随机摄动强跟踪粒子滤波算法

如何解决粒子的退化问题和提高算法对突变状态的跟踪能力,是粒子滤波算法研究和应用中需要考虑的两个主要因素.传统的再采样算法虽然可以解决退化问题,但是容易导致粒子耗尽;扩展粒子滤波算法虽然可在一定程度上解决粒子耗尽问题,但其对突变状态的跟踪能力却不近人意;强跟踪粒子滤波算法可以提高对突变状态的跟踪能力,但却未能较好地改善粒子退化问题.针对上述问题,本文将随机摄动再采样方法引入强跟踪粒子滤波算法,提出了一种随机摄动强跟踪粒子滤波算法.当粒子退化问题严重时,对权值最大的粒子迭加随机摄动,用摄动粒子替换退化粒子以解决粒子退化问题,同时由于摄动粒子的加入增加了粒子集的多样性,可在一定程度上缓解粒子耗尽问题,提高算法对突变状态的跟踪能力.利用标准验证模型和分时恒定系统对所提出的算法进行了仿真验证,仿真结果证明了该算法的可行性和有效性.     

基于改进量子PSO算法的可约束车辆路径优化

为了求解有能力约束的车辆路径优化问题,提出了用于可约束车辆路径优化的改进量子PSO算法。首先给出了车辆路径的数学模型,介绍了粒子群算法;然后提出了改进量子粒子群算法,该算法采用了2-opt,1-1交换等局部优化算法那进行线路内和线路间的优化,引入种群熵算法的方法来衡量算法那是否陷入局部最优,采用灾变的操作保证解得多样性,并给出了该算法用于求解车辆路径的有关问题的具体方法;通过与别的算法的比较并结合仿真实验,有效地说明了该算法的可行性和有效性。     

基于莱维飞行的鸟群优化算法

针对鸟群优化算法(BSA)在求解高维多极值优化问题时容易陷入局部最优解和出现早熟收敛的情况,在原始鸟群算法的基础上,在模拟鸟群飞行行为的过程中引入莱维飞行,提出了一种基于莱维飞行的改进算法——莱维-鸟群算法(LBSA)。这种算法替换了原算法中随机的飞行位置跳变,而采用莱维飞行更新鸟群飞行后的位置,大幅提高了鸟群的位置变化活力,提高了算法的有效性。仿真结果表明,在求解高维多极值优化问题时,该算法性能优于原始鸟群算法。     

基于形变多样相似性的空间正则化相关滤波跟踪

提出了一个基于形变多样相似性的空间正则化相关滤波跟踪算法。在核相关滤波(KCF)跟踪算法基础上引入了空间正则化权重和子网格检测方法,利用形变多样相似性匹配算法构建了目标重检测模块,利用主成分分析(PCA)算法和k维树一致近似最近邻(TreeCANN)算法解决了匹配算法中的最近邻搜索问题;通过自适应模板更新策略,解决了遮挡情况下模板误更新问题。实验结果表明,所提算法的精确度得分为0.825,成功率得分为0.625,相比KCF算法分别提升了18.5%和31.0%。所提算法能较好地解决目标尺度变化、遮挡、快速运动、旋转和背景杂乱情况下的跟踪问题,具有广泛的应用前景。     

基于联合平行投影迭代的叠栅层析重建

描述了一种新的叠栅层析代数迭代模型,并针对传统代数迭代法中的垂直投影算法收敛速度较慢的问题,结合新模型提出了一种改进了的平行投影重建算法.用该算法进行了数值模拟重建,结果表明：与叠栅层析中的变换类算法相比,对非完全数据问题,新算法具有有效结合先验知识进行重建的能力；与传统的垂直投影算法相比,新算法能在保证重建准确度的前提下大幅度的提高收敛速度.     

