低轨预警系统动态任务规划启发式算法

该文针对低轨预警系统任务动态规划需求,从预警传感器资源和导弹跟踪任务角度对低轨预警系统动态任务规划问题进行了形式化描述,建立了系统动态任务规划的动态约束满足问题模型。该模型包括两级优化目标跟踪精度、资源利用率、传感器切换率、松弛度综合优化指标和方案调整幅度(调整率)指标;提出了求解动态规划问题的变邻域启发式搜索算法,设计了算法的直接插入、重新分配、替换和删除邻域结构及算子。通过仿真实验验证了基于梯度优化目标的动态规划模型的合理性,并说明启发式算法能有效求解低轨预警系统动态任务规划问题。     

A method for brain 3D surface reconstruction from MR images

Due to the encephalic tissues are highly irregular, three-dimensional （3D） modeling of brain always leads to compli- cated computing. In this paper, we explore an efficient method for brain surface reconstruction from magnetic reso- nance （MR） images of head, which is helpful to surgery planning and tumor localization. A heuristic algorithm is pro- posed foi＂ surface triangle mesh generation with preserved features, and the diagonal length is regarded as the heuristic information to optimize the shape of triangle. The experimental results show that our approach not only reduces the computational complexity, but also completes 3D visualization with good quality.     

VRP的数学模型及算法分析

随着我国物流业的飞速发展,车辆运输路线规划对于降低物流成本显得越来越重要。对车辆路线问题（VRP）进行了数学建模,总结了国内外的研究状况,并指出了今后的研究方向。     

基于启发式算法和Bender′s分解的无功优化规划

针对城市高中压配电网的长期无功优化规划问题，提出了基于启发式算法和Bender′s分解技术的两段式求解方 法。该方法将启发式算法、Bender′s分解和线性规划等技术相结合，充分保证了系统的可求解性和解的合理 性，将其应用于实际电力系统规划中取得了良好的效果。     

一种基于粗糙集的纳税人属性约简方法．

基于粗糙集理论,对基于属性重要度的启发式属性约简算法进行了改进,并将改进后算法运用于纳税人属性约简的实际工作中.该算法解决了原有基于属性重要度的启发式属性约简算法结果中存在冗余属性问题,实现了属性选择较小化,并保持原有数据分类能力不发生大的变化.通过属性约简实验结果和实际工作情况对比,证明该算法具有很好的性能.     

基于计时器的最小连通支配集生成算法

在分簇的MANET中,基于计时器思想提出最小连通支配集生成算法,实现动态拓扑下骨干网构建与重构,证明了算法正确性。仿真结果表明,该算法能以少量消息开销,生成较小连通支配集,快速调整骨干网适应拓扑变化。     

基于极大权的最小连通支配集启发式算法

Ad hoc无线网络中基于最小连通支配集(MCDS)的路由是一个引人瞩目的方法,文中提出了一种基于极大权的MCDS的启发式算法,确保了性能强的主机担任网关节点的角色,能更好的协调管理网络中其他的节点,从而保持MCDS的相对稳固性并为全网中的广播和路由操作提供一个高效的通信基础.仿真结果表明,该算法能在保证生成权和极大的连通支配集的同时也确保它的极小性,因此能有效地用于基于MCDS的路由设计中.     

改进多元宇宙算法求解大规模实值优化问题

针对多元宇宙优化(MVO)算法中虫洞存在机制、白洞选择机制等不足,该文提出一种改进多元宇宙优化算法(IMVO)。设计固定概率的虫洞存在机制和前期快速收敛后期平缓收敛的虫洞旅行距离率,加快算法全局探索能力和快速迭代能力;提出黑洞的随机白洞选择机制,设计黑洞围绕白洞恒星进行公转并模型化,解决代间宇宙信息沟通的问题,中低维度数值比较实验验证了改进算法的优良性能。选取大规模实值问题较难优化的3个基准测试函数进行对比实验,改进算法在大规模优化问题上的求解精度和成功率方面具有较好的适用性和鲁棒性。     

WDM网状网中鲁棒选路算法研究

研究了WDM网状网在hose业务模型下基于Valiant负载平衡的鲁棒选路问题。借助业务量疏导的方法,以hose模型吞吐量最大化为优化目标,采用整数线性规划（ILP）加以解决,进而提出了2种快速的启发式算法——最短路径选路的最小跳数优先（SPR＆MHF）算法和平衡选路的最小跳数优先（BR＆MHF）算法。计算机仿真表明,SPR＆MHF算法适用于链路数较少的小规模WPM网状网,而RR＆MHF适用于链路数较多的大规模WDM网状网。     

一个基于启发式经验的立体布局进化策略

目前求解布局问题只能求得近似解,三维布局则更加复杂。本文提出一种基于启发式经验、采用遗传算法求解布局问题的新方法,此方法对任意维布局问题在求解策略上是一致的。实验表明,结合领域知识和遗传算法对解决布局问题具有广泛的前景。