基于网络Voronoi图的大规模多仓库物流配送路径优化

由于存在多约束和多个优化目标,物流配送决策非常困难。针对城市多仓库物流配送问题,提出基于网络Voronoi图的空间启发式优化方法。从空间角度,将多仓库物流配送优化分解为区域分割和路径优化两个空间子问题。基于网络Voronoi覆盖进行服务区域初始划分,顾及仓库容量差异,进行区域边界修正,并创建初始解。路径优化将局部搜索范围限定在网络K近邻内,只搜索最有可能的空间邻域,迭代改进解的质量。该算法最小化路径数量和路径长度。利用深圳市的大规模多仓库物流配送问题测试算法性能。试验结果表明：本文方法能够在15min内求解6400个客户点的大规模物流配送问题,解的质量优于ArcGIS约10.8%,计算时间约为其21.2%。     

一种适用于物流配送系统的TSP算法

由于城市道路网络图结构复杂,许多TSP算法在物流配送路径优化中的应用受到限制。提出一种TSP算法——改进的均值比较法。该算法突破以往算法对网络图的限制,因而能够满足物流配送系统中路径优化的要求,并具有逻辑结构简单、计算速度快的特点。     

GPS导航路径的实时表示

介绍距离算法和时间算法,可以优化筛选GPS点,减少GPS点数,但不失去描述路径的重要信息.该算法在道路密集,道路形状复杂等复杂路段具有计算快、可靠性高的特点.最后通过一个导航试验实例,对优化筛选后的GPS点描绘的路径和原始数据路径相比较,进行评价,得到满意的结果.     

基于GIS的物流配送路径优化算法

在单点到多点的配送中,一般的路径选择算法通常仅把"时间最短"作为约束条件来进行路径选择,这通常会导致参与配送点的数量过多。探讨了基于地理信息系统技术的物流配送路径优化算法,提出了基于模糊数学理论,以"参与配送点最少"为约束条件并同时考虑配送时间的"模糊权衡算法"。实验表明,模糊权衡算法可以在时间耗费和参与点的数量之间达到一个相对较优解。     

越野通道最短路径分析的优化算法

在越野通道分析中,利用栅格的思想,将矢量地形数据栅格化,将影响通行的因素转化为相应栅格的属性,使用迷宫算法可以有效地进行最短路径分析。但迷宫算法具有一定的局限性,需要对其进行优化。利用以直代曲和样条模型的思想,即直线距离总比曲线距离短,最短路径是由一系列样条曲线组成,通过分析,在迷宫算法所得路径的基础上,提出了一种优化算法。实验结果表明,利用迷宫算法结合优化算法可以较好地解决越野通道分析中的最短路径问题。     

SSA-BP神经网络在无人机点云孔洞修补的应用

为了解决无人机点云数据中的孔洞修补问题,本文提出了基于麻雀搜索算法（SSA）优化BP神经网络的无人机点云孔洞修补方法。首先利用麻雀搜索算法对传统的BP神经网络进行初始权重与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于无人机点云数据中孔洞的修补。为了验证算法的可行性,将SSA-BP神经网络与传统的BP神经网络、最小二乘支持向量机（LSSVM）两组算法进行精度比较。试验结果表明：SSA-BP神经网络算法的修补精度高于另外两组对比算法,且SSA优化后的BP神经网络稳定性更强,在复杂地形孔洞的修补中仍具有较好的修补效果。     

越野通道最短路径分析的优化算法

在越野通道分析中,利用栅格的思想,将矢量地形数据栅格化,将影响通行的因素转化为相应栅格的属性,使用迷宫算法可以有效地进行最短路径分析.但迷宫算法具有一定的局限性,需要对其进行优化.利用以直代曲和样条模型的思想,即直线距离总比曲线距离短,最短路径是由一系列样条曲线组成,通过分析,在迷宫算法所得路径的基础上,提出了一种优化算法.实验结果表明,利用迷宫算法结合优化算法可以较好地解决越野通道分析中的最短路径问题.     

摩托化机动路径规划的改进A~*算法

针对摩托化机动路径规划问题,构建了顾及通行限制的动态道路网模型,重点针对道路通行能力变化、桥梁和隧道通行限制进行表达与建模;基于所构建的道路网模型,提出了一种改进的A*算法求解摩托化机动最短路径;通过构建三角不等式优化估价函数,并考虑机动过程中任务点、规避点和道路网通行限制因素的影响,最终得到耗时最短的机动路径。     

一种改进的SEVB整数模糊度搜索算法

针对浮点模糊度精度较差时SEVB算法存在搜索耗时较大的问题,提出一种改进的SEVB算法。该算法通过限制初始搜索空间大小和优化计算过程,能够有效减少模糊度搜索候选点个数和不必要的冗余计算,进而提高搜索效率。试验结果分析表明,当浮点模糊度解算精度较低时,改进算法的搜索效率比SEVB算法明显提高,且其搜索耗时不易受模糊度维数及精度的影响,具有更好的稳定性。     

利用海鸥理论的路径优化算法分析

针对GIS空间分析需要经常解决的路径优化问题,本文研究了一种新型的群体智能空间路径优化算法,即海鸥优化算法（SOA）。通过重新定义海鸥位置的表示方式和更新策略,将海鸥优化算法从连续域转换到离散域,建立离散海鸥优化算法（DSOA）,同时引入随机异变因子,使海鸥有能力跳出局部最优值。为了验证DSOA的可靠性,通过定义适应度函数和可行解空间,实现利用离散海鸥优化算法求解经典的旅行商最短路径问题。试验结果表明,DSOA在解决最优路径问题上具有良好的稳健性,在空间分析方面具有较强应用潜力。     

