基于单天线的MEMS-INS/GPS组合定姿方法

为了将MEMS-INS/GPS组合导航系统的定姿误差控制在一定范围内并保持较高精度,同时实现低成本测姿要求。文章提出一种新方法,即采用组合速度信息估计加速度,再利用二者实现单天线GPS姿态解算,最后将姿态信息一定间隔内反馈给惯导进行四元数更新实现捷联惯导姿态更新,进一步完成组合姿态预测滤波。通过分析仿真数据,表明单天线测姿误差不随时间累加,且俯仰角、横滚角、航向角误差分别在0.2度、0.5度、0.2度范围内。最后在动态跑车试验中,将MEMS惯导组合测姿和单天线GPS辅助组合测姿结果进行了比较。     

基于范畴论的构件行为组合研究

针对基于构件开发过程中单个构件功能难于满足用户需求的问题,提出一种利用范畴论对构件行为进行组合的方法,用以实现复杂的业务功能。采用范畴论给出构件的形式语义描述,构件与构件之间的行为交互关系采用图表进行建模。给出一种基于图表推出的构件行为组合方法与推出运算的算法实现。实际应用结果表明,该方法对构件的形式化描述更加精确,构件组合也更加有效快捷。     

基于多神经网络的母线负荷混沌优化组合预测

单一算法在母线负荷预测中存在稳定性弱、波动性大的问题。为此,提出基于多神经网络的母线负荷混沌优化组合预测模型。采用改进的混沌学习算法对模糊网络、小波网络和灰色网络的预测值进行混沌优化组合,确定最优的权重系数,得到最终的预测结果。算例分析表明,该组合模型性能优于单个网络模型和传统组合模型,能较大提高负荷预测的精度和收敛速度。     

基于组合拆分策略求解TSP的动态规划算法

针对传统动态规划算法只能解决小规模旅行商问题(TSP)的不足,提出一种基于组合拆分策略的动态规划算法,通过5种不同的拆分策略将TSP序列拆分成若干段子序列,利用动态规划方法将子序列优化组合成新的TSP序列,重复该过程直到获得最优解散解。仿真结果表明,该算法能有效减小误差率,求解精确度较高,具有较低的计算复杂度和较好的稳健性。     

基于遗传算法的DM-GA组合测试数据生成方法

测试数据生成是组合软件测试的重要部分,生成高质量的测试数据对于软件测试具有重要意义.针对两两组合测试数据生成问题,结合传统遗传算法,加入了精英策略和自适应变异概率,提出了DM-GA( dynamic mutation rates-genetic algorithm)算法,改善了传统遗传算法容易陷入局部最优以及收敛速度慢等不足,并取得了良好的效果.实验结果表明DM-GA算法可以作为一种较理想的两两组合测试数据生成方法.     

网络流量预测模型研究进展

网络流量预测的关键是建立相应的数学模型.介绍了网络流量预测模型的基本概念和分类,指出了单一预测模型存在的问题.从模型构建原理出发,重点对组合预测模型进行了系统的分类,将其分为线性组合模型、优化组合模型、分解重构组合模型,介绍了各组合模型的相关研究进展,并分析了它们的特点和适用范围,指出组合预测模型能更精确、全面地预测流量.针对流量预测目前存在的问题,对未来研究趋势提出了几点思考.     

惯性/天文深组合非线性定位算法

针对传统惯性/天文定位算法进行天文导航定位时需要通过迭代计算获得载体的经纬度信息,会不可避免地引入定位计算误差问题,推导了天文高度角与平台误差角和水平位置误差的数学模型,进而提出了以天文高度角为量测信息的基于无迹卡尔曼滤波的惯性/天文深组合导航算法.仿真结果表明,所提出的算法利用单颗星即可进行定位,3颗星时组合导航定位精度达到100 m,有效提高了惯性/天文组合定位精度.     

适应度平均选择的离散差分演化算法

如何将差分演化算法用于离散领域是该领域的一个重要问题.提出一种适应度平均选择的离散差分演化算法,提出的算法中每个个体有均等的机会被选择用于引导算法的进化,这种选择方式有助于克服贪婪选择操作导致的种群多样性下降过快而使算法易陷入局部最优的问题.最后在多维背包问题上的实验结果表明提出的算法具有良好性能.     

一种基于自适应框架的Web服务选择算法

在服务组合中,动态环境的变化可能导致参与组合的Web服务行为发生变化。为此,提出基于自适应框架的Web服务选择算法,用于获取公共服务注册处的信息,并将其记录在本地绑定库中,利用链接分析算法获得绑定库某一时刻高链接度的Web服务,实现服务选择。实验结果证明,该算法可在服务组合中动态选择高质量的Web服务,降低由服务质量变化造成的服务组合失败率。     

GPS/DR组合导航系统数据融合优化设计

为降低GPS/DR组合导航系统在复杂导航环境下的定位精度及DR误差累积,提出一种性能较优的数据融合算法。在传统粒子滤波(PF)的基础上,考虑最新观测值的影响,使用基于平方根二阶差分的高斯混合(GM)模型给出粒子滤波的建议分布,采用基于蒙特卡罗的重要性采样和进化再采样方法减轻PF样本退化问题,增强样本多样性。实验结果表明,与PF算法、GMPF算法相比,该设计能提高组合导航系统的综合导航定位性能。