DTW语音识别算法研究与分析

研究动态时间规整(Dynamic Time Warping)语音识别算法问题,传统动态时间规整方法需要存储较大的矩阵,直接计算将会占据较大的空间,计算量也比较大,对系统硬件要求比较高。为了减小DTW算法的运算量,提高识别速度,对DTW语音识别算法进行优化改进。将局部路径约束和整体路径约束相结合,仅在一个规定的宽度内搜索动态规划路径,计算累积匹配距离。仿真实验结果表明该方法不仅可以降低运算负载,提高识别速度,而且能在一定程度上提高语音识别率。     

融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

改进蚁群和鸽群算法的机器人路径规划

针对复杂环境下移动机器人路径规划中存在的迭代速度慢和路径欠优等问题,提出将全局与局部规划算法相结合的路径规划方法。首先,利用同步双向A^*算法对蚁群算法的信息素进行优化,并对蚁群算法的转移概率和信息素更新机制进行改进,从而使算法的全局寻优速度更快,缩短移动机器人的路径长度;进一步地,将静态路径用于鸽群算法的初始化;然后,利用改进的鸽群算法对移动机器人进行了局部路径规划,通过引入模拟退火准则的方法解决局部最优问题,利用对数S型传递函数对鸽群数量的步长进行优化,从而能更好地避免与动态障碍物的碰撞。最后,利用B样条曲线对路径进行平滑化和重规划。仿真结果表明,该方法在全局静态和局部动态阶段均能生成路径长度短、评价值低的平滑路径,且收敛速度快,适合移动机器人在动态复杂环境中的穿行。     

一种改进的未知动态环境下机器人混合路径规划方法

动态未知环境下的机器人路径规划是机器人导航领域的重要课题之一,采用传统的方法求解并不理想。针对这个问题,提出一种改进的机器人混合路径规划方法。首先利用改进的文化基因算法规划出较优的全局路径,指引机器人沿着全局路径行走,然后根据传感器探测到的局部环境信息,利用Morphin算法进行局部路径实时规划,使机器人有效地躲避动态障碍物。仿真实验表明,该算法在未知动态路径规划中具有良好的效果。     

基于人工势场法与入侵杂草法路径规划研究

针对移动机器人路径规划研究中,移动机器人路径规划易陷入局部极小值,缺乏全局指导性及路径规划效率不高,甚至目的地不可达的问题,这里给出相应的研究方法。通过合理布局超声波探头位置,利用改进人工势场法进行移动机器人的路径规划;对移动机器人陷入局部极小值点的问题,采用入侵杂草算法在全局内有指导性的产生最优子目的地,并根据子目的地重新分配空间内的引力势,引导移动机器人摆脱"陷阱"。Matlab仿真实验表明,本文提出的路径规划算法不仅在一般环境中,而且在相对复杂的环也能引导陷入局部极小值点的移动机准确、安全到达指定目的地。为此算法主要参数选取匹配合理时,可对路径进行优化。该算法在解决局部极小值点的问题具有较高全局指导性。     

具有路径平滑和信息动态更新的蚁群算法

蚁群算法具有很强的寻优能力,但仍存在搜索时间过长、易于停滞等问题。针对这些不足,提出了一种具有路径平滑和信息动态更新的蚁群算法。新算法引入了路径平滑概念,加强了对蚁群前期搜索的引导,扩大了蚁群后期搜索空间;同时,通过动态调节信息素挥发因子,使得路径间信息素浓度差异不会增长过快,有效地避免了算法陷入局部解。实验结果表明,具有路径平滑和信息动态更新的蚁群算法明显优于基本蚁群算法。     

改进蚁群和鸽群算法的机器人路径规划

针对复杂环境下移动机器人路径规划中存在的迭代速度慢和路径欠优等问题，提出将全局与局部规划算法相结合的路径规划方法。首先，利用同步双向A^*算法对蚁群算法的信息素进行优化，并对蚁群算法的转移概率和信息素更新机制进行改进，从而使算法的全局寻优速度更快，缩短移动机器人的路径长度；进一步地，将静态路径用于鸽群算法的初始化；然后，利用改进的鸽群算法对移动机器人进行了局部路径规划，通过引入模拟退火准则的方法解决局部最优问题，利用对数S型传递函数对鸽群数量的步长进行优化，从而能更好地避免与动态障碍物的碰撞。最后，利用B样条曲线对路径进行平滑化和重规划。仿真结果表明，该方法在全局静态和局部动态阶段均能生成路径长度短、评价值低的平滑路径，且收敛速度快，适合移动机器人在动态复杂环境中的穿行。     

