基于演化计算的最短避障路径算法设计

在工程应用、自动化、人工智能等诸多领域中有很多数学模型可以归结为寻求最短避障路径的问题。在环境模型的表达上,该文利用最小多边形包络法处理过的障碍物,即把障碍物描述成为多边形。在搜索策略上,利用演化算法求解TSP的算法——改进的郭涛算法的思想。针对TSP问题和最短避障路径问题的不同,在染色体的有效范围和基因的选取范围等处对算法进行修改,并且引入了基因库,成功地用演化算法解决了最短避障路径问题。     

C919机载数据实时处理系统设计

对于无人机在输电线路杆塔精细化巡视的路径规划问题,提出了对杆塔巡视路径和杆塔间避障路径的两阶段优化策略。针对利用传统旅行商问题(TSP)求解杆塔巡视路径,在多项式时间无法求得全局最优解问题,研究了基于双调欧几里得TSP求解杆塔最优巡视路径的优化数学模型,以及基于动态规划算法的求解方法。在此基础上,进一步基于人工势场法建立了避开巡视路径障碍最优路径的优化模型及其求解方法。仿真结果表明,利用双调欧几里得TSP确定的巡视路径具有偏转角小、最优路径求解时间短的特点,利用所提两阶段优化策略确定的巡视路径长度较短且能有效避开障碍,有利于实现无人机安全高效巡视杆塔的目标。     

用数据搅动算法求解TSP问题

TSP(旅行商问题)是一个典型的、易于描述的却难于处理的NP问题.本文采用数据搅动方法,给出了一个求解TSP问题算法.算法将距离矩阵的数据不断交换到路径特征点位置,路径长度会越来越短,渐渐靠近TSP的最优解.算法实现容易、运行速度较快.用该算法,找到了新的C-TSP路径,该路径比目前已得到的C-TSP最短路径缩短25公里.     

基于GEP的最短避障路径问题的设计

提出一种基于GEP的最短避障路径问题的方法,着重从应用的角度讨论用GEP求解最短避障路径问题。该方法采用实数直接编码的方法,有明确的适应度函数,首先产生合法的初始路径种群,然后针对环境模型的特点设计了有效的路径遗传算子,达到路径规划中避障的要求,实际应用表明了该算法的有效性和可行性。     

基于类TSP问题模型的操作系统磁盘移动臂驱动调度算法

将操作系统磁盘移动臂驱动调度问题抽象为类TSP问题,使用动态规划的方法对类TSP问题模型进行求解,得到某一时刻操作系统响应多个I／O请求最优序列的方法。由此提出基于贪心法的操作系统磁盘移动臂驱动调度的全局调度策略,即最短路径优先调度算法,并将最短路径优先调度算法与现有经典算法进行比较。     

改进遗传算法的路径规划研究

本文在遗传算法的基础上,对TSP问题进行了讨论,并对传统求解方法进行了改进,加入了贪婪算法,仿真结果说明了算法的有效性。并就同样是基于遗传算法的避障路径问题进行了探索。TSP系统广泛用于公交车交通线路安排、旅游景点行程安排等,具有较高的实用价值。     

基于蚁群优化算法的TSP问题研究

通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出蚁群算法在TSP问题中的应用.针对基本蚁群算法求解速度缓慢、容易陷入局部最优等特点,提出了一种改进的蚁群算法,同时保持蚁群算法自己的收敛速度和路径的多样性.在TSP旅行商问题上的仿真验证表明它是可行性和有效性的.     

基于遗传算法的TSP问题优化求解

旅行商问题（TSP）是典型的NP完全问题,本文运用遗传算法求解TSP问题,提出了该算法在解决这一问题中的一些处理方法,使用该算法能够较快地求出一批最短路径,可根据需要设置叠代代数,求得理想最优解。     

基于遗传算法的避障TSP问题算法设计

主要探讨复杂环境下避障TSP问题的遗传算法的求解方法.针对TSP问题和避障TSP问题的不同,在染色体的编码方式、有效范围、基因选取、遗传算子等方面对传统遗传算法进行改进,同时引入了代价矩阵和基因库以提高算法的收敛速度.     

基于改进演化算法的最短路径问题研究

针对最短路径问题TSP(Traveling Salesman Problem)的求解时,传统算法收敛慢,且求得的路径并不是所有行程的最短路径。提出用智能演化算法来求解,并对算法的演化算子进行改进和对各参数进行优化设置。结合10个城市和30个城市的仿真实例,分别进行传统算法、演化算法以及改进的演化算法进行对比。计算机仿真结果表明:改进后的演化算法收敛速度快,收敛精度高,鲁棒性好,寻求的最短路径明显优于传统算法。     

图规划框架下的规划合成与分解

提出了原子规划、独立规划、子规划以及父规划等概念，给出了图规划框架下的规划分解算法，有效地解决了在现实世界中求出有效规划后，初始条件发生改变的情况。定义了相关动作、相关规划以及相关规划的判定方法，提出了规划合成算法。几个有效规划的单独执行会浪费资源，针对这种情况该文提出了解决方案。     

Adaptive Join Algorithms in Dynamic Distributed Databases

This paper addresses the problem of query optimization fordynamic databases in distributed environments where data frequently changetheir values. An adaptive query optimization algorithm is proposed toevaluate queries. Rather than constructing a full plan for an access path andexecuting it, the algorithm constructs a partial plan, executes it, updatesthe statistics, and constructs a new partial plan. Since a partial plan isconstructed based on the latest statistics, the algorithm is adaptive to data modifications and errors from the statistics. The algorithm extends the SDD-1algorithm by considering local processing cost as well as communication cost.Whereas the SDD-1 algorithm only uses semi-joins to reduce communication cost,the algorithm reduces it with joins as well. It is proved that the adaptivealgorithm is more efficient than the SDD-1 algorithm.     

