G．729A闭环基音搜索算法的优化与实现

在G．729A运算模块中,闭环基音搜索占据了较大的运算量,该文在分析了算法结构后,改进了自适应码本搜索模型。最后,将优化后的G．729A封装成静态库,加载到iPhone语音通话软件中进行测试。结果显示,该文采用的方法降低了闭环基音搜索的复杂度,改善了编码处理时间。     

基于均衡策略的无线传感器网络协作模型

基于离散空间最优搜索理论中的基于博弈理论的协作策略模型,通过综合考虑无线传感器网络中节点转发数据所付出的代价和利益、节点能耗及相邻节点过去的行为,提出了一种自适应能耗均衡网络协作模型,并给出了相应的数学最优化模型及求解算法。优化的目标是均衡网络能耗和吞吐量,进而最大化网络寿命。模型通过能量因子和转发数据包数量来调节节点行为,使传感器网络的整体能耗趋向均衡。一个数值例子说明,该路由选择策略及求解算法是可行且有效的。     

含分布式电源的配电网络重构

随着分布式电源在电力系统的逐步推广,考虑分布式电源的配电网重构具有广阔的发展前景。提出基于Metropolis准则的群搜索优化算法,并对含分布式电源的配电网进行重构。Metropolis准则能够有效解决发现者局部寻优时产生错误的搜索方向,从而跳出局部极值点,提高了优化的效果。算例结果表明分布式电源的引入提高了节点电压,降低了有功网损,并验证了算法的可行性。     

Using VC＋＋ to Realize Development of Video Player Based on DirectShow

设计并实现了一款基于DirectShow的实用视频播放器.首先介绍DirectShow的主要组成部分,然后给出利用DirectShow构建的播放链路（Filter Graph）,最后给出视频播放器几个具体功能的实现,以及整个播放器的界面图.     

改进主动形状模型算法在运动物体定位中的研究与应用

为提高彩色图像中目标物体的定位精准度和鲁棒性,改善传统主动形状模型采用的灰度模型单一搜索,提出了一种新的基于RGB色彩空间三通道的局部搜索策略.根据彩色图像的特点,充分利用目标的颜色信息,把一维灰度模型扩展成RGB空间彩色模型.结合该模型,提出一种基于各颜色分量所占比重权值的自适应综合匹配函数,并通过由粗到精的多级搜索,实现了彩色图像中运动物体的定位.实验结果表明,该方法降低了模型陷入局部最优的概率,并且提高了目标物体定位的精度和收敛速度.     

Presentation数学公式到Content转换关键问题研究

数学公式在计算机中的存储和表示格式多种多样,数学公式搜索中需要将各种格式的数学公式相互转换,从而为用户提供更为丰富搜索结果。从数学公式的用途和目的来看,计算机中的数学公式格式可分为Presentation型和Content型。主要研究和总结Presentation型数学公式到Content型数学公式的关键问题,提出基于类型系统的数学公式歧义推测方法,能够有效解决转换中的公式歧义问题。     

基于主备链路稳定性的节能多径AOMDV-ES路由协议

移动Ad hoc网络中的AOMDV协议是典型的多径按需距离矢量路由协议。由于移动Ad hoc网络资源有限,AOMDV协议洪泛路由发现方式会导致控制开销过大,选择的最短时延路径不够稳定,如果动态维护多条路径则开销更大,会抵消多径路由协议的优势。针对以上问题,结合多径路由和扩展环搜索的思想提出一种基于主备链路稳定性的节能多径路由协议(AOMDV-ES)。通过对AOMDV-ES协议和AOMDV协议在不同场景下进行仿真分析比较,结果显示AOMDV-ES协议的整体性能在路由开销、分组递交率和平均端到端延时方面较AOMDV协议有所改进。     

和声搜索的半监督聚类研究与应用

由于现有的聚类算法还存在一些问题,研究了如何用和声搜索算法快速寻找最优的聚类中心,对于和声搜索算法也进行了一些改进.为了获得最佳的类中心数,采用了半监督方式循环测试各种中心数情况下的聚类质量.考虑到各维特征属性对聚类效果影响不同,采用了维度加权的方法进行特征选择.所有这些措施都是为了达到一个更好的聚类效果.实验结果表明,该聚类算法性能优于其它同类算法.算法被应用于并行计算性能分析中,用于区分和识别并行机的各个处理器运行性能类别.     

一种改进的群搜索优化方法

标准的群搜索优化(GSO)方法是一种适用于解决高维函数优化问题的群智能算法,且简单、高效,易于实现.为了进一步提高其收敛速度和精度,对该方法进行了改进.在保留其“发现者-追随者-游荡者”框架的同时,改进的GSO方法将最大下降方向策略引入发现者行为.在每轮迭代中,发现者不但按照自身方向进行搜索,同时也根据最大下降方向进行搜索.分别通过23个基准测试函数对2种优化方法进行测试,结果表明:改进的GSO方法优于标准群搜索方法.     

基于分段搜索策略的改进蜂群算法

针对基本人工蜂群算法在解决优化问题时收敛速度不够快、易陷入局部最优的缺陷,提出一种改进蜂群算法.该算法采用“分段搜索”方式对食物源进行贪婪更新,以提高食物源更新的成功率;同时,招募所有观察蜂选择当前最优食物源,以实现对最优食物源的充分优化.对经典测试函数反复实验的结果表明,改进算法计算结果稳定,与基本蜂群算法相比,加速收敛效果非常明显,全局搜索能力显著提高,运行时间大大缩短.