复杂环境下多种群蚂蚁机器人路径规划新算法

依据真实蚂蚁具有自动分流功能这一研究成果,提出了一种全新的机器人路径规划蚂蚁算法.该方法首先用栅格法对机器人运动环境进行建模,在此基础上,两组蚂蚁进行相向搜索,每组蚂蚁都含少量分流蚂蚁,分流蚂蚁选择信息素较少的路径行走,从而增强了搜索多样性.计算机仿真实验表明,即使在复杂的环境下,用该算法也可以较迅速地规划出一条全局优化的路径.     

小脑模型神经网络在紫外线消毒控制中的应用

在用微机控制紫外线消毒的过程中,需要根据电源电压计算出紫外线照射时间,由于这两者之间的非线性关系难以用明确的函数描述,因此,笔者研究了一种用改进的小脑模型神经网络进行映射的方法,取得了很好的效果。该文重点阐述了该小脑模型神经网络的算法、应用原理和方法。并对研制该装置的意义和装置的简要原理及实验、试用情况等做了简要介绍。     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题，提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点，通过扩展，逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明，即使在随机生成的复杂环境下，利用该算法也可以快速规划出一条全局优化路径，且能安全避障。     

提高光栅测控系统分辨率的神经网络方法

描述了一种光栅信号的神经网络细分方法，阐述了细分原理和神经网络的训练算法。给出了仿真实验，结果表明，使用该方法只要用少量的训练样本即可达到较高的细分精度，使分辨率得到很大提高，简化了硬件设计，提高了系统的可靠性。     

蚁群优化算法的收敛性分析

有关蚁群优化算法收敛性分析的研究还很少．不利于进一步改进其算法．为此,较详细地分析了用蚁群优化算法求解TSP问题的收敛性．证明了当0〈q0〈1时．算法能够收敛到最优解．分析了封闭路径性质、启发函数、信息素和q0对收敛性的影响．据此给出了提高算法收敛速度的几点结论．     

基于蚂蚁算法的RBF网络参数的两阶段优化

提出了一种径向基函数(RBF)网络中心参数仿生优化算法,该算法基于改进的蚂蚁算法分两阶段完成。第一阶段为:首先进行网络参数范围估算,然后根据一定的步长对网络参数区间取离散点,最后蚂蚁根据在各个离散点的信息素的多少来选择路径,从而进行网络参数优化。第二阶段为:利用第一阶段的结果进行局部区间扩张,从而进行进一步优化。用蚂蚁算法优化后的网络对典型的混沌时间序列进行预测,结果表明其预测的各项误差低于常规的优化方法。     

神经网络与回归相结合实现传感器特性线性化

本文提出了一种用多个改进的BP神经网络与回归相结合的技术去实现传感器非线性误差校正的方法。该方法将传感器的特性曲线分为一个直线段和两个非线性低,并自适应的确定线性段的区间,在线性段,用回归方法拟合出直线方程。在非线性段则用两个改进的BP神经网络分别映射其反函数作为校正环节,从而实现非线性误差校正。仿真和试用表明,这种方法可使传感器的非线性误差减小近十倍。最后,给出了一些仿真实验及其结果。     

基于模糊调整的径向基函数网络图像恢复算法

为了解决传统图像恢复中存在的建模难的问题,提出了一种基于RBF神经网络的图像恢复算法,该算法利用RBF神经网络的非线性映射能力和适应性,通过记录退化过程的逆过程来恢复图像。首先改进RBF网络中心参数的确定过程,提出基于模糊调整的中心参数学习算法,然后用模糊调整后的网络进行图像恢复。仿真结果表明,改进的RBF网络可对典型退化图像进行令人满意的恢复。     

无粘结预应力加固技术在工程中的应用

通过对某办公楼工程质量事故的处理,介绍无粘结预应力加固技术在工程中的应用情况。     

用于连续域优化的遗传网格蚂蚁融合算法

在进行函数优化时,遗传算法具有全局搜索能力强的特点,但其存在早熟收敛和后期收敛速度慢及局部搜索能力弱的问题。网格蚂蚁算法具有局部搜索能力强、优化精度高等特点,但其全局收敛速度较慢。因此提出了用于连续优化的遗传网格蚂蚁融合算法（Genetic and Grid Based Ant Colony Algorithm,GGACO）。该算法将遗传算法和网格蚂蚁算法相结合,用遗传算法进行全局搜索,用网格蚂蚁算法进行局部迭代寻优,经过若干次循环迭代产生最终结果。仿真实验结果表明,该算法在解决复杂函数优化时全局收敛性能好、速度快,尤其在解决高维多峰函数优化问题时效果更显著。