基于用户需求的停车诱导方法研究

为了满足不同驾驶员对停车收费价格、停车场到目的地的步行距离以及社会对停车场的评价的用户需求,实现停车诱导系统与用户之间的互通,提出了一种基于用户需求的停车场选择的诱导方法,分析影响停车行为的各个因素,通过对目的地周边停车场选择,建立停车搜索模型,根据驾驶员的用户需求为其提供停车场优先决策方法,最后,利用模糊层次分析法讨论了模型的可行性。     

基于DIJKSTRA的无线传感器网络分簇路由算法

为加快无线传感器网络最优路径搜索速度、减少路径寻优能量消耗和延长网络寿命,提出了基于改进的DIJKSTRA算法的无线传感器网络分簇路由算法;运用DIJKSTRA算法在无线传感器网络内以多跳接力的方式来搜寻从源节点到目的节点的最短路径;结合能耗优化策略,避免网络能耗热点问题,实现网络能耗均衡;通过与基于蚁群算法的路由算法对比分析,基于Dijkstra的网络分簇路由算法能优化网络分簇并建立较优传输路径,其快速收敛性能减缓了网络中簇头节点的能耗,延长了网络寿命,提高了网络鲁棒性。     

一种改进的Sobel梯度函数自动对焦评价算法

传统的自动对焦梯度函数评价算法在对细胞显微图像进行对焦时,由于对焦精度不佳,图像受噪声的影响较大。针对此问题,通过对不同对焦评价函数性能进行对比,提出了一种基于Sobel梯度函数改进的自动对焦评价算法——Sobel4direction_Brenner梯度函数算法。对对焦评价技术设计指标和算法的通用性进行了验证,结果表明:在调焦时该算法较传统对焦梯度函数能更好的抑制噪声,并且使电机在爬山算法的搜索对焦中具有更小的对焦搜索区间范围,获得的细胞显微图像的清晰度评价值也更高。     

带约束条件的停车场启发式停车诱导算法

随着城市化进程的推进,市区停车难严重制约交通的发展。针对停车场使用效率低下问题,分析了影响车位选择的各种因素,提出带有约束条件的泊车诱导算法,通过划分场内小区保证车辆在空间均衡分布,以最短行驶路径/时间和停车难度两项指标衡量道路权重,使用改进的启发式A*搜索算法计算最佳车位。仿真结果证明方法合理可行,在时间和效率上有所节省,所选的最佳车位更符合实际情况。     

一种采用优势个体多方向强制搜索策略的换热网络优化方法

提出一种采用优势个体多方向强制搜索策略的进化算法, 通过考察种群中个体差异性指标, 用以评价当前种群全局搜索的健康度。当优化结果出现长期停滞, 即健康度指标变差时, 启动优势个体多方向强制搜索策略, 扩大优势个体在靠近局部最优解区域的搜索方向, 保证算法全过程的全局搜索能力。用15SP和20SP算例进行验证, 与文献中最优结果相比, 分别下降了1.09%、0.83%, 表明优势个体多方向强制搜索策略充分发挥了优势个体的进化潜力, 提高了算法的优化效能。     

基于结构多样性评价的换热网络全局最优化

针对启发式方法在优化换热网络时由于个体团聚而出现搜索能力下降,建立一种换热网络结构多样性评价方法,对种群中个体结构团聚程度进行衡量,并指导算法改进.对种群进行集团划分,将一定数目的具有公共结构的个体归为一个集团,从而得到个体结构分布;提出分散搜索策略,对于各集团中除集团最优个体外的其它个体,从其公共结构中随机选择若干个换热器进行摄动以分散集团中的个体结构;提出集中搜索策略,通过使其它个体获得最优集团对应公共结构以加强对较优结构的集中开发;采用9股流与15股流两个算例,验证分散搜索策略增强了全局搜索能力,集中搜索策略增强了局部搜索能力,优化结果分别较原算法降低了7 008针对启发式方法在优化换热网络时由于个体团聚而出现搜索能力下降,建立一种换热网络结构多样性评价方法,对种群中个体结构团聚程度进行衡量,并指导算法改进.对种群进行集团划分,将一定数目的具有公共结构的个体归为一个集团,从而得到个体结构分布;提出分散搜索策略,对于各集团中除集团最优个体外的其它个体,从其公共结构中随机选择若干个换热器进行摄动以分散集团中的个体结构;提出集中搜索策略,通过使其它个体获得最优集团对应公共结构以加强对较优结构的集中开发;采用9股流与15股流两个算例,验证分散搜索策略增强了全局搜索能力,集中搜索策略增强了局部搜索能力,优化结果分别较原算法降低了7 008■·a~(-1)与17 973■·a~(-1)且均优于文献结果.     

