内的任务分配至目标MEC服...     

无线传感器网络中基于最优转发集的协作式编码传输协议

针对当前大多数据传输协议没有充分利用无线信道的广播特性这一问题,本文提出了基于网络编码的机会路由协议NCOR（Network Coding based Opportunistic Routing protocol）.首先,通过分析网络端到端传输代价,本文提出了最优转发集构造机制以最小化传输代价.此后,NCOR在转发集内执行节点协作式编码传输以保证传输可靠性.最后,理论分析了NCOR的传输可靠性结论.仿真实验表明NCOR可适用于不同的链路环境,且在保证可靠传输的同时,大幅降低了网络能耗.     

基于多目标粒子群-人工势场法的无人艇局部航路规划

针对无人艇在执行作战任务过程中,需要临机调整局部航路以实现紧急避障的需求,提出一种基于多目标粒子群-人工势场法的无人艇局部航路规划方法,首先针对传统人工势场法极小值问题,提出一种目标平移法进行改进,能够引导无人艇跳出局部极小值区域,并采用多目标粒子群算法对改进后的人工势场法参数进行优化,设计出基于航路危险系数、路径长度系数、路径转向角系数的多目标代价函数,实现了人工势场法参数快速、自主、最优调整。最后,通过不同工况下的仿真试验,验证了所提算法的有效性。     

基于改进粒子群算法的多UAV协同侦察任务规划

针对多无人机（UAV）协同侦察的任务规划问题,充分考虑侦察目标的侦察分辨率和时间窗约束,建立了数学模型;提出了一种改进的粒子群算法,使得粒子群能够较均匀地在问题空间内搜索,避免陷入局部极值,在保持传统PSO算法快速收敛的同时,加强了算法局部搜索能力。基于该模型和优化算法,制定了合理的多UAV协同侦察任务计划,使得多UAV协同侦察任务在满足任务要求、平台性能和战场约束的条件下具有最小代价和最优作战效能。     

针对交互关系模型优化的协作式问题分配

将协作式问题合理地分配给各实体,通过对实体之间交互关系模型的优化获得较少交互关系数,对于减少实体的交互工作量,简化协作管理行为,降低通信代价,从而有效高质地解决该协作式问题具有重要意义.根据题内交互关系以及题外交互关系的定义,在分析以最小化实体之间交互关系数为目标的数学模型的基础上,提出了三个选择原则,以从每个子问题的各候选团队中选出合适的执行团队,并在此基础上设计实现了递阶优化分配算法,给出了模型的较优解.     

道路搜索算法的研究

道路交通飞速发展,对道路搜索算法进行研究变得越来越有必要。首先对研究的必要性进行了阐述,进而对几种道路搜索算法的原理进行了介绍。     

道路搜索算法的研究

道路交通飞速发展,对道路搜索算法进行研究变得越来越有必要。首先对研究的必要性进行了阐述,进而对几种道路搜索算法的原理进行了介绍。     

基于反复加深的模糊启发式搜索算法及其学习性质研究

本文基于反复加深和动态修改启发式估价函数这一机制。提出了模糊启发式搜索算法ＦＩＤＡ和Ｉｍｐｒｏｖｅｄ－ＦＩＤＡ。针对模糊启发式估价函数通常难以设计这一问题，提出了可用于模糊启发式估价函数学习的学习算法ＬＦＩＤＡ。     

求解带度约束多播路由问题的启发式遗传算法

为了能够有效求解带有度约束的多播路由模型，融合启发式算法与遗传算法，利用染色体作为启发信息，设计了一种求解该模型的混合遗传算法。该算法不但避免了直接对树形数据结构编码所带来的困难，而且具有快速收敛的特点和全局寻优的能力。最后，大量的数字仿真从实践上支持了该算法的有效性。     

