排序方式: 共有20条查询结果,搜索用时 15 毫秒
1.
基于粒子群遗传算法的泊车系统路径规划研究 总被引:1,自引:0,他引:1
针对智能停车库自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于粒子群和遗传算法的动态自适应混合算法.在标准粒子群算法和遗传算法的基础上,通过引入动态自适应调整策略分别对惯性权重系数、学习因子以及交叉变异概率公式进行了优化.在进化初期,通过在惯性权重系数和学习因子之间建立动态联动关系来实现对粒子速度和位置的实时有效更新;在进化后期,通过引入自适应遗传算法的交叉、变异操作来增强混合算法的全局搜索能力,提高算法的进化速度和收敛精度.为验证混合算法的可行性和有效性,选用MATLAB软件对其进行仿真测试.仿真测试结果显示,与禁忌搜索算法、蚁群算法以及遗传算法相比,混合算法表现出较强的全局搜索能力和较好的收敛性能,表明混合算法可行和有效. 相似文献
2.
为了提高室内定位对环境变换的适应性,提出一种新的定位方法.该方法在指纹数据库的基础上,增加参考点,在离线阶段,利用多元线性回归建立参考点与移动端之间信号强度的关系,用采预测实时定位时的信号强度;而为了让两者之间的关系误差更小,提出了一种分区域建立模型关系的方法.在实时定位阶段,通过比较实时信号强度与预测信号强度确定移动... 相似文献
3.
随着城市化规模的不断扩大,拥堵、事故等出行困难成为当前城市的主要问题。基于物联网的智慧出行研究为解决城市问题提供了解决方案,为智慧城市的建设打开了新的思路。 相似文献
4.
基于Dijkstra-蚁群算法的泊车系统路径规划研究 总被引:1,自引:0,他引:1
针对智能停车库中自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于Dijkstra-蚁群算法(Dijkstra-ACO)的泊车系统路径规划方法.首先利用链接可视图法建立环境模型,并在此环境模型下,采用Dijkstra算法规划出AGV的初始路径;其次,通过引入节点随机选择机制、调整信息素更新方式和限定信息素阈值策略等对基本蚁群算法进行优化改进;最后,选用改进的蚁群算法对初始路径进行优化.结果显示:Dijkstra算法和混合算法均能使AGV有效避开障碍物,然后搜索到一条从起点到终点的无碰优化路径;与Dijkstra算法相比,混合算法能有效提高路径搜索效率,缩短搜索路径长度,改善搜索路径质量,表明该算法正确、可行及有效,且具有较强的全局搜索能力和较好的收敛性能,能够满足AGV存取车路径规划的要求. 相似文献
5.
根据当前国内软件测试人才供需所存在的矛盾,分析了软件测试人才培养所存在的一系列问题,针对高职高专院校对软件测人才的培养方案,从专业技能和从业素质两方面进行了探讨。 相似文献
6.
7.
随着电力系统的广泛发展,电力系统静态安全评估已变得越来越重要。文中比较了现在几种常用的人工智能方法,选择了支持向量机算法解决这一问题。由于解决大样本问题时,支持向量机所需训练时间显著增加,文中提出了约简样本的方法,并结合适合于电力系统的二叉树结构,提出了一种改进的简化二叉树支持向量机算法。将这种新的支持向量机算法应用于IEEE57节点电力系统,结果表明,文中提出的算法取得了比较好的结果,有效可行。 相似文献
8.
随着计算机网络的不断发展,网络信息安全成为人们越来越关注的一个方面.入侵检测是提高网络信息安全的一个重要手段.为了提高入侵检测的效率,文中在提出了一种基于隶属关系不确定的模糊聚类算法.该算法在迭代过程中为目标函数创建了一个不确定性隶属度和一个相对性隶属度,使样本中的元素不仅仅局限于一个聚类.通过在数据集上的实验,验证了该算法在数据挖掘入侵检测中的检测率高于一般的K均值算法和模糊聚类算法.证明该方法在模糊事件的情况下,会提高正确的聚类结果. 相似文献
9.
针对国内高压地下CNG储气井结构比较简单、存在井筒上冒和下沉的现象,对高压地下储气井井筒进行了受力分析,采用理论分析、实例计算和计算机仿真等方法开展研究,综合运用ANSYS软件、弹性力学、固体力学和土壤力学等方面的理论,建立了套管-水泥环-地层耦合模型。分析了不同壁厚套管在非均匀地应力下对井筒径向应力和环向应力的影响,指出壁厚较厚的套管可承载较大的径向载荷,有利于套管-水泥环-地层耦合的稳定,但套管壁厚的变化对环向载荷的影响并不十分明显,所以选择套管壁厚时既要确保储气井的安全,又要经济合理。 相似文献
10.
现有的基于CS-MMV(Compressed Sensing-Multiple Measurement Vectors)模型的DOA估计一般都假定信号源为独立同分布( i.i.d),算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提出一种具有时序结构的稀疏贝叶斯学习的DOA算法,该方法通过建立一阶自回归过程( AR)来描述具有时序结构的水声信号,将信号源的时间结构特性充分应用到DOA估计模型中,然后采用针对多测量矢量的稀疏贝叶斯学习( Muti-vectors Sparse Bayesian Learning )算法重构信号空间谱,建立多重测量向量中恢复未知稀疏源的信号的CS( Compressed Sensing )模型,最终完成DOA估计.仿真结果表明该方法相对于传统的算法具有更高的空间分辨率和估计精度的特点,且抗干扰能力强. 相似文献