联合稀疏信号恢复中的分布式路径协同优化算法

基于融合中心的多观测向量联合稀疏信号恢复算法需要将各个传感节点的数据传输到融合中心(融合中心可能远离各个节点),该方法在节点功率受限以及缺少融合中心的传感网络中并不适用。为了克服上述困难,本文提出了一种分布式路径协同优化算法来解决上述问题。由于采用了分布式计算和路径协同优化,各个传感节点只需与其近邻节点进行少量的数据传输,每个节点所消耗的传输数据功率和所承受的计算复杂度较低。实验结果表明,本文提出的算法的性能能够很好的逼近基于融合中心的联合稀疏信号恢复算法的性能。      

多无人机协同定位下的路径优化

利用无人机携带定位设备在空中进行辐射源目标的时差定位,可有效避免因地面布站几何因子和非视距传播带来的误差。在此场景下,针对具有定位精度保证的飞行路径最小化问题,本文推导了定位误差期望的下界,构建了最小化该下界的飞行路径优化模型,并针对该模型提出两种数值近似优化算法。在多种场景下,仿真实验对两种算法的路径优化性能进行了对比;在飞行距离受限条件下,仿真实验研究了两种算法的定位精度差异。      

浅谈电力线路设计的路径选择与杆塔定位

路径的选择与勘测是整个电力线路设计的关键环节,合理选择路径、科学定位杆塔对保障整个电力系统的网络运行具有重要意义,有利于促进整个电力网络的健康发展.基于此,本文主要对电力线路设计的路径选择与杆塔定位进行分析,仅供参考.     

多路恢复数据流并行传输与控制方法

为有效缩短灾难恢复时间,提出了一种多路恢复数据流并行传输与控制方法(MRPTC).首先,待恢复服务器与多个备用服务器建立连接,将当前破损数据与原始的完好数据(备份数据)做差异比较,获得两者的差异数据,然后从各备用服务器处动态并行下载差异数据的不同部分,再在本地进行拼合,获得完整的数据,从而实现数据的快速恢复.该方法具有多点协同差异恢复、恢复速度快、带宽利用率高、传输网络要求低等优点.理论分析和实验结果表明,该方法是快速灾难恢复的一种有效的新途径.     

基于数据驱动的货车地铁协同配送路径优化

基于节约成本和减少城市物流对公共运输资源占用的目的,综合考虑货运需求、货车运输时间的不确定性、地铁班期限制等问题,建立了货车地铁协同配送多目标路径优化模型。设计了基于数据驱动的多目标仿真蚁群算法（DDS-MSAC）,引入Pareto理论和蒙特卡罗仿真,将数据池和机器学习相结合解决算法高耗时性问题。结合重庆市轨道交通和部分快递站点构建协同配送实例进行分析对比,结果表明,货车地铁协同配送方案更优。     

公交停靠站多线路换乘协同调度

城市公交运行过程中,当在同一站点的多条线路之间相互换乘的需求都较大时,常规调度方式无法满足此需求。因此本研究提出对公交车辆在换乘站点的驻站时间进行控制,延长先到站车辆在换乘站点的驻站时间,促使先到站车辆可在换乘站点等待有换乘关系车辆,从而使得非同时到站车辆依然可以实现多线路乘客相互换乘。本研究首先以乘客平均行程时间最小为优化目标,考虑发车间隔以及驻站时间的限制,提出非线性规划模型,对多线路公交的发车频率以及在换乘站点的驻站时间进行优化。其次,设计了分步优化算法,考虑发车间隔组合不同时,可行解结构不一致的情况。从约束条件出发,首先生成可行解集,再依据发车间隔组合的不同,将解集分成多个子集,运用邻域搜索算法分别对每个子集进行搜索,从而避免搜索过程中对可行解结构进行重复判断。最后基于算例验证模型与算法的有效性,结果表明,与常规调度策略相比,本研究提出的调度策略可使乘客平均行程时间减少11.23%。     

基于云计算的冷链物流配送车辆路径优化方法研究

针对冷链物流配送车辆路径优化问题,分析云计算模式下处理配送车辆实时路径的优势,建立了冷链物流配送车辆路径优化应用服务架构;并在该架构下获取多源实时交通信息,分析车辆配送时间和综合成本,构建了冷链物流配送车辆路径优化模型,并在云计算环境下利用粗粒度并行遗传算法对模型进行求解,实验结果表明云计算环境下冷藏车辆实时路径优化方法是有效的,该方法对冷链物流配送成本实现精细化控制,提高配送服务效率,具有实际意义。     

协同项目多目标任务分配优化算法

在协同项目中，伙伴企业间的任务分配问题直接影响到项目的整体获益。针对这一问题，以费用最小和承担企业数最少为目标，并充分考虑了任务之间的紧密关联关系，提出了一个有效的任务分配启发式算法，并进行了实例验证，给出了对算法的评价。     

配电网供电优化恢复策略

本文从配电网的特点及供电恢复的目的分析入手,提出配电网的供电恢复优化策略。期望通过本文的研究能够对提高配电网的供电可靠性有所帮助。     

复杂环境下多机器人协同覆盖搜索路径规划

为提高复杂环境下多机器人协同搜索的覆盖效率及适应性,提出一种多机器人协同覆盖搜索路径规划策略。首先,在目标区域中利用协同进化粒子群优化(CCPSO2)算法进行传感器位置部署;其次,利用改进的K-means方法对传感器部署点进行聚类,实现有效的任务区域划分;最后,以部署的传感器位置为路径点求解旅行商问题(TSP),获取每个机器人的封闭路径,从而实现协同覆盖搜索。实验结果表明,所提算法能够在保证良好避障和覆盖周期最小化的同时,为每个机器人获得更均匀的覆盖路径,实现多机器人的有效协同覆盖搜索,且能够有效适应外部复杂环境,具有良好的鲁棒性。     