狭窄空间无人机动态三维A*算法研究

针对三维飞行器在动态环境下使用三维A*算法进行局部仿真时,环境信息未知,存在冗余点和拐点,导致收敛时间长、路径节点扩展代价大、易陷入局部最优问题,提出一种基于全局与局部相结合的动态三维A*寻路算法。此算法首先改进评价函数的权值系数动态分配,减小路径冗余点和拐点,从而降低算法耗时,缩短路径长度;其次改进路径生成策略,有效提高算法效率,避免陷入局部最优,进一步缩短路径长度,从而实现飞行器在三维动态环境中的路径规划。将改进后的算法进行仿真对比,仿真结果表明,改进后的算法路径更加合理,算法耗时和路径长度更短。     

基于限域拟牛顿法的混沌类电磁学机制算法及其在路径寻优中的应用

针对类电磁学(EM)算法后期"开采"能力不够、解精度不高且易陷入早熟的问题,提出了一种结合混沌映射和限域拟牛顿(L-BFGS)局部寻优算子的混沌类电磁学算法。其主要思想是在类电磁学算法后期采用限域拟牛顿算子取代类电磁学算法局部寻优算子进行局部搜索;在算法整个寻优过程加入混沌映射,利用混沌映射随机遍历的特性,生成新个体跳出局部从而保持种群多样性。通过对3个连续域测试函数的仿真比较,表明该算法后期能有效地跳出局部最优,较基本类电磁学算法在收敛速度方面有明显优势,较粒子群算法(PSO)和加速度系数随时间变化的粒子群算法(TVAC)在解的精度以及快速收敛方面更佳;通过在路径寻优中的应用结果对比表明该算法较元胞蚁群算法(ACO)、粒子群算法在路径寻优中能得到最佳路径,说明其在离散域问题中具有更好的适用性。     

融合改进A*蚁群和滚动窗口法的平滑路径规划

针对蚁群算法应用于移动机器人路径规划时,出现的死锁、收敛慢、易陷入局部最优以及路径不平滑的问题,提出了一种融合改进A*蚁群算法与滚动窗口法的平滑路径规划方法.首先,用改进的A*算法初始化蚁群信息素,解决前期蚁群效率低的问题.然后,改进状态转移概率函数,在函数中考虑可行路径"活跃度"以及终点位置,避免死锁现象.同时,基于不平等原则机制更新蚁群的信息素,避免陷入局部最优路径,加快算法的收敛速度.其次,融合滚动窗口法,在全局路径规划的基础上,结合动态避障策略进行局部实时路径规划.最后,使用贝塞尔曲线对所规划出的路径进行平滑度处理,使平滑后的路径更加接近实际运动路径.为确保算法表现出最好的性能,利用带精英策略的遗传算法对该算法中的参数进行自主优化选择.三组实验结果表明,无论是简单还是复杂的静态或动态障碍物存在的环境中,该算法均有不错的效果.     

Tabu搜索算法在电话网智能管理中的应用

针对电话网智能管理系统中动态路由方案的实现,研究了采用Tabu搜索算法解决路由方案的问题.对Tabu搜索算法作了改进,使得它可以用来解决电话网的电路自动调度问题,并且得到了较好的结果.改进后的Tabu算法与遗传算法相比,能够在较短的时间内计算得到全局优化的路由方案.该算法正在广东省电话网智能管理系统中所使用.     

基于自适应蚁群算法的QoS组播路由算法

提出一种改进的自适应蚁群优化算法,在信息素更新策略中引入全局最优系数,研究多约束条件下的QoS组播路由问题。动态更新信息素能够确保自适应地改进全局搜索能力和收敛性能,避免陷入局部最优解。仿真结果表明,该算法比蚂蚁-遗传算法在解决多约束条件下的QoS组播路由问题时更有效。     

自组织覆盖网络QoS组播动态路由优化研究

针对覆盖组播节点的动态特性,研究自组织覆盖网络带度和延时约束的组播动态路由问题,提出了动态覆盖组播路由算法AHMQ。组播树由目的节点驱动动态渐近形成,动态路由优化在通信过程中进行。协议是软状态的,仅要求节点维护局部状态信息,同时利用覆盖网络技术和无线媒质的广播能力,降低了网络负载,提高了重构能力。对算法进行了分析研究,通过实验验证了该算法具有较好的性能。     

