基于蚁群优化算法求解矩形件排样问题

布局问题来源于生产实际,优秀的布局可以提高原料利用率,降低成本,提高经济效益,对许多行业有重要意义。矩形件优化排样是一类具有NP完全难度的组合优化问题。人工蚁群算法是对蚂蚁群体行为的模拟抽象,该算法具有分布计算、信息正反馈和启发式搜索等特点。本文将蚁群算法和剩余矩形法结合用于解决矩形排样问题,首先用蚁群算法将矩形件排样问题转化为一个排列问题;然后通过剩余矩形排样算法排出每一个排列所对应的排样图;最后用算法对文献[9]中的两个算例进行了验证,表明了其有效性。     

群智能在Ad Hoc网络QoS组播路由中应用的研究

通过对Ad Hoc网络QoS组播路由问题的深入研究,提出了一种融合量子粒子群优化和蚁群优化的群智能混合算法(QPSOACO算法)。该算法融合QPSO思想以加速蚁群算法在路由发现及维护时的收敛速度,进一步提高算法对网络节点移动性的适应能力。仿真实验表明,该算法对Ad Hoc网络环境的适应性良好。     

简化的NS2路由模拟策略

静态路由模拟策略中大规模网络的时间复杂度和空间复杂度较大,严重阻碍网络模拟应用,为解决这个问题,提出了一种简化的NS2路由模拟策略。该策略通过对静态路由模拟策略中的节点进行分类,使路由计算时只有路由器节点参与;地址分类器设置时,终端节点有选择的参与。实验结果表明,该策略在不影响模拟真实性的前提下,有效地降低了时间开销与存储开销,更适合大规模网络环境下复杂应用的模拟。     

基于YOLO的多模态加权融合行人检测算法

在夜间光照不足、目标被遮挡导致信息缺失以及行人目标多尺度的情况下,可见光单模态行人检测算法的检测效果较差.为了提高行人检测器的鲁棒性,基于YOLO提出一种可见光与红外光融合的行人检测算法.使用Darknet53作为特征提取网络,分别提取2个模态的多尺度特征.对传统多模态行人检测算法所使用的concat融合方式进行改进,...     

基于光谱重建技术的壁画颜色复原与评价

为了在给定的照明和观察条件下，用相机响应信号重建物体表面光谱反射率，实现颜色的高精度复原，采用了多光谱成像技术采集物体表面的多光谱图像，使用主成分分析、 R 矩阵和正则化 R 矩阵方法进行了光谱反射率重建的理论研究，并对壁画色块颜色复原进行了实验验证，取得了壁画色块的重建光谱和颜色复原数据，同时对基于正则化 R 矩阵方法的壁画色块颜色复原结果进行了评价。结果表明，正则化 R 矩阵方法进行光谱重建的光谱精度和色度精度更高，与主成分分析和 R 矩阵方法相比，色差降低了0.0732，适应度系数提高了1.10%，均方根误差降低了0.0035，光谱匹配偏指数降低了0.0225。该方法能够满足高精度颜色再现的需要，适用于文物艺术品数字化存档、文物艺术品修复等领域。     

模糊逻辑与人工神经网络技术在灭菌器失效分析中的应用

灭菌器失效的影响因素具有模糊性,难以用精确的数学模型标识。本文采用人工神经网络和模糊逻辑相结合的方法系统分析了影响灭菌器失效的相关因素,建立了分析模型,并进行了计算验证。     

量子粒子群优化改进的模糊C均值聚类算法

针对模糊C-均值(FCM)聚类算法对初始聚类中心选择敏感,易陷入局部最优的问题,提出一种量子粒子群优化改进的模糊C均值聚类算法。该算法引入的基于新距离标准的量子粒子群(AQPSO)算法不仅可以降低初始点敏感度,较快地收敛到最优解,而且能够提高全局搜索能力。仿真实验证明,该融合算法在摆脱局部最优区域,保证收敛速度同时使得聚类效果较好。     

硕士生学制“三改二”争论之我见

2005年6月,笔者参加了在桂林召开的“全国信息与电子学科研究生教育论坛”,会议期间,来自清华大学、浙江大学、哈尔滨工业大学等40多家研究生培养单位的代表围绕研究生教育学制改革、研究生培养质量保证、研究生创新教育等问题展开了激烈的讨论。代表们在很多方面基本达成共识,但在硕士生学制是否“三改二”问题上却产生了较大分歧,一部分代表认为硕士生培养实行二年制是我国高等教育与国际接轨、降低培养成本、提高培养效率、优化资源配置的重要改革举措,硕士生学制“三改二”符合市场需求,是大势所趋;但也有一部分代表认为学制改革一定要…     

谈水能资源开发利用中的水利经济行为

水利经济属于资源经济和行业经济的范畴,其任务是要研究水资源开发、管理中的经济关系和经济规律。文章对水能资源开发利用中水利经济的研究内容、对象、方法及特点进行了初步探讨。     

CTU—EDI教学模拟系统

ＣＴＵ－ＥＤＩ是一个利用电子数据交换完成对外贸易的教学模拟软件，它模拟了卖方向买方出售商品这一贸易过程中的各个环节，为学生学习ＥＤＩ如何应用于对外贸易活动提供了真实的环境。