动态改变惯性权重的自适应粒子群算法

惯性权重是平衡粒子群算法中平衡全局搜索能力与局部搜索能力的重要参数.为实现快速收敛与并避免陷入局部最优,分析了PSO算法中的惯性权重与种群规模、粒子适应度以及搜索空间维度这三者的关系,并把粒子惯性权重定义为这三者的函数以改进PSO算法.该算法在每次迭代后根据此函数更新每个粒子的惯性权重,实现了自适应调整全局搜索能力与局部搜索能力,并结合动态管理种群的策略提出了改进的粒子群算法.通过在多个常用测试函数上与已有惯性权重调整算法测试比较,证明新算法具有较强的全局寻优能力与较高的搜索效率.     

移动IPv4与IPv6工作机制的研究

针对目前IPv4网络中存在的问题以及网络规模的不断扩大而日益严重,特别是当越来越多的移动无线通信设备加入到Internet中时,地址宅间问题显得尤其重要,IPv6网络能够提供足够的地址空间并且在设计中考虑和修改了现有IPv4网络中的不足.文中讨论IPv4中的工作机制及它的功能实体及它存在三角路由问题,并且分析了三角路由问题产生的原因,在此基础上阐述了IPv6的工作机制及原理,也分析了它的优点.着重讨论了IPv4的切换方式中的快速切换与平滑切换.     

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HLA的多任务规划仿真系统的研究与实现

基于HLA的体系规范,研究多任务智能规划和运动目标搜索技术,设计了一个多任务规划仿真系统.介绍了多星多任务的智能规划技术和基于MIP/CP模型的运动目标搜索技术,针对空间信息任务特点分析了系统需求,设计了分层的系统结构,实现了一个仿真系统原型.针对MIP/CP模型进行了仿真数据测试,分析了仿真结果.该原型系统实现了分布式的仿真支撑平台,为进一步进行理论探索提供了一个参考实验平台.     

引导小生境回溯优化算法

回溯搜索优化算法（BSA）是近年提出的一种新型优化算法,针对其收敛速度较慢、易陷于局部最优的缺点,提出了一种基于最优个体引导和小生境技术相结合的改进BSA算法。本方法首先在BSA的变异操作中引入向最优个体学习的策略,以提高算法的收敛速度;其次,设计一种新的小生境排挤技术,根据每个个体到其他个体距离的平均最小值确定小生境半径,排除部分相似性较高的个体;结合群体当前的最差信息,设计一种新的变异方法产生一定数量的新个体补充到新的种群中,维持群体数量的恒定并增强群体多样性。改进的BSA算法充分考虑了算法的收敛速度和群体的多样性,较大地提高了传统BSA算法的性能。对10个典型函数进行仿真测试,并与其他算法结果进行对比,实验结果表明,改进算法在收敛速度与精度方面具有较好的效果。     

名刊速览

雅虎自救互联网经济中,某家公司的上上下下十分平常,即便是淡出人们的视线也毫不希奇。但别人可以,雅虎绝对不能。在网络广告和搜索市场受制于Google的雅虎,一年来股票下跌了40％,“没错,在搜索上我们是NO．2”,掌管着雅虎搜索技术的研究院院长普拉巴卡·拉甘万(Prabhakar Raghavan)博士表示,“但我们并没有因此而受到影响,如果拿邮件、即时通讯和其它网络服务与Google比较,雅虎仍然是NO．1。”在新广告网络、搜索产品和社区媒体服务上发力的雅虎正在全力自救。事实上,包括华尔街在内的投资人并没有丧失对雅虎的信心,“就像足球比赛中遇到几个不走运的赛季,雅虎马上就能扳回几场,打破颓势”,投资人、数字音乐软件公司Gracenote的老板斯科特·琼斯(Scott Jones)乐观地表示。     

基于启发式的N皇后问题的快速算法及其实现

N皇后问题是一个比较传统的组合搜寻问题,也是人工智能领域的一个经典的搜寻实例。给出了对N皇后问题求全部解的基于启发式的和以空间换时间的快速算法思路及其实现,将之同一般的回溯算法进行了时间耗费的比较,证明了算法是较优的算法;并讨论了算法的时间和空间复杂性。在个人电脑上,求16皇后全部解只需12.2秒。     

基于图像识别的井下机车轨道检测方法

针对传统图像识别算法耗时大、对复杂环境识别效果差等缺点,提出一种针对煤矿井下环境的轨道检测方法。根据井下光线亮度不均匀的特点,设计井下复杂环境下的灰度拉伸与边缘提取算法,提高轨道检测的有效性。给出基于优先级的轨道内侧边缘搜索算法。后帧图像在基于前帧图像检测结果建立的感兴趣区中进行轨道检测,可降低计算量,提高实时性。现场实验结果证明,该方法能有效检测出机车轨道,且相比传统方法耗时明显减小。     

联盟结构图的性质及应用

形成有效的联盟是多Agent系统的一个重大课题.然而联盟结构的数目很大,对于包含n个Agent系统来说,其可能构成的联盟结构是O(nn),以至于通过穷举搜索最优联盟结构是不可能的.另外联盟结构空间是一个什么样的形态,这是目前为止很少有人系统研究的课题,尤其是其图性质的研究.从图的视点讨论多Agent系统中的最优联盟结构生成问题.首先将联盟结构空间抽象为一个联盟结构图,其中顶点代表联盟结构,有向边代表联盟结构的分解.随后总结和形式化该联盟结构图所具有的两个性质:最优子结构、重复子结构问题;推广了一个性质:关键搜索集;给出了一个新性质:较少冗余路径的图的连通性.为了理解联盟结构图的这些性质,将这些性质用到了有效动态规划法(effective dynamic programming,EDP)中,分析得到其时间复杂度的下界是Ω(2.1n),上界是O(3n).实验分析表明,EDP算法比DP算法的搜索次数更少,在含有21个Agent的系统中,EDP比DP减少42%的搜索次数.     

一个基于故障敏化模式分解的并行ATPG算法SPPTG

提出了一个基于故障敏化模式分解的搜索空间并行ATPG算法SPPTG。它与现有的基于PODEM算法的搜索空间并行ATPG算法的显著不同是可对搜索空间进行静态划分。SPPTG已用C语言在SUN工作站上实现 ,并已集成到并行测试生成原型系统P -ATGTA中。实验结果表明 ,SPPTG既可通过扩大搜索空间办法提高单机ATPG的故障覆盖率 ,又可在较短的时间内遍历单机需要搜索的空间 ,获得较高的加速比。