低复杂度室内超密集可见光通信网络频谱资源分配算法

针对室内超密集可见光通信网络多小区资源分配算法中存在的吞吐性能与算法复杂度之间的矛盾,提出一种吞吐性能近似最优且复杂度低的资源分配算法。通过建立各小区资源分配问题的最优化模型,得出该问题是凸优化问题的结论;在合理近似处理后,推导了终端资源分配归一化比例因子的解析式,在此基础上提出一种资源分配算法;算法复杂度分析表明本文算法具有多项式复杂度,低于经典最优化内点法。仿真表明,相比于请求速率占比分配法,本文算法的吞吐量性能提升了57%,服务质量满意度性能提升了67%。     

基于单目视觉的航天器间相对位姿测量算法

对航天器间相对位姿的光学测量问题进行了研究,提出了一种新的单目视觉测量算法——相似迭代算法。该算法根据三角形相似原理提出了一种新的深度迭代机制,并通过引入深度变量,将求解2D-3D问题转化为迭代求解3D-3D问题。对数值仿真与两种现有的测量算法进行了比较。仿真结果表明,该算法具有精度高、抗噪声能力强和实时性较好等优点,可以应用于航天器间相对位姿测量等任务。     

移动机器人SLAM问题的研究

针对移动机器人同时定位与地图创建(SLAM)的问题,就扩展卡尔曼(EKF)算法所存在的缺陷,提出了一种改进的EKF-SLAM算法。它在扩展卡尔曼(EKF)算法上采用Rao-Blackwellise的分解思想-分解估计构架,将SLAM问题分解为路径估计和地图估计两个问题。实验表明,提出的算法大大降低了计算复杂度,提高了准确性,为在比较复杂环境下实时解决移动机器人同时定位与地图创建(SLAM)的问题提供了一种有效方法。     

三轴光电侦查平台可周转指向光束姿态算法设计

为解决某三轴可旋转光电侦查平台上光束旋转的姿态计算问题,分别利用了四元数算法和坐标变换算法对该问题算法进行了推算。经过仿真验证,这两种算法都能够得到正确结果。相比较而言,坐标变换算法形式简单,便于理解和实现。但是,坐标变换计算过程中大量使用的三角函数计算,计算量大,实时性差;四元数算法使用的三角函数计算很少,更易于工程应用。     

改进PID算法在浆液PH值控制系统中的应用

为了对浆液pH值控制系统进行全面的优化控制,使整个系统在最佳状态下运行,提出了一种改进PID算法。该算法利用单神经元具有自适应、自学习能力的优势,将神经元加入到PID算法中后,改进了控制系统稳定性和控制性能较差的问题;并结合浆液pH值控制系统的特点,设计了算法的具体流程。最后,利用改进前后的两种算法对优化问题进行了仿真分析,结果表明单神经元自适应PID算法具有更好的优化效果。     

一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法。该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割。算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度。实验结果表明该算法是一种切实可行的图像分割方法。     

基于遗传-模拟退火的蚁群算法求解TSP问题

传统的蚁群算法具有收敛性好、鲁棒性强等优点,但在解决旅行商(TSP)问题方面存在收敛时间长,容易出现停滞等问题。为了提高传统蚁群算法的解的质量,本文提出了基于遗传-模拟退火的蚁群算法（G-SAACO）,将遗传算法和模拟退火算法引入蚁群算法中。其方法是在传统蚁群算法中引入遗传算法的变异与交叉策略来得到候选解,增加解的多样性。同时引进模拟退火算法机制,使得在高温时以较高概率选择候选集中比较差的解加入最新集,温度控制上加入了回火机制,进一步提高解的质量。为了检验改进的蚁群算法,随机选用了TSPLIB中的部分城市进行仿真,结果与传统蚁群算法、模拟退火蚁群算法、遗传蚁群算法相比,算法具有较强的发现较好解的能力,同时增强了平均值的稳定性。     

一类求解箱式约束优化问题的自适应引力搜索算法

为了改进引力搜索算法求解箱式约束优化问题的性能,提出了一类自适应引力搜索算法,新算法定义了算法停滞系数,当算法陷入停滞时,可以自适应的修改引力参数,帮助算法跳出停滞状态;定义了个体相似系数,当种群陷入局部最优时,通过变异策略改善种群的多样性。数值试验结果表明,新算法有效的平衡了全局开发和局部搜索能力,具有更强的全局寻优能力,适于求解复杂优化问题。     

基于DPDV算法的二元光学元件设计

为解决用于高斯分布激光束整形的二元光学元件设计问题 ,在深入研究现有的各种迭代算法 ,如GS算法、模拟退火法、Alopex法等的基础上 ,提出了并行模拟退火算法和DPDV算法 (DifferentParametertoDifferentVariables)。特别是DPDV算法综合了各种算法的优点 ,而避开了其缺点。得到了迄今为止最好的计算结果     

