游戏场景中基于势场的交互寻路方法

在即时战略游戏中,路径规划是一种重要且常见的任务。游戏的实时性要求玩家能够快速寻找一条进攻的路径,而且游戏单元之间普遍存在的交互作用对寻路质量有着重要的影响。传统的寻路算法如Dijkstra算法虽然能够找到最优路径,但是耗时较多,而且未体现真实游戏中的交互。为此选取RTS游戏中一种典型的攻防场景,提出基于人工势场的快速高效动态寻路方法,同时为了体现RTS中游戏单元之间的交互性,将模糊测度引入到势场寻路中。实验结果表明,采用人工势场法寻路较Dijkstra算法耗时少、路径平滑;而引入模糊测度体现了真实游戏中单元之间的交互影响作用,与真实的游戏场景更为接近。     

基于混合PSO的高斯混合模型地形分类

提出了一种基于改进的混合粒子群优化(particle swarm optimization,PSO)算法的高斯混合模型地形分类方法。高斯混合模型的求解通常是使用期望最大化算法(expectation maximization,EM),然而EM算法易陷入局部最优,收敛速度不稳定且对初值敏感。因此引入混合PSO算法,并对其进行了一系列改进。实验结果表明:改进后的算法较其它优化算法提高了全局搜索能力和收敛速度,利用该算法求解高斯混合模型可以提高参数估计的精度,并且在户外场景图像的地形分类实验中所提出的地形分类方法也表现优良。     

基于AdaBoost.MH的Reyes渲染架构时间预估算法

在大规模真实感渲染系统中,需要对渲染任务进行分解和调度,将其优化后分配给不同的可用计算资源,实现快速集群渲染。为了实现渲染任务的有效分解和调度,提高并行效率,高精度的时间预估算法是不可欠缺的。通过深入研究使用RenderMan规范的渲染器常用的Reyes渲染架构中对渲染时间产生影响的各种因素,分析提取出影响渲染时间的7大要素特征,提出了基于AdaBoost.MH的渲染时间预估算法。通过在基于Reyes渲染架构的渲染引擎中的实验与测试表明,训练集和测试集的准确率分别达到79%和78%,为渲染任务的并行调度奠定了基础,同时也为渲染费用预估提供了依据。     

求解二维矩形Packing问题的完备算法

对于典型的NP难度问题——二维矩形Packing问题,经典完备算法的计算复杂度不仅与待放块的数目相关,也与矩形框的宽和高相关。通过观察二维矩形Packing问题的合法布局的特点,将其与一对有向无环图相对应,并基于Prüfer码进行编码,提出了一种计算复杂度仅与待放块数相关的复杂度较低的完备算法。     

一种基于混合量子粒子群的快速运动目标跟踪算法研究

量子粒子群算法在优化过程中需要权衡局部探索性和全局开拓性,进化后期由于全局开拓能力的丧失使得种群多样性减少,设计了一种基于欧式距离的混合量子粒子群算法,通过计算粒子的种群多样性,当种群多样性低于阈值范围时加入基于欧式距离的种群划分策略划分子种群,从而保证获得全局最优解。利用标准测试函数验证提出的混合量子群算法有效性。提出了基于混合量子粒子群的Mean Shift算法(HQPSO Mean Shift)完成目标快速跟踪,克服传统Mean Shift算法的在跟踪快速移动目标时出现"跟丢"的问题。     

船舶横向运动鲁棒PID控制及优化

针对船舶横向运动控制特点,为达到航向舵控制航向同时达到减横摇的目的,提出了一种基于闭环增益成形和模糊优化算法的鲁棒PID控制器设计方法。根据具有工程实际意义的横摇和艏摇带宽直接构造出横摇、艏摇鲁棒PID控制器,并基于横摇与艏摇频谱,组合成横向控制器。由于用舵来减摇不可避免地增加了舵机的工作负担造成较大的舵机损耗,为此提出对横摇和艏摇控制器输出加入权重分配,采用模糊算法优化横向控制器权系数的方法,达到系统性能综合最优。仿真结果表明所设计的控制器具有较强的鲁棒性,合理的权系数选择,不但可以达到降低舵机损耗的目的,而且提高了航向控制精度。该控制器设计简单,易于船舶横向运动控制的实际工程应用,具有一定的研究价值。     

一种瓦斯涌出量系统预测辨识模型的研究

针对煤与瓦斯突出灾害中瓦斯涌出量的辨识预测问题,结合采煤工作面瓦斯涌出量系统的现场实际特点,提出了混沌免疫遗传优化算法(CIGOA)与Elman神经网络相结合的耦合算法(CIGOA-ENN)。利用GIGOA的全局寻优能力替代梯度下降法,以克服Elman神经网络固有的缺陷。并根据输入的数据,构造基于CIGOA和ENN耦合算法的瓦斯涌出量系统辨识预测模型。利用矿区采集的现场监测数据进行仿真预测,实验表明该预测模型与BPNN,GA-ENN等神经网络预测模型相比,其收敛速度更快、收敛精度更高、鲁棒性更强,为解决煤矿瓦斯涌出量的预测问题提供了一个行之有效的方法。     

基于最小巡游概率的网络空洞平衡唤醒算法

在网络移动Agent(MA)模式下环形路由设计中,由于网络数据包传输冲突产生空洞,需要设计空洞平衡唤醒算法,以平衡网络能量,延长网络寿命。传统方法采用自适应学习粒子群算法,构建C/S模式下的空洞平衡唤醒算法,由于网络能耗不均衡也将容易使网络产生信息空洞的孤岛节点,性能不好。提出一种基于最小巡游概率的移动Agent的能量平衡环形路由信息空洞唤醒算法,建立最小跳数链路与梯度环,提供MA休眠和唤醒所需能量,进行MA迁移与数据回传,进行最小跳数链路路由算法设计,构建最小巡游概率判别准则与整体网络拓扑结构,实现网络信息空洞平衡唤醒算法的改进。仿真结果表明,该算法能数据包跳数构建网络拓扑,有效抑制了数据包在同一梯度内重传现象,通过最小概率巡游,有效减少因节点死亡而产生网络空洞的概率,有效克服网络能耗不均衡也产生信息空洞的孤岛节点,sink节点会相继收到由内环到外环各层MA所回传的融合数据,有效延长网络使用寿命,提高系统稳定性。     

一种克服sEMG人机交互中肌肉疲劳的SVM算法

在基于表面肌电信号的人机交互系统中,产生的肌肉疲劳降低了系统的稳定性。针对该问题,分析肌肉正常状态和疲劳状态下的肌电信号变化规律,提出一种改进的在线支持向量机增量训练算法。该算法在每次训练SVM(Support Vector Machine)模型时,计算各样本到分类超平面的距离,并以之为条件对不断更新的训练数据进行有条件的选择和遗忘,只留下最大距离1/2以内的数据。通过在线训练不断更新训练样本来获得新的SVM模型,用于适应肌肉疲劳过程中肌电信号的变化,同时防止多次在线训练过程中更新的样本改变训练集间初始边界。最后在智能轮椅上进行验证,实验结果表明:该算法有效减少了肌肉疲劳在人机交互系统中的影响,使得系统能够保持长时间稳定操作。     

高中数学中算法与信息技术的链接

本文从理解算法概念,提倡教学领悟;转变教师观念,提高教学能力;增加算法教学在计算机中的实际应用,以及鼓励学生在其他方面应用算法等方面,对促进高中数学中算法与信息技术链接的具体措施进行了讨论.