基于价值修正的圆片下料顺序启发式算法

讨论圆片剪冲下料方案的设计问题。下料方案由一组排样方式组成。首先构造一种生成圆片条带最优四块排样方式的背包算法,然后采用基于价值修正的顺序启发式算法迭代调用上述背包算法,每次都根据生产成本最小的原则改善目标函数并修正各种圆片的当前价值,按照当前价值生成一个新的排样方式,最后选择最优的一组排样方式组成下料方案。采用文献中的基准测题将文中下料算法与文献中T 型下料算法和启发式下料算法分别进行比较。实验计算结果表明,该算法的材料利用率比T 型下料算法和启发式下料算法分别高0.83%和3.63%,且计算时间在实际应用中合理。     

基于规划识别的多智能体协作研究及应用

多智能体系统是规划识别的一个有效应用平台，提出一种基于规划识别多智能体协作算法，对对抗环境和非对抗环境中的基于规划识别的多智能体协作算法进行了分析，实现了对队友和对手行为目的的认识和建模，减少了协作主体间需要通信的时间厦难度。该协作算法应用到多智能体的有效测试平台机器人足球赛中，试验结果证明，该算法在通信受限、信息受限或信息延时的系统中可有效预测队友和对手的行为，从而实现智能体间的协作。     

供应链环境下需求不确定的批量生产计划

针对由单个制造商、单一产品和多个客户构成的供应链系统,建立了分散控制下系统利润最大化模型,提出了新的客户选择可变方案,分别设计了遗传算法和分枝定界法对问题进行了求解。通过实例仿真与前人提出的客户选择不可变方案进行了比较分析,结果证明,分枝定界法更适合求解规模较小的问题,而遗传算法可以通过调整种群规模和遗传算子来解决规模较大的问题;与客户选择不可变相比,当客户选择可变时,系统能获取较大的期望利润。     

机器人路径规划中的双向Dijkstra二叉树算法

在分析现有路径规划和碰撞检测方法的基础上，提出了一种新的机器人路径规划方法：双向Dijkstra二叉树算法。在机器人路径规划中应用传统的Dijkstra算法时间复杂度是O(n¬¬¬¬2)，应用该文提出的算法进行路径规划的时间复杂度为O(nlog2n)。通过一些数据的检测，验证了在机器人路径规划中，尤其是在测试数据较多的情况下，该算法可以有效提高效率。     

A multi-colony ant algorithm for optimizing join queries in distributed database systems

Distributed database systems provide a new data processing and storage technology for decentralized organizations of today. Query optimization, the process to generate an optimal execution plan for the posed query, is more challenging in such systems due to the huge search space of alternative plans incurred by distribution. As finding an optimal execution plan is computationally intractable, using stochastic-based algorithms has drawn the attention of most researchers. In this paper, for the first time, a multi-colony ant algorithm is proposed for optimizing join queries in a distributed environment where relations can be replicated but not fragmented. In the proposed algorithm, four types of ants collaborate to create an execution plan. Hence, there are four ant colonies in each iteration. Each type of ant makes an important decision to find the optimal plan. In order to evaluate the quality of the generated plan, two cost models are used—one based on the total time and the other on the response time. The proposed algorithm is compared with two previous genetic-based algorithms on chain, tree and cyclic queries. The experimental results show that the proposed algorithm saves up to about 80 % of optimization time with no significant difference in the quality of generated plans compared with the best existing genetic-based algorithm.     

一种综合高效的实时道路导航方案

根据目前道路导航方案以自主车辆型和局部最短路径选择为主的现实,利用GPS技术、分级路由选择算法、移动主机路由选择算法、动态权值修正算法和Dijkstra算法设计了一个综合的道路导航方案.GPS技术实现车辆定位,分级路由选择算法可降低道路的数据复杂性,提高计算机的检索速度,动态权值修正算法可实时修改道路的权值,Dijkstra算法可实现最短路径查找.该方案可实现全国范围内任意两个地点的实时最短路径选择,并能进行实时道路导航.     

异类种群蚂蚁机器人滚动规划算法

依据真实蚂蚁具有自动分流功能这一研究成果,提出了一种全新的基于异类蚂蚁算法的机器人路径滚动规划算法。算法引入分流蚁,以选择信息素较少的路径行走,从而增强了搜索多样性。为加快收敛,结合模拟退火思想动态调节分流蚁的个数。仿真实验表明,即使在复杂的未知环境下,利用该算法也可以规划出一条全局优化路径。     

基于多子群萤火虫算法的数据库查询优化

查询优化是提高数据库性能的关键技术,针对数据库查询优化效率低的难题,提出一种多子群萤火虫算法的数据库查询优化方法（MG-FA）。首先将数据库查询计划左深树看作一个萤火虫,然后将萤火虫群分为多个子群,各子群最优萤火虫通过信息交流找到数据库查询最优计划,最后进行数据库查询优化实例分析。结果表明,MG-FA是解决数据库查询优化的有效途径,能够获得理想的数据库查询计划,具有实际意义。