基于最近插入法的X公司物流配送路线优化方案研究

高效合理的配送作业是物流系统顺利运行的保证,配送线路的合理安排对配送速度、配送成本以及配送效益影响很大。本文首先对物流配送的相关理论进行概述,然后以X公司的配送现状为例,运用改进后的最近插入法对配送线路进行优化,提出优化的配送方案。     

油田测井工程中数据采集系统的设计

本文是利用X射线对物质的分辨能力为起点,以测井领域里三相流辨别为功能需求,开发基于DSP的数据采集系统,通过探测器接收穿透过套管的X射线,并对其进行调理和放大,把采集到的信号上传到上位机软件进行频谱分析,从而得到各相的组成。本文重点讲解系统的流程与搭建,该系统对于油田测井开发有重要意义。     

对按键记录程序说不

按键记录程序是不法分子(例如黑客)开发的可以记录用户键盘操作的间谍软件。黑客可利用此软件记录用户输入的信息,从而盗取用户的MSN、QQ、电子邮件、网络游戏、网上银行等的账号和密码以及其他的隐私信息,给用户带来损失。对付按键记录程序除养成良好的安全习惯,不打开可疑邮件和可疑网站;及时给系统打上补丁;安装专业的防病毒软件进行实时监控外,还可以在输入账号和密码时,不使用物理键盘而是使用按键记录程序无法记录用户按键操作的"虚拟键盘"进行输入,大大     

海杂波复合K分布模型的参数估计

海杂波幅度分布特性对雷达海面目标检测与识别、信号处理以及性能评估均有重要意义。在高分辨率雷达中,复合K分布模型对海杂波的实测数据具有很好的拟合效果。采用粒子群优化算法进行海杂波模型的参数估计,重点研究粒子群算法中的惯性权重和学习因子的选择以及边界问题的处理,并利用CSIR组织公布的雷达实测数据进行仿真,估计结果通过均方差检验评估参数估计效果,结果表明:粒子群优化算法具有良好的适应性和估计精度,验证了改进算法的有效性。     

基于动态负载均衡的层次性移动IPv6路由优化方案

针对层次性移动IPv6网络负载过重时存在的MAP负载分配失衡的问题,提出一种动态的MAP负载调度方案。方案中,MAP通过提出的计算模型,以带宽使用情况作为参数计算当前的负载。当检测到网络负载分配失衡时,根据MN的移动趋向调度MAP之间的负载,使网络中的计算资源合理分配,优化网络性能。仿真结果表明,该方案能有效地改善网络的整体服务质量,降低通信时延和减少通信过程中的丢包率。     

弱稀疏性下的无线传感器网络事件检测算法

为提高弱稀疏性条件下基于压缩感知的无线传感器网络事件检测的可靠性和有效性,提出一种迭代凸优化网络事件检测算法。该方法利用多次凸优化算法共同对弱稀疏性网络事件进行检测,在每次运行凸优化算法后,对已检测出的网络事件进行加权以降低权值,从而有利于其他网络事件在下次凸优化中得到检测。与以往的无线传感器网络事件检测算法相比,迭代凸优化检测算法可在网络事件稀疏性较弱的情况下保证成功检测概率。仿真实验验证了所提算法的正确性。     

一种融合多帧ICP和图优化的算法研究

当前基于迭代最近点拼接的同时定位与建图算法,存在误差积累、无法满足大范围定位精度的缺陷。为此,提出一种融合多帧迭代最近点和图优化的算法。在时域上处理点云拼接问题,将单帧迭代最近点算法推广到多帧进行最近点迭代,提取同一地点在不同时刻的数据特征,形成多个封闭循环,再运用基于最小二乘的图优化方法对点云拼接后的全网数据进行全局优化,消除累计误差,提升整体的定位精度。采用鲁巷和密歇根的数据进行测试,结果表明,该方法在一定程度上减少了匹配误差,平均误差为1.0m,最小误差为0.2m,可以满足大范围同步定位与建图的精度需求。     

基于QPSO 算法移动机器人轨迹规划与实验

针对移动机器人路径规划问题,提出一种基于QPSO算法的路径规划方法,并用概率论的方法分析了移动机器人路径规划的收敛性,阐明了该方法随均匀分布和正态分布的参数关系和收敛区间;然后根据移动机器人的运动特征提出一种改进的轨迹规划方法。移动机器人平台的实验结果表明了该方法在移动机器人路径规划中的有效性和可行性。     

基于梯度投影法与随机优化算法的约束优化方法

针对带有线性等式和不等式约束的无确定函数形式的约束优化问题,提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法。该方法利用遗传算法进行全局搜索,利用同时扰动随机逼近算法进行局部搜索,算法在每次进化时根据线性约束计算父个体处的梯度投影方向,以产生新个体,从而能够严格保证新个体满足全部约束条件。将上述约束优化算法应用于典型约束优化问题,其仿真结果表明了所提出算法的可行性和收敛性。     

基于A-VFSA粒子发生器的PSO算法的研究

对超快速模拟退火算法进行改进(A-VFSA),并以此为粒子发生器,提出了PSO-PG算法.该算法通过粒子发生器对搜索域内粒子进行改进,从而生成一个精英粒子池;并根据随机策略从粒子池中选择粒子,作为初始种群,采用PSO算法进行优化,得到全局最优解.相比于标准PSO算法和LDW算法,PSO-PG算法拥有更好的稳定性和优化精度,能够更加快速地收敛到全局最优解,在一定范围内几乎不依赖于初始参数的选择.