一种三维矩阵的奇异值分解算法

提出了一种三维矩阵的奇异值分解算法,该法适合处理具有三维矩阵数据的模式识别和分类模型等领域实际问题,该算法与二维矩阵奇异值分解算法类似,通过求解约束条件极值问题获得,该算法与已有的三线性分解算法比较,相对简单,计算速度快,适合处理数据量大的实际问题,该算法也很容易推广到更高维阵列的光谱数据。     

纯方位目标跟踪的ST-MEF-PDAF方法研究

传统的最大熵模糊概率数据关联滤波器(MEF-PDAF)算法用于水下杂波环境下单站纯方位目标跟踪存在对系统模型变化鲁棒性差、跟踪机动目标能力低的问题;为了解决这些问题,对MEF-PDAF算法进行了改进,提出了强跟踪MEF-PDAF(ST-MEF-PDAF)算法;与强跟踪滤波器(STF)算法类似,ST-MEF-PDAF算法通过引入渐消因子来实时调节增益矩阵,提高了算法的鲁棒性;进行了水下杂波环境下单观测站纯方位目标跟踪的仿真实验,ST-MEF-PDAF能够在500秒以内跟踪机动目标,而传统的MEF-PDAF算法不能,即ST-MEF-PDAF算法跟踪机动目标的能力高于传统的MEF-PDAF算法。     

应用于全光网络恢复优化的自适应性免疫算法

针对全光网的网络恢复问题, 提出了一种基于免疫进化算法的恢复路由优化算法。算法以全光网络的虚拓扑为主要研究对象, 通过对网络虚拓扑的全局优化, 完成网络受损业务恢复。算法在优化过程中引用自适应参数进行调节, 避免了传统进化算法中可能出现的早熟或局部收敛等现象。同时, 算法中还着重考虑了网络资源的利用率问题, 使网络资源利用率最大化, 尽量减少失效造成的业务阻塞。仿真计算结果表明, 该算法在MESH结构全光网络的业务恢复中体现良好的性能优越性。     

二冷配水优化建模与混合自适应PSO算法求解

针对连铸二冷区生产环境复杂且存在着大量水雾干扰的情况,建立了连铸水量优化模型并提出了一种混合的自适应粒子群算法来求解连铸二冷水优化问题。依据冶金过程中的工艺要求建立了二冷水量优化模型,并在经典的PSO算法基础上提出了适合该问题求解了混合自适应PSO算法。由于连铸过程存在着偏微分方程约束,传统的优化方法容易陷入局部最优解,不能达到很好的动态优化效果。研究了粒子群算法,基于种群的多样性,不断的自适应的更新粒子群算法中参数,将禁忌搜索的方法和传统的粒子群算法结合,增强了算法的局部搜索能力和全局寻找全局最优的能力。将该算法应用到连铸二冷水动态优化中,实验结果表面该算法能够快速有效的求解该优化问题。该方法用于连铸二冷水优化是可行的、有效的。     

基于免疫遗传的多目标优化

提出了一种免疫遗传算法(MOGA)用来解决多目标优化问题。在该算法(MOGA)中,使用了高斯变异算子,提高了收敛速度;创建了记忆细胞集来保存每代所产生的Pareto最优解。此算法与NSGAⅡ算法进行模拟实验结果进行对比,通过比较发现,该算法无论是在个体的多样性还是收敛性上都要比NSGAⅡ算法好,表明免疫遗传算法在解决多目标优化问题上具有可观的研究前景。     

改进的Brenner图像清晰度评价算法

图像清晰度评价是基于数字图像的被动式自动调焦技术的基本问题之一.传统Brenner图像清晰度评价算法具有运算速度快特点,但是其评价准确性取决于阈值选取,且其灵敏度较低.针对上述问题,本文提出了一种改进算法.改进算法采用高通和带通两个滤波器对图像进行计算,克服阈值对传统Brenner算法评价结果的影响.为了衡量改进算法的性能,将其与传统的Brenner算法比较,并对评价算法的单峰性、无偏性、灵敏度、计算量等主要衡量标准逐一分析.实验结果表明:与传统的Brenner评价算法相比,改进算法在满足评价算法单峰性和无偏性前提下,提高了灵敏度,降低了计算次数.