基于位置推算算法的虚拟人感知机制的研究

近十几年来,随着对行为动画研究的开展,研究者们越来越认识到行为研究对虚拟人研究的重要性,感知机制是虚拟人行为研究的核心,迄今为止研究者们一般采用传感器方法而不是合成视觉方法建立虚拟人的感知机制,这是因为在象虚拟战场这样的多虚拟人环境中,虚拟人本身的复杂性、环境的动态性,使得虚拟人间可视信息的传递很困难,为了解决这个问题,提出了基于位置推算法的虚拟人感知机制,该项研究弥补了合成视觉方法的不足,丰富了行为动画中感知技术的研究,从而为虚拟人行为控制的研究奠定了基础。     

面向生产作业计划的计算机模拟工具与算法

为解决单件车间生产作业计划生成问题,集成ＶｉｓｕａｌＦｏｘｐｒｏ ５．０ 与计算机模拟语言Ｓｉｍ ａｎ ３．５１ 设计与开发了模拟模型生成器、时间参数推算算法和禁忌搜索算法。模拟模型生成器可以产生一个粗略的单件车间生产作业计划方案,用时间参数推算算法和禁忌搜索算法对此方案进行优化。模拟试验表明,这些工具与算法可以生成较好的生产作业计划方案。     

PSO算法在交叉口OD矩阵推算中的应用

针对由交叉口已知交通量推算OD矩阵时,当已知交通量数小于OD变量数时难以得到满意解的问题,提出了采用基于群智能技术改进的粒子群优化算法(Particle Swarm Optimization,简称PSO)来进行全局优化求解.论文设计了用粒子群算法求解交叉口OD矩阵推算模型的方法,确定了目标函数和终止条件,给出了具体的计算步骤及粒子群算子的选择,通过初始化粒子的速度和位置,不断送代更新直到搜索出全局最优值.最后用Matlab语言编程进行了仿真试验.仿真结果表明,该方法具有较高的效率和准确性.     

免疫算法

首先对免疫算法作了介绍，并与其它非确定性算法进行了比较，随后介绍了现有的几种免疫算法及其实现步骤、应用情况。     

免疫蚁群算法在电力系统无功优化中的应用

将人工免疫算法和蚁群算法相结合形成免疫蚁群算法,运用免疫机理提取疫苗获得初始解,通过免疫操作加快算法收敛速度,并用基于浓度的选择机制抑制算法的＂早熟＂.将该算法用于求解电力系统无功优化问题进行仿真,结果表明它的收敛速度和计算精度都有较大提高.     

免疫量子进化算法

将免疫的概念和方法引入到量子进化算法中，提出一种新型的进化算法——免疫量子进化算法。该算法在保留原算法优良特性的前提下，力图有选择、有目的地利用待求问题中的一些特征信息或先验知识，抑制或避免求解过程中的一些重复或无效的工作，以提高算法的整体性能。对背包问题的仿真实验表明，免疫量子进化算法的性能优于经典的进化算法、免疫进化算法、量子进化算法等3种算法。     

一种改进的免疫克隆选择算法

针对传统免疫克隆选择算法收敛速度较慢的问题,结合克隆概率和免疫概率的自适应变换、群体灾变算法以及有无记忆库思想,提出了无记忆库的自适应免疫克隆选择算法与有记忆库的自适应免疫克隆选择算法,并将其应用于TSP问题.群体灾变算法的应用便于使算法尽快摆脱迟钝状态,并使算法能够保持抗体多样性.自适应方法的应用使得算法在进化初期有较强的全局搜索能力和较弱的局部搜索能力,随着进化的进行,全局搜索能力逐渐减弱,局部搜索能力逐渐增强,便于找到全局最优点.仿真实验结果表明,与传统的免疫克隆算法相比,该算法有效克服了早熟问题,保持了抗体的多样性,而且收敛速度较快.     

一种求解机组组合问题的改进免疫算法

针对传统免疫算法存在的两大缺陷:容易陷入局部最优平衡状态、进化后期搜索停滞不前。提出一种改进的免疫算法,用模糊推理来动态改变交叉、变异概率,同时把模拟退火的思想引入到算法中,采用确定性和模拟退火相结合的方法选择接种个体。实验证明,改进的免疫算法用于求解机组组合问题时,不仅不易陷入局部最优解,而且它的收敛性和效率都有所提高。     

适用于三角函数的SAMA算法优化

针对已有的FORTRAN内部数学库,采用SAMA（sufficient accuracy multiplication algorithm,足精度倍乘法）算法优化其中较为常用的几个三角函数。SAMA算法通过计算前的充分约简,可以在保证计算精度的基础上有效地加速函数泰勒级数的收敛,同时利用数学上的倍乘公式提升算法性能,降低约去误差。从而在算法级上减少函数运算的时间开销,提高函数的性能。对FORTRAN内部数学库使用此算法后,几个常用函数的运算性能都有不同程度的提高。     

基于免疫算法的物流配送中心选址

针对物流配送中心选址问题,以物流成本为目标函数,采用免疫算法对配送中心选址进行优化.通过一个中等规模的物流需求点实例,仿真结果表明,该方法能够快速有效地求得物流配送中心选址问题的全局最优解.     

