基于改进混合蛙跳和GIS的城市垃圾车回收路径优化设计

针对城市生活垃圾由于回收不及时带来的二次污染加剧和现有的垃圾回收路径方案仍然成本过高的问题,设计了一种基于GIS和改进混合蛙跳算法的城市生活垃圾回收路径设计方法。首先引入了基于GIS的回收路径规划模型,以最小化垃圾回收总路径长度、车辆总费用和惩罚成本为目标建立了城市生活垃圾回收路径规划的数学模型。然后,对基本混合蛙跳算法进行了改进,提出了基于Tent映射和混沌扰动的初始种群生成方式,将规划的目标函数转换为适应度函数,为了加快算法的收敛速度,设计了一种自定义距离度量方式以衡量解之间的差异,从而实现最差解的自适应更新,以实现全局最优,最后,定义了基于GIS和改进混合蛙跳算法实现垃圾回收路径规划的具体算法。仿真实验表明：文中设计的算法能有效地实现城市垃圾回收路径规划,较其它算法相比,具有收敛速度快和寻优能力强的优点,是一种解决城市垃圾回收路径规划的可行方法。     

基于改进遗传算法的移动机器人路径规划

针对传统遗传算法存在的搜索效率低、易于陷入局部最优解的问题,提出了一种改进的遗传算法。采用简单的一维编码替代复杂的二维编码,节约了存储空间。在遗传算子的设计中,重新定义了交叉算子和变异算子,避免了陷入局部最优。最后将最短路径和免碰撞相结合作为适应度函数进行遗传优化。实验结果表明,改进的算法能够快速、有效的规划出最优路径。     

无人机多阶段航迹预测协同任务规划

针对多无人机(Unmanned Aerial Vehicles, UAVs)协同控制问题,提出了一种UAVs多阶段航迹预测分布式任务规划方法。定义从一次任务分配开始到其中一项任务完成为一个任务周期。在每个规划周期,首先,各UAV使用A*算法快速预测到所有任务目标的路径,提供至任务分配;然后,采用聚类算法修改目标价值向量,协商分配结果,并实时计算探测范围内的最短路径;最后,采用三次B样条曲线平滑所分配的最短路径,在线规划出满足飞行约束的飞行航迹。通过仿真实验对算法的有效性进行了验证,结果表明,提出的算法能够实时获得近似最优的任务分配结果并规划出可飞行航迹,并有效处理突发任务。     

改进蚁群算法在移动机器人路径规划中的研究

移动机器人合理的路径规划是进行探索任务的前提,针对移动机器人路径规划的复杂性,把蚁群算法引入到机器人路径规划中;普通的蚁群算法存在收敛速度慢、效率低和容易陷入局部最优等缺陷,难以直接应用于机器人路径规划中;提出一种在蚁群算法中改进信息素的更新方式、引入最大最小蚁群系统以及改进状态转移规则的移动机器人路径规划方法,在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明该方法能缩小最优路径的查找范围,降低发现最优路径所需的循环次数,能有效提高最优路径的搜索效率,整体性能优于普通蚁群算法。     

一种改进的三维双路径脑肿瘤图像分割网络

近几年,深度学习在生物医学图像处理中的应用得到了广泛关注。从深度学习的基本理论和医学领域应用出发,提出了一种改进的三维双路径脑肿瘤图像分割网络,用于提高核磁共振成像序列中对脑肿瘤各个区域的检测精度。所提算法以3D-UNet为基础架构,首先,使用改进的双路径网络单元构成类似于UNet的编码-解码器结构,该网络单元在保留原有特征的同时,还可以在脑肿瘤的纹理、形状和边缘等方面产生新特征,来提高网络分割精度;其次,在双路径网络模块中加入多纤结构,在保证分割精度的同时减少了参数量;最后,在每个网络模块中的组卷积之后加入通道随机混合模块来解决组卷积导致的精度下降问题,并使用加权Tversky损失函数替代Dice损失函数,提高了小目标的分割精度。所提模型的平均Dice_ET、Dice_WT和Dice_TC均优于3D-ESPNet、DeepMedic、DMFNet等算法。该研究结果具有一定的现实意义和应用前景。     

马格努斯效应演示教具的制作与研究

利用伯努利原理,制作了演示马格努斯效应的风力小车,并对小车动力作了理论推导,进一步通过实测小车受力等数据,得到了小车受力的经验性公式,还对小车作了改进,使其结构更加轻巧,且增加了新的演示功能.     

基于A*算法的无人机跟踪目标的航迹规划

针对无人机跟踪目标的航迹规划问题,本文提出了一种双评估函数的改进A*算法。首先,根据无人机在跟踪目标时的飞行特点提出了航迹规划策略,并结合无人机的油耗、航迹长短和机动性能等约束条件来设计中间目标点的评估函数和航迹片段的评估函数。之后,采用加权法对A*算法进行改进,以使航迹的优化与时间耗费之间找到平衡点。同时,改进在Open表中插入与删除节点的方式,提高计算效率。最后,通过对跟踪航迹的仿真,表明该算法可以快速、有效地为无人机在跟踪目标时规划出优化的航迹。     

基于CamShift和Kalman组合的改进目标跟踪算法

针对应用CamShift算法进行目标跟踪过程中,当目标被严重遮挡、目标被与目标颜色相近的背景干扰时易丢失跟踪目标的问题,提出了一种基于CamShift和Kalman滤波组合的改进跟踪算法;为克服目标因严重遮挡而丢失的缺陷,利用自适应算法改进了传统的CamShift算法,扩大了搜索窗口,使运动目标位于搜索窗口内;为解决目标因颜色相近背景干扰而丢失的问题,改善跟踪准确率,利用卡尔曼滤波预测目标运动空间位置,作为下一帧搜索窗口的质心坐标;基于上述改进,利用C++语言,研发了改进的CamShift目标跟踪软件模块,给出了该模块的算法流程;实验结果表明,改进后的目标跟踪算法能有效地克服传统CamShift算法的缺陷,大大提高运动目标跟踪的准确性;所提的算法可以应用于运动小车跟踪,人脸识别等领域。     

基于改进动态规划的主动声纳序列图像检测方法

动态规划是序列图像小目标检测的常用方法,该方法假设各帧图像间目标转移过程为马尔可夫过程,将能量累积计算量由原本的按图像帧数幂指数增长变为成倍增长,大大减小了计算量,使计算目标多帧累积能量变为可能。为了提高算法检测能力,该文根据动态规划算法原理及惩罚函数特点对算法进行了改进,使原本的二阶规划过程变为三阶,使指标函数更加有效地累积,有效提高了相同虚警概率下的检测概率。还利用该算法设计了主动声纳序列图像检测过程,并进行了仿真,验证了算法的有效性。     

改进C-V分割算法在多光谱成像仪中的应用

为了进一步提高C-V模型的分割速度、降低初始轮廓曲线位置对分割结果的耦合性, 提高多光谱成像仪图像分割效率, 本文提出一种改进的C-V模型。该模型通过将每次迭代得到的距离函数的最大值引入C-V模型的Dirac函数, 对该函数进行自适应参数修正, 以拓宽活动轮廓线的有效作用范围, 进而大大降低分割算法的迭代次数。实验结果表明, 与经典的C-V模型相比, 改进的C-V模型在其终止条件下得到了较理想的分割效果, 降低了初始曲线位置对最终分割结果的影响, 且新模型的收敛速度在原有的基础上至少提高了7倍。改进的C-V模型在实时性及全局性方面都得到了明显改进, 进一步提高了该算法在多光谱成像仪的图像分割方面的鲁棒性。