水下机器人最优逃生线路规划研究与仿真

在水下机器人的逃生路线规划设计中,由于深海条件十分复杂,水下机器人在遇到各种险情逃生路线规划存在避障难题。传统的水下机器人逃生路线规划算法因受到海水连续波动问题,导致水下机器人速度和位置出现较大的扰动,摆脱路径规划结果存在较大偏差。为保障水下机器人作业安全,提出一种基于神经优化网络及遗传算法的水下机器人视觉最优逃生的线路规划,把机器人视觉仪器采集复杂障碍特征,归一化到视觉信息,融入规划模型中进行最佳路径的选择,将机器人摆脱复杂障碍以及最短路径的要求融合成一个适应度函数,通过遗传算法搜索获取最佳机器人逃生线路。仿真结果说明,神经网络优化遗传算法对于危险复杂海下情况,水下机器人最优逃生线路规划长度以及效率都优于传统模型。     

面向图像角点特征取证的人工智能检测仿真

角点是展现局部图像特征的关键要素,但传统图像角点特征取证检测方法精度低,无法有效的解决角点特征图像中模糊、缺失等问题.为此,对面向图像角点特征取证的人工智能检测进行研究.通过在不同干扰情况下对图像做简化处理,完成特征取证.采用掩模平滑方法将提取出图像角点做增强处理,最后利用人工智能中链码和与差算法对图像做检测.结果表明...     

自适应缓冲控制的移动机器人分布式多跳路由算法

针对移动机器人平台下60GHz无线信号太弱而无法存在于高衰减的长距离或非直线环境的问题,提出了一种基于自适应缓冲控制的分布式鲁棒多跳路由算法。该算法的核心思想是通过求解单位时间平均预期功耗总和最小化和每单位时隙缓冲稳定性的联合随机优化来确定功率分配量,使每个机器人平台能够计算从它自己的缓冲区传输数据包的功率分配量,从而优化整个系统。拥有二十个移动监控机器人平台的仿真实验验证了提出的算法的有效性。实验结果表明,相比分布式多跳路由协议中较为著名的自组织网络按需距离向量(AODV)算法,提出的算法在平均功耗和缓冲占有率方面均有优势,在权重因子为0.5和2时,缓冲占有率分别为AODV的0.14和0.34倍,平均功耗也有所降低。     

基于改进交叉熵算法的随机需求车辆路径设计方法

传统的车辆路径规划方法无法有效地应对实时在线客户需求量随机变化的情形且收敛速度过慢,为了克服其缺点,设计了一种基于蒙特卡罗和重要性采样的交叉熵车辆路径规划方法;首先对随机动态车辆路径规划问题进行了数学建模,然后,描述了蒙特卡罗和交叉熵算法实现稀有事件概率估计的原理,并引入Tsallis熵实现对传统交叉熵的改进,采用蒙特卡罗多次采样获得的费用期望作为路径真实费用的估计值,通过交叉熵算法对重要性概率密度函数和分位数进行不断更新,以增加重要样本获取的概率,从而实现最优路径的获取;最后定义了具体的基于Tsallis熵的随机动态车辆路径规划方法;在MATLAB仿真工具下进行试验,结果表明文中方法能有效地解决随机动态车辆路径问题,与其它方法相比,具有收敛速度快和收敛精度高的优点,是一种有效的随机动态车辆路径规划方法。     

多Agent系统通信机制的研究与应用

Agent通信机制问题是研究多Agent系统通信机制所需解决的关键性问题之一。本文首先介绍了多Agent系统的几种常见通信机制,分析了它们的优缺点;然后以Agent获取信息的途径为主线,采用中心转发通信方式与点对点通信方式相结合的机制,提出了一种简单而有效的Agent通信机制,并给出了一个应用该通信机制的多Agent系统的实现方案。     

基于Bayes的邮件过滤系统的研究与设计

邮件过滤技术是反垃圾邮件的重要手段,本文提出了一种基于服务器端的垃圾邮件过滤系统,它采用改进的Bayes算法,将反映垃圾邮件的特征综合在一起统称为"属性",用这些"属性"构成表示邮件特征的向量空间模型重点特征向量,避免了单纯基于IP、信头、信封过滤的规则性太强的缺点,降低将正常邮件判断为垃圾邮件的风险。     

群智感知环境下基于节点分类的数据隐私保护增强机制研究

物联网技术的发展使得各种各样的智能感知设备应运而生,这些智能感知设备需要不断收集各项数据来完成感知任务,随着参与感知任务的设备增加,出现了大量数据隐私泄露问题,数据隐私保护机制已经无法满足复杂的感知数据保护要求。因此在群智感知环境下,基于节点分类设计新的数据隐私保护增强机制,首先在群智感知环境下设计感知任务模型,其次基于节点分类分析数据隐私保护增强学习冲突,最后在群智感知环境下进行性能评估,从而构建综合数据隐私保护增强机制。实验结果表明,使用该数据隐私保护增强机制后,泄露的隐私信息条数较少,证明其具有有效性,有一定的应用价值,可以作为后续数据隐私保护的参考。