基于量子衍生算法的8-puzzle问题分析

阐述了量子编码形式的多样性,概述了8-puzzle启发式搜索问题的量子衍生算法与计算策略;通过设置扩展深度界限,运用量子计数器和酉变换操作进行8-puzzle问题的量子计算.讨论了量子衍生算法与经典算法的比较．对启发式智能搜索在量子计算机上的实现方式作了进一步的讨论．     

路径搜索策略研究

针对城市道路网车辆导航系统中经典Dijkstra最短路径搜索算法中存在的计算效率问题,研究基于启发式策略和双向搜索策略的双向启发式优化搜索算法,并探讨路网的分层搜索策略.采用启发信息减少搜索范围、双向搜索分解搜索空间,从而提高了算法的执行效率.实际路网仿真结果表明:相比经典Dijkstra算法,启发式策略搜索效率可提升70%~80%,双向搜索策略在不损失搜索精度下进一步提高搜索效率5%~10%,而分层搜索策略可以极大提高大规模路网车辆导航长距离下路径搜索效率.     

面向集成电路制造的基于Petri网的生产调度

本文提出了一个新的面向集成电路(IC)制造的调度方法,核心内容包括两方面:首先,用本文提出的扩展定时Petri 网对IC生产工艺进行描述;其次,对所得Petri 网模型的状态空间进行搜索,得到以Transition序列表示的最优或近似最优调度.该方法可以很好地描述IC制造系统中存在的多制造路径、资源共享、可变晶片组及并发等特性,通过引入测试弧增强Petri 网的建模能力,进而在调度模型上对设备维护、设备优先级以及操作优先级进行描述,而且支持多目标的评价函数,使得到的调度结果更具实用价值.文中给出试验结果表明了算法的有效性.     

深度优先搜索算法及其改进

对于一些简单的搜索问题或者不便构建启发式搜索算法的问题,深度优先搜索算法常是解决问题的有效办法。首先对深度优先搜索算法的基本原理进行描述,在此基础上分析深度优先搜索算法的不足之处,最后对深度优先搜索算法进行改进,并将改进的深度优先搜索算法应用于农夫过河问题,得到2个可行的解。     

Meta‐heuristic algorithms for channel scheduling problem in wireless sensor networks

The channel scheduling problem is to decide how to commit channels for transmitting data between nodes in wireless networks. This problem is one of the most important problems in wireless sensor networks. In this problem, we aim to obtain a near‐optimal solution with the minimal energy consumption within a reasonable time. As the number of nodes increases in the network, however, the amount of calculation for finding the solution would be too high. It can be difficult to obtain an optimal solution in a reasonable execution time because this problem is NP‐hard. Therefore, most of the recent studies for such problems seem to focus on heuristic algorithms. In this paper, we propose efficient channel scheduling algorithms to obtain a near‐optimal solution on the basis of three meta‐heuristic algorithms; the genetic algorithm, the Tabu search, and the simulated annealing. In order to make a search more efficient, we propose some neighborhood generating methods for the proposed algorithms. We evaluate the performance of the proposed algorithms through some experiments in terms of energy consumption and algorithm execution time. The experimental results show that the proposed algorithms are efficient for solving the channel scheduling problem in wireless sensor networks. Copyright © 2011 John Wiley & Sons, Ltd.     

基于改进局部搜索算法的三维空间路径规划研究

在机器人路径规划中,搜索区域维数增大会导致路径搜索算法收敛时间过长甚至不收敛的现象发生。针对此类问题,文中以改进的局部搜索算法为基础,融合蚁群算法中信息素因子和人工势场算法中势场因子,建立了启发函数模型以提高寻优的目的性,并对搜索到的路径用迭代法进行优化。文中具体讨论了三维空间中路径点的选取方式和启发函数模型的建立方法,同时给出了算法的详细流程。最后通过MATLAB仿真实验证明基于改进后的算法进行路径规划时,迭代次数降低,搜索速度变快,路径点轨迹趋势更加平稳。