服务质量要求下的分布式网络可靠性计算方法

为了评估构建在互联网络环境中,具有服务质量要求的分布式网络可靠性能,研究出一套可靠性指标计算方法.首先按照服务质量要求,在赋有权值的网络中计算出分布式节点间所有路由.然后根据这些路由建立满足服务质量要求的网络邻接矩阵,对邻接矩阵进行分解与整合等变换运算,求得不交化网络状态集.最后根据不交化网络状态集得到可靠性指标的计算式,进而完成可靠性指标计算.论述了算法每个关键环节的正确性,通过算例和实验结果充分说明了新算法的合理性.     

基于神经动态规划算法的最优路径选择

针对传统动态规划算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,引入了一种神经动态规划算法：它将传统的动态规划和BP神经网络结合起来,通过逼近Q学习算法来寻求一种最优策略,最终达到路径优化的目的。将此算法应用于一个交通路网,且用Matlab软件进行仿真,试验表明：该方法的实时性、并行性和全局性都优于传统动态规划,在城市交通流系统中能切实起到路径诱导的作用。     

基于EMFP-树的频繁模式挖掘算法

针对MFP-tree挖掘算法的不足,给出了一个频繁模式挖掘算法EMFP。算法通过将事务数据库的每条事务支持度进行裁剪以及为EMFP-树的节点添加子树个数计数器等措施来提高EMFP-树的挖掘算法的效率。实验结果表明,EMFP-树的挖掘算法是一个高效的频繁模式挖掘算法,其性能优于MFP算法。     

基于宁波市的公交出行路径选择模型

本文建立了以最少换乘次数、出行距离与出行费用为评价指标的最优路径选择模型。在搜索可行路径时,将乘客的步行意愿考虑在内。针对得到的可行路径运用层次分析法(AHP),建立成对比较矩阵,计算出每条可行路径的综合权重。通过比较每条路径的综合权重选择最优出行方案。     

基于定向扩散的无线传感器网络拥塞控制方法

为了缓解无线传感器网络中多对一通信方式出现的拥塞问题,提出了一种基于定向扩散路由协议的拥塞控制方法.在该方法中,转发节点根据本地的拥塞信息调整速率;sink节点周期地检测网络中的拥塞状态并将拥塞信息通过逐跳的方式反馈到源节点,而源节点根据接收到的反馈信息调节速率.仿真实验表明,该算法能有效地缓解网络中出现的拥塞,保证数...     

一种新的基于隐喻地图的RPA路径规划算法

智能化地制定机器人流程自动化(robotic process automation, RPA)执行路径有利于企业节约相关人力成本以及提高RPA的推广,提出基于改进深度双Q网络(double deep Q-learning algorithms, DDQN)算法进行RPA路径规划。首先针对存在RPA的作业环境即Web页面,不满足深度增强算法的探索条件的问题,借助隐喻地图的思想,通过构建虚拟环境来满足路径规划实验要求。同时为了提高DDQN算法探索效率,提出利用样本之间的位置信息的杰卡德系数,将其作为样本优先度结合基于排名的优先级(rank-based prioritization)构建新的采样方式。通过随机采用任务样本在虚拟环境上进行验证,证明其符合实验要求。进一步比较改进DDQN、深度Q网络(deep Q network, DQN)、DDQN、PPO以及SAC-Discrete算法的实验结果,结果显示改进算法的迭代次数更少、收敛速度更快以及回报值更高,验证了改进DDQN的有效性和可行性。     

面向变电站机器人巡检路径规划中的算法研究

针对目前在变电站中应用广泛的巡检机器人,探讨了其巡检路径的问题,依据离散数学理论中的哈密顿回路方法和路径的常规规划算法,研究了一种变电站的巡检路径为矩形分布时的机器人巡检路径问题。针对不同巡检方式,分别提出：全局巡检方式,采用新提出的哈密顿算法,当巡视起点被设定后,其他被巡视的任何点均可被归类,从而找出其巡检路径的哈密顿回路;重点设备巡检方式,采用Dijkstra算法和遗传算法相结合的方法;固定点巡检方式,采用Dijkstra算法。其中,三种巡检方式分别针对电量充足、低电量返回及充电完毕继续巡视等方面给出仿真结果,并将其在某变电站进行了试用。研究结果表明,三种巡检方式下的算法均有效可行,新提出的哈密顿回路算法巡视的路径比常规方法相对要短,算法的运算速度相对更快。     

双向蚁群算法的智能消防疏散图路径规划

当前我国正处在城市发展高速时期,综合建筑不断涌现,这时可根据火灾实时信息自动调整疏散路径的智能消防疏散图应运而生。路径规划算法是智能消防疏散图的重点研究方向之一。针对智能消防疏散图需结合火场信息动态规划路径等问题,提出了一种改进双向蚁群算法。添加了双向搜索策略,提高了算法全局搜索能力;结合A*算法改进了初始信息素分布,减小了算法初期搜索盲目性;改进了信息素更新策略,提高了算法收敛速度;结合火场信息和转向惩罚系数对算法蒸发系数、启发函数和转移概率进行改进,降低了陷入局部最优风险,提高了算法搜索效率和路径平滑性,并有效避开了火灾影响区域。通过仿真验证了算法有效性。     

基于CART改进模型的驾驶员路径选择行为估计方法

针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.     

An optimization model of UAV route planning for road segment surveillance

Unmanned aerial vehicle （UAV） was introduced to take road segment traffic surveillance. Considering the limited UAV maximum flight distance, UAV route planning problem was studied. First, a multi-objective optimization model of planning UAV route for road segment surveillance was proposed, which aimed to minimize UAV cruise distance and minimize the number of UAVs used. Then, an evolutionary algorithm based on Pareto optimality technique was proposed to solve multi-objective UAV route planning problem. At last, a UAV flight experiment was conducted to test UAV route planning effect, and a case with three scenarios was studied to analyze the impact of different road segment lengths on UAV route planning. The case results show that the optimized cruise distance and the number of UAVs used decrease by an average of 38.43% and 33.33%, respectively. Additionally, shortening or extending the length of road segments has different impacts on UAV route planning.