粒子群算法在极化SAR目标对比增强中的应用

针对SAR极化对比增强中存在计算复杂的问题,将粒子群算法应用到极化SAR目标增强当中,并通过数据实验,验证了其优越性。该方法将对比增强问题抽象成最优化问题,将统计得到的区域平均协方差矩阵作为粒子群优化算法的输入,计算每个粒子的适应度值,更新粒子群的个体最优和全局最优值,通过迭代得到最优对比度。实验结果表明,与传统的最优极化对比增强算法相比,基于粒子群优化算法的极化对比增强方法能达到更好的对比度,而且实现较为简单。     

蚁群-势场算法在水下重力辅助导航航迹规划中的应用

水下潜器航迹处于重力特征变化明显的适配区域才能保证重力辅助导航的有效实施,因此在重力匹配导航阶段,潜器的航迹规划至关重要。本文首先依据重力统计特征参数对水下潜器航行区域进行适配性划分,并给出适配、非适配区标签;然后在蚁群算法进行航迹规划的基础上引入人工势场算法,重新构建启发函数,避免了蚁群算法的局部最优问题;同时利用最大-最小蚁群系统改进算法信息素更新规则,防止了"早熟"现象发生。仿真试验结果表明,本文提出的蚁群-势场算法可以有效解决水下潜器在重力辅助导航中的航迹优化问题,提高了问题解的可行性。     

高分辨率光学遥感几何与纹理约束的线段优化算法

针对高分辨率光学遥感影像线段断裂问题,提出一种基于几何与纹理约束的线段优化算法。首先,将线段视为地物轮廓表达的一种方式,由此从同一地物边缘角度出发,提出线段断裂的几何与纹理规律;其次,提出线段优化算法,以提取线段结果为处理基元,依据线段长度确定初始优化线段,设定跟踪矩形,建立针对断裂线段的几何纹理约束模型,构建动态优化模型,并给出完整的线段优化流程。最后,通过多幅不同实际场景、不同类型高分辨率遥感影像的试验结果分析,表明本文算法不仅能够解决由地物遮挡、边缘模糊及边缘锯齿化造成的线段断裂问题,并且在优化线段长度以及抑制线段过提取问题方面,均表现出较大的优势。     

改进A?的高层建筑逃生路径规划算法研究

针对高层建筑内部结构复杂,发生火灾时没有疏散引导情况,逃生通道极易发生拥堵导致疏散效率降低的问题,本文基于对A*算法的改进,提出了高层建筑逃生路径规划算法。该算法以高层建筑内部路网节点为关键要素,综合火灾发生位置、人员密度、人员数量等因素,从逃生终点优化分配、节点扩展优化、权值优化3个方面进行改进,实现了火灾发生时高层建筑内部的逃生路径规划,并以某高层建筑为例,验证了本文算法的可行性。     

一种复杂地理环境越野通行路径寻优算法

设计了基于障碍距离的优化算法,解决突发事件应急联动中复杂地理环境下最短路径的寻优求解问题。在详细分析地理空间高程、坡度、障碍物等空间信息的基础上,通过计算搜索空间、搜索方向和网络弧段权值构建网络拓扑关系网,并利用遗传算法对最优路径进行寻优求解。     

A fast algorithm for finding K shortest paths using generalized spur path reuse technique

The problem of finding the K shortest paths (KSPs) between a pair of nodes in a road network is an important network optimization problem with broad applications. Yen's algorithm is a classical algorithm for exactly solving the KSP problem. However, it requires numerous shortest path searches, which can be computationally intensive for real large networks. This study proposes a fast algorithm by introducing a generalized spur path reuse technique. Using this technique, shortest paths calculated during the KSP finding process are stored. Accordingly, many shortest path searches can be avoided by reusing these stored paths. The results of computational experiments on several large‐scale road networks show that the introduced generalized spur path reuse technique can avoid more than 98% of shortest path searches in the KSP finding process. The proposed algorithm speeds up Yen's algorithm by up to 98.7 times in experimental networks.     

基于蚁群算法的边缘检测

蚁群算法是近些年发展起来的一种群体智能优化算法,它利用生物信息激素作为蚂蚁选择后续行为的依据,并通过蚂蚁间的协同与交互来完成全局寻优搜索过程。本文将该算法用于边缘检测,建立图像边缘与信息场之间的联系。提出了基于像素邻域的8个启发信息检测算子,指导蚂蚁选择最优边缘路径,并能自动确定分割阈值。对灰度图像进行模拟实验与经典分割算子进行对比,结果表明,该算法可以精确提取边缘特征,细节特征更为清晰。     

模拟退火法及其在抗差估计中的应用

抗差估计结果的好坏与初值的选取密切相关。当迭代初值偏离较大时,ρ函数不是严凸时,采取的选权迭代法往往不能获得全局最优值,而只能得到局部的最优解。本文提出一种新的抗差估计求解过程,即把它看作是关于未知参数的全局最优化问题,应用模拟退火法进行求解。计算结果表明:相对于传统的选权迭代法,模拟退火法对初值的选取不敏感,能给出全局最优值。