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法（IPSO）的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。     

车辆路径优化问题及求解方法研究综述

车辆路径优化问题一直以来是物流研究领域的一个热点和难点.现实生活的许多问题都可看作是车辆路径问题(VRP),因此国内外学者近年来不断提出多种车辆路径优化问题及求解方法以解决愈加复杂的问题.为进一步理清国内外研究现状,对如半开放式VRP、多级VRP、多目标VRP、绿色VRP等车辆路径优化问题,进行了总结分析,然后对车辆路径求解方法进行了介绍,特别地是对元启发式算法进行了较为详细的综述.最后,面向车辆路径优化问题和求解方法在当前形势下面临的新挑战,展望了一些新研究方向,如多目标优化、多级配送网络、绿色VRP、新型交通工具VRP和算法的通用性.     

QoS动态路由算法分析

保证服务质量(QoS）的通信是当今网络发展的必然趋势之一。动态路由算法可根据网络拓扑和负载情况实时为业务选择路径。其合理性和有效性对于网络资源的优化使用及网络运行性能起着重要作用。文章阐述了QoS动态路由算法的研究内容：链路量度的选择、选路原则、改进Bellman-Ford算法和Dijkstra算法以及算法的触发,并总结了QoS路由算法目前存在的几个问题。     

融合遗传蚁群算法的Web 服务组合研究

为了提高Web服务组合流程中服务选择技术的收敛性能,提出了一种基于遗传算法与蚁群算法相融合的多目标优化策略,用于解决基于QoS的Web服务组合问题。本文首先将Web服务组合的全局最优化问题转化为寻求一条QoS最优解的路径问题,并通过改进遗传算法得到蚁群算法中初始路径的信息素分布,再通过改进蚁群算法来求得最优解。仿真实验结果表明,该改进算法能在较少的进化代数下得到最优路径,提高了Web服务组合的快速全局搜索能力。     

时间依赖型车辆路径问题的一种改进蚁群算法

时间依赖型车辆路径规划问题(TDVRP),是研究路段行程时间随出发时刻变化的路网环境下的车辆路径优化.传统车辆路径问题(VRP)已被证明是NP-hard问题,因此,考虑交通状况时变特征的TDVRP问题求解更为困难.本文设计了一种TDVRP问题的改进蚁群算法,采用基于最小成本的最邻近法(NNC算法)生成蚁群算法的初始可行解,通过局部搜索操作提高可行解的质量,采用最大--最小蚂蚁系统信息素更新策略.测试结果表明,与最邻近算法和遗传算法相比,改进蚁群算法具有更高的效率,能够得到更优的结果;对于大规模TDVRP问题,改进蚁群算法也表现出良好的性能,即使客户节点数量达到1000,算法的优化时间依然在可接受的范围内.     

基于节点密度加权的T-LEACH三维动态路由协议研究

随着无线传感网络在三维动态环境应用需求的俱增,如何在动态拓扑的三维网络环境下,设计能量高效和数据传输高可靠性的路由协议是当前学术界的研究热点。现有的三维路由协议未充分考虑节点移动和环境因素的影响,多为二维静态协议的补充和支持。将拓扑结构和地理结构的路由协议相结合,提出了基于节点密度加权的T-LEACH三维动态路由协议。使用T-LEACH算法获得全局节点密度信息,DDRS算法预知路由空洞和使用DDRS-R的恢复算法逃逸空洞和修正路由,有效地实现规避局部最优问题和迅速逃逸路由空洞的目标,提高了网络整体的健壮性和生存时间。通过在课题组设计的无线传感器网络三维环境路由协议仿真平台上的实验和对比,证明本文提出的路由协议在能量消耗,网络生存期及数据交付率等方面优于现有协议,具有良好的应用前景。     

基于改进蚁群优化算法的分布式多播路由算法

蚁群优化算法在优化计算特别是在多播路由问题中得到了广泛应用，但在进行大规模优化时，蚁群算法与其它随机优化算法一样，存在着收敛速度慢易于限于局部最小点等缺点。为此，该文提出了一种新的改进蚁群算法。仿真实验表明，应用这种改进型蚁群算法于多播路由问题，可以得到比现有启发式算法更好的结果。