等级反馈蚁群算法求解成品油二次配送问题

针对成品油二次配送路径优化问题，提出了一种可变成本与动态载荷相关的评价指标。考虑蚁群算法求解路径优化问题的高效性，设计了一种等级反馈蚁群（HFAC）算法。采用局部距离等级策略代替基本蚁群算法的随机选取；利用较优（较差）个体对其所在路线进行正（负）反馈调整信息素浓度；对最优路线的子路线进行末端优化调整。通过15组不同类型算例进行仿真实验表明，HFAC算法在成品油二次配送路径优化中优于基本蚁群算法。     

基于惯性蚁群算法的机器人路径规划

栅格环境下蚁群算法规划出的移动机器人路径存在运行慢、路径弯多、转折次数多、局部最优等问题。为获得较优路径,提出了惯性蚁群算法。在传统蚁群算法规划的路径上,采用惯性优化原理,对每一个节点进行遍历,当两个节点间的优化路径上无障碍物时,将中间节点删除,换成优化路径。根据优化信息,动态调整信息素挥发系数,提高了算法环境适应能力。仿真结果表明,相比传统蚁群算法,惯性蚁群算法能更快地找到较优路径,能有效优化路径质量。     

基于自适应飞蛾扑火优化算法的三维路径规划

三维路径规划问题是在干扰环境下寻找出发点到目的地之间最优路径的组合优化问题。针对传统群智能算法在求解该问题时存在收敛精度低、易陷入局部最优等缺陷,提出了一种自适应飞蛾扑火优化算法对该问题进行优化求解。改进算法通过引入飞行方向动态调整策略和位置交叉策略,在动态调整飞蛾飞行方向的同时不断产生新个体,有效避免了算法陷入局部最优;通过自适应调整火焰的数量,在算法全局探索阶段增强了种群多样性,避免了早熟收敛。将自适应飞蛾扑火优化算法与其他群智能算法用于三维路径规划问题求解,实验结果表明,改进的自适应飞蛾扑火优化算法在所有算法中代价值最小,收敛速度最快,说明该算法在三维路径规划问题中具有更好的求解能力。     

改进的混沌粒子群算法求解车辆路径问题*

为求解车辆路径问题提出一种改进的混沌粒子群优化算法。该算法在基本混沌粒子群优化算法（CPSO）基础上,引入逻辑斯特函数,对惯性权重因子w进行非线性调整,提高了算法的寻优能力,有效避免了算法陷入局部最优并防止过早收敛。采用该算法应用于车辆路径问题,仿真结果表明该与标准遗传和双种群遗传算法比较,具有一定的优势。     

模糊需求车辆路径问题及其启发式算法

对模糊需求信息条件下的车辆路径问题进行策略分析，提出解决此类问题的改进蚁群算法。采用多蚁群协作，修改信息素更新规则，根据收敛要求动态调整主要参数等对蚁群算法进行改进，应用该方法解决机会约束策略和可能性策略下的模糊需求车辆路径问题。实验结果证明了改进算法对优化模糊需求车辆问题非常有效。     

机器人路径规划问题的蚁群优化算法

研究了机器人在静态障碍物环境下的路径规则问题,根据问题模型的特性设计了一种蚁群优化求解算法。该算法利用前一轮选择的路径对可行解的信息素进行相应的调整,再按转移概率选择路径,经过多次迭代搜索得出最短路径．已达到对机器人的路径优化。     

基于改进蚁群算法的自动化立体仓库路径优化研究

目前,自动化立体仓库广泛应用于物流行业。为了提高仓库中货物的存取效率,可采用蚁群算法解决堆垛机路径优化问题。针对传统蚁群算法中易得到局部最优解的缺陷,笔者采用改进的蚁群算法,引入信息素调整因子,改变路径中各节点上的信息素浓度,减少局部最优现象。仿真实验结果表明,改进的蚁群算法能较好解决路径优化问题。     

