基于广义Beta函数的图像自适应增强方法*

针对传统Beta函数的图像增强方法应用于较暗区域、较亮区域,以及两端区域拉伸与中间压缩图像增强中的不足,引入增强算子和新的形状控制参数,提出了新的直方图变换函数,即广义Beta函数.在此基础上,给出了广义Beta函数增强算子选择机制,并建立了新形状控制参数的自适应选取模型.实验结果表明,提出的基于广义Beta函数的图像增强方法不仅增强了图像的对比度,而且保留了较多的图像细节信息,增强结果明显优于传统Beta函数.     

PSO-CMAC网络在温室数据融合中的应用

温室易受各种环境因素影响,从而可能导致在室内不同点的温度、湿度、光照度值不均匀,为了获得温度的准确值,将PSO算法的全局优化能力和CMAC网络局部逼近、学习速度快的能力相结合,优化CMAC网络的权值,提出了一种基于PSO的CMAC网络数据融合算法,使得最终得到的数据更加准确、有效,为温室管理提供了精确的信息。仿真结果表明,采用该方法提高了温室各监测量采集的准确性、有效地避免了由于传感器失效引起的误差,能够获得温室准确有效的信息,提高温室控制的有效性与准确性。     

一种基于Voronoi图求解车辆路径问题的混合启发式算法

针对由多个配送中心和多个客户点组成的物流网络中的车辆路径问题,提出了一种基于“集群第一,路线第二”的路径优化策略,即首先使用Voronoi分割对配送区域进行划分,然后引入综合插入算法和变邻域搜索算法的混合启发式算法求解配送区域内车辆路径问题。通过算例和应用系统的分析与验证表明,该混合算法既能获取质量较优解,同时也具有较好的实时性,能较好地满足实际应用需求。     

模糊控制在光电稳定平台跟踪控制中的应用

对光电稳定平台中的跟踪环控制系统提出了一种基于遗传算法的模糊控制策略,简要介绍了模糊变量的选择、模糊机的建立以及最优比例调节因子的获取方法,最后通过仿真验证了该方法的有效性。     

中间表组卷算法

试题库系统在教学中应用日渐广泛,组卷算法是试题库系统的核心问题。本文主要对现有的常用的组卷算法进行分析,总结其优缺点,提出了一种中间表组卷算法,这种算法适用于小型的试题库系统。     

基于改进蜂群算法无线传感器感知节点部署优化*

提出了一种基于改进蜂群算法的无线传感器感知节点部署优化方法,以网络覆盖率为目标函数,将传感器感知节点部署问题形式化为组合优化问题,并采用分层机制对基本蜂群算法进行改进。仿真实验结果表明,本方法能够以相对较小的代价完成传感器感知节点部署,并能降低网络能耗,提高网络的整体覆盖率。     

自适应的三维分形地形重建算法研究*

针对常规三维分形地形重建算法具有的速度慢、插值点分布不均匀、参数设置复杂等缺点,提出自适应的三维分形地形重建算法。该算法根据地形的起伏特征自动确定垂直压缩因子,根据子域面积进行均匀插值。实验结果表明,该方法插值效率更高,所获得的插值曲面更加真实,与常规分形插值相比具有一定的优越性。     

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在u型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.     

基于蚁群算法的遥感图像聚类方法

聚类分析是遥感图像非监督分类的有效方法,蚁群算法具有离散性和并行性的特点,蚂蚁觅食行为、蚂蚁堆积尸体行为和基于蚂蚁自我聚集行为的聚类算法是目前研究较为广泛的3种基于蚂蚁的仿生聚类算法.为验证上述3种算法的有效性,在对这3种聚类算法进行研究的基础上,针对遥感图像进行了聚类实验.实验结果表明,基于蚂蚁的聚类方法对图像的聚类分析是有效的,较传统的k均值和模糊C均值算法有一定优越性.     

改进粒子群算法的动态空间调度方法

针对船体分段生产调度的多目标性和动态性,提出了一种改进粒子群算法的动态空间调度方法,确定船体分段在工作平台上的加工顺序和空间布局位置.算法以加工完成时间最短和空间利用率最高为目标,采用自适应惯性权重策略保证算法的收敛性,并引入遗传算法中的选择算子和变异算子增强算法的收敛速度和多样性,利用启发式定位策略确定分段的位置.最后,以船厂实际生产数据进行仿真验证.仿真结果表明,所提方法可以大大降低以手工方式制定调度计划的复杂度,并能有效地提高空间利用率达到70%,说明该方法是解决动态空间调度问题的一种有效方案.