组合KdV方程的Hamilton系统

本文根据KdV方程的Hamilton系统,构造并证明了组合KdV方程的Hamilton系统。     

自适应B样条小波函数模糊距离测量方法

目的 双目测距和单目测距是目前常用的两种基于光学传感器的测距方法,双目测距需要相机标定和图像配准,计算量大且测量范围有限,而单目测距减少了对设备和场地的要求,加快了计算时间。为了解决现有的单目测距方法存在精度低、鲁棒性差等缺点,本文提出了一种基于单模糊图像和B样条小波变换的自适应距离测量方法。方法 引入拉普拉斯算子量化评估图像模糊程度,并根据模糊程度值自动定位阶跃边缘;利用B样条小波变换代替高斯滤波器主动模糊化目标图像,并通过分析图像模糊程度、模糊次数以及测量误差之间的关系模型,自适应地计算不同景物图像的最优模糊次数;根据最优模糊图像中阶跃边缘两侧模糊程度变化求解目标边缘和相机之间的相对距离。结果 本文方法与基于高斯模糊图像的距离测量方法相比精度更高,平均相对误差降低5%。使用不同模糊次数对同样的图像进行距离测量时,本文算法能够自适应选取最优模糊次数,保证所测量距离的精度更高。结论 本文提出的单视觉测距方法,综合了传统的方法和B样条小波的优点,测距结果更准确,自适应性和鲁棒性更高。     

多媒体信息分类中的边缘模糊确定方法仿真

由于现代化社会中涉及大量多媒体信息的处理,使得人们对于信息分类系统的要求也逐步提高.为此提出了多媒体信息分类中的边缘模糊确定方法仿真.首先,提取多媒体信息中的增益特征,利用一阶和二阶导数曲线判断信息边缘点的有效性及变化关系,并使用高斯函数对得到的导数关系提取出边缘模糊算子,确定不同类型信息的边缘点,以信息特征中心为基准,根据信息阈差完成多媒体信息类型的最佳划分,使用隶属函数和模糊空间关系寻求分类最优解.最后,通过仿真与其它方法对比表明所提方法具有更高的精准性,多媒体信息分类结果最佳,且分类计算过程相较便捷,可被广泛推广应用.     

基于遗传算法的建筑构件位置分布建模仿真

建筑构件位置分布建模存在可用度较低,建模时间较长,总造价较高的问题,为提高建筑物的整体质量,节约建筑成本,增强建筑结构的适用性,提出基于遗传算法的建筑构件位置分布建模方法,单层建筑主体构件以建筑主体构件横截面的轮廓曲线为基础,由单层建筑主体经过复制生成多层建筑主体完成建筑主体构件建模.通过分析建筑构件的组成,将遗传算法应用在建筑构件位置分布建模中,在适应度函数构建方面增加了对称度、均匀度的度量,对建筑构件位置分布建模过程中控制的变量实施操作,求得全局最优解,优化建筑构件位置分布建模.实验结果表明:该方法可用度高,建筑构件位置分布效果高达90％,符合国家规定建筑构件的最大荷载的标准,建模时间最短,总建模时间仅用92秒,总造价较低.     

基于机器视觉的货车轮对踏面异常磨损监测方法

为实现对轮对踏面磨损的准确监测,提出基于机器视觉的货车轮对踏面异常磨损监测方法.结合监测原理采集货车高清图像,将图像转换成灰度图像,通过背景差分方法剔除多余背景,只保留货车轮对图像,将灰度图像转换成二值图像,分割图像内具有特殊含义的不同区域,得到轮对局部踏面信息.运用Canny算子提取图像中货车轮对的踏面边缘,构建灰度空间,依靠灰度共生矩阵映射图像在灰度空间的分布状况,得到可疑区域图像.使用垂直或水平的扫描线对可疑区域图像扫描,若局部区域超出设想阈值,则证明该点为异常磨损点.实验结果证明,所提方法得到的局部图像较为清晰,能够以最小的误差识别货车轮对的异常磨损区域.     

利用改进的热核特征分析三维网格的局部对应

为了更准确地构建非刚体三维网格模型之间的形状对应关系,提出一种改进的热核特征分析与研究三维网格模型之间的局部对应关系.该方法利用压缩流形模式压缩三维网格模型的特征函数,截取局部顶点;利用乘法器交替方向(ADMM)优化计算三维网格的压缩流形基替换传统的离散化拉普拉斯-贝尔特拉米算子以改进热核特征;选取相同的压缩部位进行局部的对应匹配.实验结果表明,基于改进的热核特征与传统的离散化热核特征相比有更加突出的效果.     