多蚁群协同进化的滑行道调度优化

针对当前机场滑行道调度效率较低的问题,提出一种基于协同进化的多蚁群算法。利用蚁群算法在解决复杂的组合优化问题方面的显著优势,在种群内部搜索滑行时间短且没有冲突的路径,在种群间利用蚁群算法良好的协同能力同时进行多个航班的调度,解决滑行的路径搜索问题,实现调度顺序的优化调整。冲突解决是解决滑行道调度问题的关键,采用基于两段锁的思想解决冲突。利用公共数据集对该算法进行验证,实验结果表明了该算法的有效性。     

求解TSP问题的自适应离散型布谷鸟算法

对于求解的TSP问题,提出了一种自适应离散型布谷鸟算法（Adaptive Discrete Cuckoo Search,ADCS）。在基于布谷鸟搜索算法（Cuckoo Search,CS）的搜索原理下构造TSP问题的路径求解策略。针对离散型算法整体调整容易破坏已形成的较优路径和随着算法迭代数目增加导致种群多样性下降这两个缺陷,设计了一种针对路径的自适应型局部调整算子和全局随机扰动策略,采用了简单的2-opt优化算子作为局部优化算子以加快算法的收敛速度。最后采用多组不同规模的标准TSPLIB数据与其他的优化算法进行对比实验,结果表明ADCS算法在求解精度和稳定性方面具有优势。     

物流配送车辆路径优化问题的仿真研究

研究物流配送车辆路径优化问题,由于物流行业要求货物及时配送,又要降低物流运输成本.物流配送车辆路径选择是重点解决的问题,传统优化方法搜索时间长,难以找到最优路径,造成物流配送成本高.为了降低物流配送成本,提高车辆路径优化效率,提出一种蚁群算法的物流配送车辆路径优化算法.首先对物流配送车辆路径问题进行分析,然后建立相应的数学模型,最后采用蚁群算法对车辆路径问题的数学模型进行求解.通过具体实例对算法进行实验,实验结果表明,蚁群算法提高寻优效果,找到的物流配送车辆路径的最优解短于其它算法,降低物流配送成本,并为物流配送车辆路径选择提供了一种有效算法.     

基于语义位置验证的鲁棒闭环检测算法

针对现有闭环检测算法因视觉干扰而产生的闭环误判问题,提出一种利用场景语义信息进行验证的闭环检测算法.该算法通过视觉词袋库模型检索闭环候选帧,用后验方法剔除算法可能产生的错误闭环.后验方法首先将场景中的语义信息抽象为语义节点;然后提取包含邻域信息的节点特征,并以此匹配图像间的语义节点,降低算法对于动态物体干扰的敏感性.随后,算法基于图像间的匹配语义节点构建相对位置网络,根据网络相似度验证闭环帧,提高闭环检测算法在具有相似纹理的场景中应对感知混淆的鲁棒性.实验结果表明,语义位置验证算法能够显著提升视觉词袋模型的检测准确率.与其他经典算法相比,所提出的闭环检测算法具备更快速、更准确的检测性能.     

GPS软件接收机载波跟踪环路鲁棒滤波算法

在全球定位系统(GPS)软件接收机中,环路滤波器对噪声抖动的抑制作用,是用户精确连续跟踪卫星信号的重要保证.本文用噪声未知但有界的假设,代替了传统方法中噪声统计特性已知的苛刻要求,应用半定规划方法将滤波问题转化为凸优化问题,提出了载波跟踪环路鲁棒滤波算法,获得了包含多普勒频移的置信椭球,解决了复杂多变环境下GPS软件接收机的滤波跟踪问题.应用模拟载波信号和实际卫星信号对该算法进行验证,结果表明该方法能够连续有效跟踪GPS卫星信号,为GPS软件接收机设计环路滤波器提供了新的思路.     