基于免疫算法的球形译码算法研究

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的性能最接近最大似然检测算法,是目前应用最为广泛的一种信号检测方法,但传统的球形译码算法在低信噪比时计算复杂度较高,在高信噪比时误码率性能不够理想.该文提出了一种改进的球形译码方法,利用免疫算法的寻优能力来获得最佳的初始搜索半径,从而达到在保证译码性能的同时有效地降低计算复杂度的目的.实验仿真结果表明,与传统的球形译码算法相比,基于免疫算法的球形译码方法在高信噪比下可以达到最大似然译码的性能,同时能有效降低低信噪比时的运算复杂度,从而更符合现代无线通信实时性的要求.     

多模态函数优化的免疫算法

模拟抗体搜索机制,结合免疫网络理论,提出一种新的优化算法.该算法用抗体表示函数优化解的可能模式,通过构造克隆选择算子完成全局和局部最优解的搜索,利用B细胞网络保持多种抗体并存.典型函数优化测试结果表明,该算法能够较好地实现全局最优解和局部最优解的同步搜索和保持,具有较强的多模态函数优化能力.     

基于免疫算法的聚类分析与实现

在介绍自然免疫系统功能和特性的基础上,阐述了人工免疫算法的基本原理．从提取生物免疫系统的隐喻机制,基于免疫网络理论和克隆选择原理,建立了一种人工免疫数据聚类分析算法．并详细论述了该算法在电梯交通时段自动划分中的具体应用,MATLAB仿真表明该算法可以有效减少聚类数据的冗余信息,对解决交通时段自动划分等数据聚类问题是可行的和有效的．     

基于免疫机制的多解问题研究

寻求多解具有实际背景和广泛应用价值,同时也是非常复杂的问题.多解与多样性之间有内在关联性,运用免疫机制的多样性特征求解多解问题时,有其独特的优点.如何有效地发挥免疫机制在多解问题中的这种优势,需要深入开展工作.本文讨论了克隆和疫苗免疫在多解问题求解中的作用,然后提出一个合理的算法模型,并通过仿真实验进行验证.     

基于轨道推算的弹道导弹多普勒速度估计算法

鉴于弹道导弹目标跟踪过程中出现的分离事件,使得目标密集度高、相互遮挡严重,雷达无法准确测量多普勒速度,导致距离测量精度降低,引发断批、错批等问题,提出了运用轨道推算的弹道导弹多普勒速度估计算法.该算法将目标距离量测中多普勒补偿去掉,采用基于轨道推算方法得到估计值后,再重新进行补偿输出.仿真结果表明,与改进的IMM-UKF滤波算法相比,该算法多普勒速度精度提高了86.50%,距离精度提高了93.37%,大幅度提高了目标跟踪精度.     

约束优化问题的免疫混沌算法

结合免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点，提出了一种新的免疫混沌算法.从一组可行解出发，采用免疫算法通过克隆选择、克隆扩增、高频变异和审查形成记忆细胞，并将其作为全局近似最优解，然后采用混沌优化方法按照混沌运动规律在近似最优解的邻域内进行局部搜索并审查，从而获得全局精确最优解.审查过程包含了对约束条件的处理，即对新产生的候选解进行审查，保留满足约束条件的可行解.利用该算法对几个经典约束优化问题进行了仿真测试，与以往方法相比获得了更优的结果，表明该算法是一种解决约束优化问题的有效方法.     

适用于GIDS报文分类的P-HiCuts算法

针对HiCuts算法在NIDS应用上存在着空间异常膨胀和决策树不平衡性的问题,提出了一种P-Hi-Cuts算法.P-HiCuts(Pruned HiCuts)对原报文空间分组算法进行改进,采用覆盖规则上提和非均匀切分的技术解决原有问题,从理论上减小了决策树深度.实验结果显示,改进后决策树深度空间占用缩小到原来的10%,分类速度也提升了13.71%.     

量子进化算法和免疫算法的比较研究

量子进化算法和免疫算法都是解决优化问题的强有力算法。在分析了量子进化算法搜索的特点和免疫算法的机理基础上,对它们进行比较,阐明了二者的不同特点,并通过仿真实例总结出它们在求解多峰值函数优化问题上各自的优缺点。