基于多条件约束的无线传感器网络QoS路径选择算法

多约束QoS路径选择是无线多媒体传感器网络亟待解决的关键问题,已被证明是NP全问题。分析了有线传感器网络使用的多项式时间和伪多项式时间启发式路径选择算法存在着计算复杂度高的特点,不适合无线多媒体传感器网。提出了一种基于改进的模拟退火的多约束QoS路径选择算法,选取控制参数T的衰减函数和控制参数T的终值Tf这两个重要参数进行优化,构造出更精细的冷却进度表。分析表明该算法是一种高效的路径选择算法,在不牺牲算法复杂度的情况下,能够提高最终解的质量。     

机器人三维路径规划问题的一种改进蚁群算法

本文研究移动机器人三维空间路径规划问题,针对三维空间的复杂地形特点,提出了一种基于改进蚁群算法的路径规划算法。文中首先描述了一种简单有效的环境建模方法,然后给出了算法在信息素呈现、路径点选取、信息素更新以及启发式函数设计等方面的改进方法。仿真结果证明了算法的可行性和可靠性。     

信息融合技术在变压器油气识别故障诊断中的研究

变压器故障分为放电性故障和过热性故障两大类别,它们均会在变压器油中有所反映。本文通过对变压器油中主要气体的分析,判断变压器的故障类型。具体方法是:利用改进算法的BP网络和信息融合技术,以变压器油中五种主要特征气体作为神经网络的输入,以六种变压器状态作为相应的输出,通过加入动量因子,可以提高学习率系数,充分发挥改进算法的BP网络具有自适应学习能力的优势。仿真测试结果表明,本方法能够在较大范围内准确有效地进行变压器的故障诊断。     

线性矩阵方程异类约束最小二乘解的迭代算法

多矩阵变量线性矩阵方程(LME)约束解的计算问题在参数识别、结构设计、振动理论、自动控制理论等领域都有广泛应用。本文借鉴求线性矩阵方程(LME)同类约束最小二乘解的迭代算法,通过构造等价的线性矩阵方程组,建立了求多矩阵变量LME的一种异类约束最小二乘解的迭代算法,并证明了该算法的收敛性。在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LME的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LME的极小范数异类约束最小二乘解。另外,还可求得指定矩阵在该LME的异类约束最小二乘解集合中的最佳逼近解。算例表明,该算法是有效的。     

基于FPGA的高速二维DCT变换的研究与实现

空间科学实验中图像的分辨率不断提高、数据量越来越大,因此需要对图像数据进行星上压缩处理后再进行传输。FPGA具有低功耗、高性能的特点,已普遍应用在卫星的各种有效载荷上,因此可采用FPGA实现图像压缩。基于FPGA的图像压缩算法的核心是DCT变换,而DCT变换中需消耗大量的乘法资源。为了提高图像压缩的效率,同时减少对专用乘法器的依赖,本文就充分利用FPGA中的BRAM与LUT资源,使用改进型的分布式算法、流水结构和乒乓操作,在避免使用乘法器的同时,实现JPEG压缩算法中的DCT变换,具有良好的可移植性。经验证,该方法用于基于FPGA的JPEG图像压缩系统中,相比传统DCT快速算法运算速度显著提高。     

基于混沌量子进化算法的单交叉口信号控制

城市道路各交叉口交通信号的配时优化和协同控制直接影响整个城市的交通状况.本文以单交叉口模型的交通信号控制问题为背景,构造了以单交叉口滞留的车辆数最少为目标的优化模型.用混沌量子进化算法进行仿真数据求解,得到实时控制的配时方案,并与其它算法的仿真结果进行比较,结果表明该算法对单交叉口的信号配时优化是非常有效的.     

智能家庭混合能源管理的动态建模与优化

智能电网使家庭由静态的能源消费者向动态参与者转变,需对多种不同的供能设备进行协同优化控制。以电网、光伏发电、太阳能集热器及储能电池4种能源为智能家庭的供给源,以室温控制、热水供应为两大主要服务目标,以最小化能源费用支出为优化指标,建立了家庭能源管理的优化控制模型,并提出基于粒子群算法的智能求解策略。通过对某虚拟家庭的仿真,验证了模型和算法的有效性。     

基于群智能混合算法的物流配送路径研究

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了一种双种群蚁群算法,在蚁群的基础上引入差分进化(DE)和粒子群算法(PSO)。通过在PSOAS种群和DEAS种群之间建立一种信息交流机制,使信息能够在两个种群中传递,以免某一方因错误的信息判断而陷入局部最优点。通过matlab仿真实验测试,表明该群智能混合算法可以较好地解决TSP的问题。     

改进的蚁群算法在飞行路径模型中的应用

为了保障飞机安全地运行,FAA规定每架飞机在飞行一定时间后都要进行周期性检修。通常考虑到检修成本,任一种检修都要在指定的机场完成,因此要求飞机每飞行一定的小时数后都要返回到指定的维护基地进行定期检修。如何合理地进行飞机飞行路径的调度以使飞机周期性地返回指定检修机场进行检修是本文研究的关键。为了问题简化,本文主要针对单检修基地、单机型的检修路径调度问题进行研究。本文结合经典蚁群算法,对现有算法参数的设置及信息的更新等方面进行改进后应用到飞行路径模型中,并运用Matlab对该算法编程,运用具体数据进行计算实现,确保了飞机周期性返回检修机场,实现周期性检修。     

基于种群多样性的自适应PSO算法求解VRPSPD问题

为有效求解逆向物流车辆路径(VRPSPD)模型,本文提出一种基于种群多样性的自适应PSO算法(SDAPSO)。在SDAPSO运行时,根据种群多样性,自适应地对种群中运行较差的粒子进行扰动操作,提升这些粒子向最优解收敛的能力;同时,对全局最优粒子进行概率扰动,以增加种群的多样性。标准检测函数的仿真结果表明SDAPSO算法是对基本PSO算法的有效改进。在对VRPSPD模型求解中,通过与其它粒子群算法相比,表明SDAPSO是求解该类问题的一种有效方法。