模糊系统的微粒群并行聚类算法

为了解决大规模的数据聚类问题时需要的大量计算,提出了一种模糊系统的微粒群优化并行k-means聚类算法。该方法利用模糊规则,动态地调整微粒群惯性权重和加速因子,克服群体逐渐失去迁移性而停止进化的问题,保证群体多样性而避免陷入局部极小值。采用任务并行和部分异步通信模式,降低计算时间。实验结果表明,该算法在并行机群上运行时,加快了聚类算法的计算速度,提高了聚类质量。     

新型强化换热方法的换热性能研究

通过分析设置翼涡发生器、扰流柱，采用多头螺旋槽管等几种新型强化换热方法的换热性能，得出不同涡发生器强化换热程度不同及换热增强与压力损失的最佳强化效果有别。并指出大容量设备即紧凑式换热器的研究为强化换热、节能降耗提供了可能，发展前景广阔。     

自适应检测器生成算法研究

基于小生境策略的否定选择算法利用在搜索空间中计算检测器之间的海明距离,构建小生境;定义适应度函数与亲合力函数相关,更客观地反映检测器的检测能力;利用进化策略,进行遗传操作,而生成多样性和通用性的最佳检测器集.同时该算法可以减少生成检测器的时间开销.     

基于改进蚁群算法的多机器人任务分配方法

研究了动态环境下多机器人对多目标点的探测;针对通常采用的是单物品拍卖的方法进行任务分配但是无法得到全局最优解的缺点,提出了用组合拍卖的方法来解决多机器人的任务分配问题;由于组合拍卖(WDP)本身是一个NP-hard的问题,所以文中通过对蚁群算法进行改进,成功地解决了此类任务分配问题;实验表明,该算法有效地缓解了容易出现的早熟停滞现象,达到较好的最优解,收敛速度快且求解质量稳定,满足了多机器人动态任务分配的要求。     

新型强化换热方法的换热性能研究

通过分析设置翼涡发生器、扰流柱 ,采用多头螺旋槽管等几种新型强化换热方法的换热性能 ,得出不同涡发生器强化换热程度不同及换热增强与压力损失的最佳强化效果有别。并指出大容量设备即紧凑式换热器的研究为强化换热、节能降耗提供了可能 ,发展前景广阔。     

自适应检测器生成算法研究

基于小生境策略的否定选择算法利用在搜索空间中计算检测器之间的海明距离,构建小生境;一个与亲合力函数相关的适应度函数的提出,能更客观地反映各检测器的匹配能力,即能更准确地反映检测器集合的检测能力;利用进化策略,进行遗传操作,而生成多样性和通用性的最佳检测器集.同时该算法可以减少生成检测器的时间开销.     

一种正交混沌蚁群算法在群机器人任务规划中的应用研究

针对群机器人协作任务规划问题,提出一种正交混沌蚁群算法(OCACA)对其进行求解.该算法的思想是首先采用正交法对任务目标进行聚类,然后利用混沌技术对蚁群初始解进行优化,改进初始个体质量,并用混沌扰动策略避免搜索进入局部最优,最终获得了总代价最优解.该算法将正交混沌蚁群算法首次应用于群机器人的任务规划中,成功解决了中大规模任务规划问题.仿真实验结果表明:正交混沌蚁群算法能提高多机器人执行任务的效率,同时也是解决多旅行商问题的另种新思路.     

动态确定基因数的遗传算法路径规划*

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题。探讨了一种改进的基于遗传算法的静态环境下机器人全局路径规划方法的可行性。该方法通过障碍物的数量来动态确定所需的路径点数（基因）,使得它能更广泛地应用于不同环境,最后对结果进行修正。仿真实验表明了该方法的有效性。     

均分点蚁群算法在群集机器人任务规划中的应用与研究

提出了一种求解群集机器人协作任务规划问题的均分点蚁群算法(EDPACA).通过多组蚂蚁群相互协作搜索,构架了一种新蚁群算法的解结构,并设计了更合理的评估函数,使其在评价时充分考虑均衡任务点探测,最后利用2-opt技术解决了各子周游路径的交叉问题,获得了总代价最优的解.该算法将蚁群技术首次应用于集群机器人的任务调度规划中,成功解决了中大规模任务规划问题.仿真实验结果表明,均分点蚁群算法能提高群集机器人执行任务的效率,同时也是解决多旅行商问题的另种新思路.