推销员问题的重要抽样模拟退火方法

采用随机三角点阵上城市间的最近邻关系，构造路径子空间来求解旅行推销员问题。用重要抽样的模拟退火算法及段优化法大大提高了计算的效率，节省了计算时间，得到较优的结果。     

基于量子蚁群算法的旅行商问题求解及算法评估

量子蚁群算法是一种将量子理论与传统蚁群算法结合的高效生物进化算法,主要应用于故障诊断、路径规划、图像分割等问题的优化.基于传统蚁群算法的流程,介绍量子蚁群算法中的量子理论基础以及量子理论如何应用于蚁群算法.通过若干旅行商问题实例分析量子蚁群算法较传统蚁群算法的优势.针对目前研究多以离散指标来评估不同算法、难以直观显示不同算法综合差别的问题,提出一种综合评估算法搜索效率的方法,成功应用于量子蚁群算法和传统蚁群算法的对比,具有一定的实践意义.     

邻域搜索蚁群算法在无线传感器网络数据融合中的应用

为了减少网络中的数据传输量,提高数据融合率,降低网络延时,针对无线传感器网络数据融合问题的研究,提出了一种邻域搜索蚁群算法。首先利用蚁群算法寻找最短路径的优势,构造最短路径。为了避免蚁群算法的早熟收敛和收敛速度慢的问题,当达到一定的迭代次数后,运用具有可变邻域搜索的变异算子对搜索结果进行优化。算法不但考虑了无线传感器网络节点能量消耗也考虑了数据传输的网络延时问题。实验结果表明,该算法减少了网络能耗,降低了网络延时,稳定性更好,性能更优。     

角度受限下稀疏投影数据的改进粒子群优化随机CT重建

当计算机断层成像(CT)中X射线的采样范围和数量受限时,得到的稀疏投影数据完备性很低,重建算法的搜索空间巨大。基于凸优化思路的迭代求解算法及其改进采用固定搜索路径,难以在有限时间内收敛至全局最优解;粒子群优化具有全局搜索能力,但计算成本和存储代价过高。为解决这类不完备投影数据的重建问题,提出基于粒子群优化的随机稀疏重建算法。首先,通过随机策略生成具有多样性的初始种群,以保证算法的搜索能力;其次,随机选择梯度下降或基于个体历史最优解和全局历史最优解的随机方向进行迭代,以兼顾算法效率和搜索方向的多样性;最后,基于适应度评价,有针对性地重新生成随机初始种群,强制跳离局部最优。针对角度受限下无噪声和含噪声的稀疏投影数据,分别进行重建实验。结果显示,与常见的凸优化迭代和粒子群优化算法相比,本文算法既能保证算法效率,又在重建质量和算法稳健性上具有明显优势。     

A temporal ant colony optimization approach to the shortest path problem in dynamic scale-free networks

A large number of networks in the real world have a scale-free structure, and the parameters of the networks change stochastically with time. Searching for the shortest paths in a scale-free dynamic and stochastic network is not only necessary for the estimation of the statistical characteristics such as the average shortest path length of the network, but also challenges the traditional concepts related to the “shortest path” of a network and the design of path searching strategies. In this paper, the concept of shortest path is defined on the basis of a scale-free dynamic and stochastic network model, and a temporal ant colony optimization (TACO) algorithm is proposed for searching for the shortest paths in the network. The convergence and the setup for some important parameters of the TACO algorithm are discussed through theoretical analysis and computer simulations, validating the effectiveness of the proposed algorithm.     

基于关键路径链和PACGA的网络总线资源调度方法研究

针对传统工业控制网络总线资源调度算法在节点数量逐渐增加时收敛速度慢和搜索精度不高,且准确度及效率低等问题, 提出了一种基于关键路径链和多态蚁群遗传算法(PACGA)的资源调度方法,采用关键路径链的调度算法获取需求调度的节点,不同节点间采用多态蚁群遗传算法进行资源的调度,依据照工业控制网络资源调度的特征,用自适应调整挥发系数增强节点的全局搜索性能,通过候选节点集方法缩小搜索区域提高算法的搜索效率,完成工业控制网络总线资源的高效调度。仿真实验说明,该种方法在工业控制过程中任务数量较多的情况下仍然具备较高的运行效率和精度,并且具有较低的运行时间,具有较强的应用价值。     