不确定语言信息下的大规模群体DEMATEL决策方法

针对现有不确定语言决策试验和评价实验(DEMATEL)方法大多仅适用于中小规模群体,且未考虑不确定语言变量采用非均匀标度的情况,探讨一种新的不确定语言信息下的大规模群体DEMATEL决策方法.首先,给出一种群体不确定语言DEMATEL矩阵的聚类方法,并对大规模群体DEMATEL意见进行合理分组;然后,定义三维不确定语言密度算子,并对大规模群体DEMATEL意见进行有效集结;最后,提出一种改进的基于不确定语言DEMATEL的指标权重确定方法,并在此基础上进行多属性决策.算例分析验证了所提方法的可行性与有效性,该方法采用非均匀标度来表征和呈现不确定语言变量,而且考虑了大规模群体决策的共识度,使得决策结果更为客观合理且更为可靠.     

求解需求可拆分车辆路径问题的改进的金字塔演化策略

为了更加合理地求解需求可拆分的车辆路径问题（SDVRP）,克服传统先路径后优化两阶段的求解方法容易陷入局部最优的缺点,以及解决智能优化算法在优化阶段未能将竞争与协作有机地融合为一体的问题,以配送路径最短和配送车辆最少为优化目标,提出了一种改进的金字塔演化策略（IPES）。首先,以金字塔为基础,提出了求解SDVRP的编码、解码方式以及层级间的协作策略;其次,根据遗传算法的随机、“适者生存”的高度并行、自适应等特点,以及金字塔结构各层分工不同,设计了一种适合SDVRP的自适应邻域算子,使得算法能够快速收敛到最优;最后,得到最优解。相较于分段求解算法、聚类算法、粒子群算法、人工蜂群算法、禁忌搜索算法,四个仿真实验的结果表明,在求解各案例的最优路径时,所提IPES的求解精度分别至少提升了0.92%、0.35%、3.07%、9.40%,验证了在求解SDVRP时,IPES具有良好的性能。     

求解0-1背包问题的混合贪婪遗传算法

求解0-1背包问题（KP）的最优解的时候,传统遗传算法（GA）的局部求精能力不足而简单局部搜索算法的全局探索能力有限,针对上述问题,将这两个算法整合并提出了混合贪婪遗传算法（HGGA）。在GA全局搜索框架下增加局部搜索模块,并改进传统仅基于物品价值密度的修复算子,增加基于物品价值的贪婪混合选项,从而加速寻优过程。HGGA一方面引导种群在进化的优质解空间中展开精细搜索,另一方面依靠GA的经典操作算子开拓全局搜索空间,从而达到算法求精能力和开拓能力的良好平衡。HGGA分别在三组数据上做了测试,结果表明在第一组15个测试用例中的12个上,HGGA能够百分百找到最优解,成功率达到80%;在第二组小规模数据集上,HGGA的性能明显好于其他同类GA和其他元启发算法;在第三组大规模数据集上,HGGA较其他元启发式算法具有更好的稳定性和高效性。     

基于改进遗传算法的无人机路径规划

针对传统遗传算法收敛速度慢、容易陷入局部最优、规划路径不够平滑、代价高等问题,提出了一种基于改进遗传算法的无人机（UAV）路径规划方法,该算法对遗传算法的选择算子、交叉算子和变异算子进行改进,从而规划出平滑、可飞的路径。首先,建立适合UAV田间信息获取的环境模型,并考虑UAV的目标函数与约束条件以建立适合本场景的更为复杂、精确的数学模型;然后,提出了混合无重串选择算子、非对称映射交叉算子和启发式多次变异算子,寻找最优路径以及扩大种群搜索范围;最后,采用三次B样条曲线对规划出的路径进行平滑,得到平滑的飞行路径,并且减少了算法的计算时间。实验结果表明,与传统遗传算法相比,所提算法的代价值降低了68%,收敛迭代次数减少了67%;相较蚁群优化（ACO）算法,其代价值降低了55%,收敛迭代次数减少了58%。通过大量对比实验得出,当交叉率的值为（1/染色体长度）时,算法的收敛效果最好。在不同环境下进行算法性能测试,结果表明所提算法具有很好的环境适应性,适合于复杂环境下的路径规划。