QoS约束的链路故障多备份路径恢复算法

链路故障的恢复,不仅仅是选择一条连通的备份路径问题,还应考虑网络业务故障恢复过程中的QoS需求。针对此问题,该文基于多备份路径策略,构建概率关联故障模型和重路由流量丢弃量优化目标。并基于该优化目标,以业务的QoS需求为约束,建立故障恢复问题的数学模型,提出一种QoS约束的链路故障多备份路径恢复算法。该算法构建单条备份路径时,以最大程度地减少重路由流量丢弃为目标,并采用改进的QoS约束的k最短路径法进行拼接,且给与高优先级链路更多的保护资源。此外还证明了算法的正确性并分析了时间空间复杂度。在NS2环境下的仿真结果表明,该算法显著提升了链路故障恢复率和重路由流量QoS满足率,且QoS约束条件越强,相较于其它算法优势越明显。     

中压数字电力线路传输超高速信息设计

中压电力线路是指35kV以下380V以上的供电线路，广泛应用于乡镇到农村及城市社区、郊区等高／中压变电站与中／低变压器之间配电网的电力线路。一般条件下，县城以下的中压配电网为10kV架空三相电力线路，该配电线路供电半径多为8km之内。10kV主干线路宜分为2-3段，最多不超过5段，并装设分段开关（详见国家电网公司文献）。     

车联网云边协同计算场景下的多目标优化卸载决策

车联网场景下的计算任务对时延非常敏感,需要云边协同计算来满足这类需求。针对车联网云边协同计算场景下如何高效地进行服务卸载并同时考虑服务的卸载决策以及边缘服务器和云服务器的协同资源分配问题,设计了基于云边协同的车辆计算网络架构,在该架构下,车载终端、云服务器和边缘服务器都可以提供计算服务;通过对缓存任务进行分类并将缓存策略引入车联网场景,依次设计了缓存模型、时延模型、能耗模型、服务质量模型以及多目标优化问题模型;给出了一种基于改进的多目标优化免疫算法的卸载决策方案。最后,通过对比实验验证了所提卸载决策方案的有效性。     

无人机协同的路径规划与通信保持优化策略

为降低无人机通信的信号中断、改进优化多无人机协同的搜索与路径规划质量,提出基于无人机自定位、改进蚁群遗传算法的组合算法,通过将多个无人机的地上目标旅行商航路规划（Multiple Traveling Salesman Problem,MTSP）问题,转换为多个独立路径的组合优化集合（TSP）问题,引入局部信息素的搜索优化算子,为避免路径寻址工作陷入过早收敛,设计与应用选择算子、交叉算子,对不同无人机路径规划的种群个体作出交叉操作。同时在无人机通信网络路由选择分析的基础上,通过调整无人机的路径规划方式,优化通信网络性能、降低通信延时,实现区域内多无人机目标的可靠信息传输。     

用无源中继技术优化微波传输路径设计

在简要分析微波信号传输特性和各种无源中继装置的性能特点的基础上，提出在闭电路、半开电路、存在强反射地形的电路中灵活地插入无源中继装置后，可以找到比较理想的传输路径，而且在许多情况下可以用无源中继装置取代有源中继站。最后以一工程实例加以说明。     

装备抢修车多目标路径优化

针对战场抢修工作的特点,建立了考虑安全性、时间损耗等因素的多目标路径优化模型,采用蚁群算法对问题求解,并对蚁群算法进行改进,提升了算法的收敛速度。     

基于合作模型的协同免疫多目标优化算法

本文针对多目标优化问题Pareto最优解集合(PS)的分布特点,构造了一种基于新的子任务划分方法的合作型协同进化模型,并将该模型引入人工免疫系统中,提出了一种基于合作模型的协同免疫多目标优化算法(A Cooperative Immune Coevolutionary Algorithm for Multiobjective Optimization,CICAMO).CICAMO算法运用Tchebycheff分解方法进行子种群划分,然后对各个子种群建立线性概率统计模型分段逼近整个PS,在抗体繁殖上结合了克隆选择和模型采样两种方式.实验结果表明,CICAMO算法在求解质量和收敛速度上均表现良好,尤其对于决策变量非线性相关的多目标优化问题,性能尤为突出.     

考虑碳排放约束的多式联运路径优化

探讨考虑碳排放约束的多式联运路径优化问题。全球对环境问题的关注和低碳运输的推广使得多式联运备受关注。本研究设计了基于遗传算法的路径优化模型,综合考虑碳排放、运输成本和客户需求等多个目标,解决运输路径选择的挑战。通过实验验证,遗传算法在碳排放约束的多式联运路径优化中表现出有效性和优越性。研究结果显示,优化路径显著降低碳排放量,同时满足运输成本和客户需求。本研究对推动多式联运的可持续发展具有重要意义,能够为物流企业提供路径决策和资源利用的参考和指导,实现高效低碳运输。未来研究可进一步探索其他优化算法和模型,提升多式联运路径的效率和可持续性。     

基于稀疏差分协同进化的多源遥感场景分类攻击

随着深度学习技术的迅猛发展,各种相似的骨干网络被用于多源遥感分类任务中,取得了很高的识别正确率.然而,由于神经网络极易受到对抗样本的攻击,这给遥感任务带来了很高的安全隐患.以往的对抗攻击方法可有效攻击单波段遥感图像的分类器,但不同波段的攻击并不耦合,这导致现有方法在现实世界中难以用于多源分类器的攻击.针对多源遥感的特性...