深度学习下的视觉SLAM回环检测及其算法

作为机器人技术领域的研究重点之一,SLAM在无人驾驶、增强现实、虚拟现实等方面有重要应用。视觉SLAM利用连续的相机帧获取信息,完成环境环境感知,而长时间运行视觉SLAM系统会不断累积邻近帧间误差,影响后端优化收敛。针对此问题,提出一种基于深度学习的回环检测方法,使用回环检测模块以减少邻近帧间的误差积累,克服以人工标记特征点算法为基础的传统视觉SLAM回环检测的不足,提高了系统在复杂环境下的检测准确率。经实验验证,算法获得良好的准确率与速率,能够满足视觉SLAM系统的要求。     

一种形式化开发非递归算法的方法*

提出了一种简单、统一的形式化开发非递归算法的方法.该方法直接面向非递归算法,在形式化方法PAR的指导下,使用循环不变式的开发新策略,在得到求解递归问题的循环不变式的同时,能直接得到易读、高效且可靠的非递归算法,并通过一个具体实例进行了阐述.对使用形式化方法及循环不变式开发新策略开发非递归算法的方法作了较深入的实践和探讨.     

基于多区域多代码问题的自动分块算法

针对现有分块算法并行度低、负载不平衡的缺陷,提出一种基于多区域多代码问题的自动分块算法。通过循环分配算法实现计算区域间的处理器分配,基于Block的递归二分法对无向图进行剖分,实现计算区域内的任务分配。实验结果表明,该算法可使整个计算空间分配到的处理器量大致相等,处理器间的通信量最小。     

基于多区域多代码问题的自动分块算法

针对现有分块算法并行度低、负载不平衡的缺陷,提出一种基于多区域多代码问题的自动分块算法。通过循环分配算法实现计算区域间的处理器分配,基于Block的递归二分法对无向图进行剖分,实现计算区域内的任务分配。实验结果表明,该算法可使整个计算空间分配到的处理器量大致相等,处理器间的通信量最小。     

复杂因果图并行推理算法研究

因果图的精确推理算法是NP难的,因此寻找高效的推理方法是值得研究的问题。介绍了因果关系研究进展,对经典因果图推理过程作了进一步分析,在此基础上提出了复杂因果图的并行推理算法,并对算法的时间复杂度进行了分析,最后用一个实例验证了算法的推理效果。研究表明,该复杂因果图并行推理算法有效地降低了时间复杂度,特别是在有环且处理机数量足够的情况下和无环且处理机有限的情况下,算法的复杂度是一个多项式时间复杂度,这为因果图提供了一种可行的新的推理方法。     

面向变电站机器人巡检路径规划中的算法研究

针对目前在变电站中应用广泛的巡检机器人,探讨了其巡检路径的问题,依据离散数学理论中的哈密顿回路方法和路径的常规规划算法,研究了一种变电站的巡检路径为矩形分布时的机器人巡检路径问题。针对不同巡检方式,分别提出：全局巡检方式,采用新提出的哈密顿算法,当巡视起点被设定后,其他被巡视的任何点均可被归类,从而找出其巡检路径的哈密顿回路;重点设备巡检方式,采用Dijkstra算法和遗传算法相结合的方法;固定点巡检方式,采用Dijkstra算法。其中,三种巡检方式分别针对电量充足、低电量返回及充电完毕继续巡视等方面给出仿真结果,并将其在某变电站进行了试用。研究结果表明,三种巡检方式下的算法均有效可行,新提出的哈密顿回路算法巡视的路径比常规方法相对要短,算法的运算速度相对更快。     

循环Cache命中率分析方法的研究与实现

循环Cache命中率的分析是编译优化中的关键技术之一。CME(CacheMissEquation)作为描述一个精确描述程序循环中数组引用的Cache冲突情况的数学模型及其相关的理论为较精确地分析循环的Cache命中率奠定了理论基础。该文以CME理论为基础,从数理统计的角度对CME抽样分析作了理论上的说明,采用序贯抽样方法来进行CME的抽样分析,并对抽样检验过程中判断线性约束条件下丢番图方程是否存在整数解这一NP问题,结合一些整数计算的理论,给出了格测试的快速算法。     

基于遗传算法的物流配送路径优化问题研究

遗传算法是一种基于自然进化原理的全局搜索随机算法。遗传算法在选址问题、配送问题、调度问题、运输问题、布局问题方面意义重大。在建立物流配送路径优化问题数学模型的基础上,构造了求解该问题的遗传算法。该遗传算法采用常用的二进制编码,在个体选择上结合使用最优个体保留策略和轮盘赌法。最后以这种方法进行了实验计算,通过计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解。