改进的QGA-ELM算法水稻叶面积指数反演模型

为了通过植被指数（VI）准确、可靠的获取不同施肥梯度、不同品种的水稻叶面积指数（LAI）,提出了一种基于改进的QGA-ELM算法应用于水稻LAI反演。首先通过8折交叉验证确定极限学习机(ELM)最佳的隐含层神经元个数与隐含层激活函数类型,再通过引入组合动态旋转角策略、单点混沌交叉操作、混沌变异操作、确定性选择策略、量子灾变操作对量子遗传算法（QGA）进行改进,最后使用改进后的QGA算法优化ELM神经网络输入层到隐含层的连接权值和隐含层的阈值。为了验证该模型普适性和有效性,依次建立多元线性回归、BP、ELM、QGA-ELM、改进的QGA-ELM算法5种模型,并在不同数据集上进行反演效果比较,结果表明：（1）对比QGA-ELM算法和改进的QGA-ELM算法进化过程,改进的算法能有效提升模型寻优能力,避免算法早熟,且能寻得更优结果。（2）对比五种算法在不同数据集上的反演效果,验证了NDVI,RVI与LAI之间主要为非线性关系,且ELM神经网络模型反演效果要优于BP神经网络模型和多元线性回归模型。（3）对比五种算法在不同数据集上的反演效果,改进的QGA-ELM算法绝大部分情况下拥有最高的反演精度和最低的误差,改进后的算法反演精度得到了明显提升,泛化性能也得到了增强。（4）改进的QGA-ELM算法在各种施肥梯度上均具有最高反演精度和最低误差,且精度较高,能为不同生长状况水稻LAI反演提供依据。（5）五种模型对庆和香LAI反演精度均要高于龙稻18,而改进的QGA-ELM算法在不同水稻品种上依然具有较高的反演精度,且在不同水稻品种上反演精度相差极小,远低于其他四种模型,能很好适应不同水稻品种LAI反演要求,极大提升模型的稳定性性,为不同水稻品种反演提供参考意义。     

双重并行环境下最短路径的研究

并行问题和最短路径问题已成为一个热点研究课题,传统的最短路径算法已不能满足数据爆炸式增长的处理需求,尤其当网络规模很大时,所需的计算时间和存储空间也大大的增加;MapReduce模型的出现,带来了一种新的解决方法来解决最短路径;GPU具有强大的并行计算能力和存储带宽,与CPU相比具有明显的优势;通过研究MapReduce模型和GPU执行过程的分析,指出单独基于MapReduce模型的最短路径并行方法存在的问题,降低了系统的性能;论文的创新点是结合MapReduce和GPU形成双并行模型,并行预处理数据,针对最短路径中的数据传输和同步开销,增加数据动态处理器;最后实验从并行算法的性能评价指标平均加速比进行比较,结果表明,双重并行环境下的最短路径的计算,提高了加速比。     

基于多维评价模型及改进蚁群优化算法的云计算资源调度策略

针对云计算环境下资源调度模型未充分考虑资源评价的问题,为更好适应不同节点计算性能和大规模数据环境的处理需求,提出了一种基于多维评价模型的虚拟机资源调度策略。首先,在云计算环境下建立包括网络性能在内的多维资源评价模型,在此基础上提出一种改进的蚁群优化算法实现资源调度策略;然后在云计算仿真平台CloudSim上进行实现。实验结果表明,该算法可以更好适应不同网络性能的计算环境,显著提高了资源调度的性能,同时降低了虚拟机负载均衡离差,满足了云计算环境下的虚拟机资源负载均衡需求。     

一种基于信息保留网络的图像去噪算法

由于成像设备等各种因素影响, 图像在成像或传感过程中会受到噪声干扰。图像去噪旨在减少或消除噪声对图像的影响, 这一过程往往会导致高频信息的丢失。为了在去除图像噪声的同时保护图像的边缘信息与纹理细节, 文章提出了一种计算复杂度相对较低的含有信息保留模块的卷积神经网络, 直接对含噪声图像进行降噪。信息保留模块通过残差学习提取局部长路径和局部短路径的混合特征信息。该文采用峰值信噪比(PSNR/dB)和结构相似性(SSIM)两项评价指标对实验结果进行量化, 这两项指标值越大, 说明去噪效果越好。实验结果表明, 在峰值信噪比和结构相似性2项评价指标的均值可达到30.36 dB和0.828 0, 相比其他对比算法, 2项评价指标分别平均提升了2.15 dB和0.072 9。该算法对不同种类、不同水平的噪声都具有良好的去噪效果, 且速度优于所对比的一般算法, 对基于卷积神经网络的去噪工作的进一步发展有一定的作用。     

Random Parking, Sequential Adsorption,¶and the Jamming Limit

Identical cars are dropped sequentially from above into a large parking lot. Each car is positioned uniformly at random, subject to non-overlap with its predecessors, until jamming occurs. There have been many studies of the limiting mean coverage as the parking lot becomes large, but no complete proof that such a limit exists, until now. We prove spatial laws of large numbers demonstrating that for various multidimensional random and cooperative sequential adsorption schemes such as the one above, the jamming limit coverage is well-defined. Received: 18 August 2000 / Accepted: 13 November 2000     

基于混沌理论和改进径向基函数神经网络的网络舆情预测方法

网络舆情发展趋势具有混沌系统的特征, 提出一种基于EMPSO-RBF神经网络的方法对网络舆情的发展趋势进行预测. 首先根据Lyapunov指数证明网络舆情具备混沌的特征, 然后对网络舆情时间序列数据进行相空间重构, 最后采用EMPSO-RBF方法进行预测, 并和其他模型进行对比试验, 实验结果表明EMPSO-RBF方法具有较高精确度.