【摘 要】
：
对自动化集装箱码头AGV (Automatic Guided Vehicle)自动运输系统路径规划算法和港口布局进行深入研究之后，针对岸桥与堆场之间路径规划中可能出现的冲突以及任务分配不均等问题，提出了基于动态平衡策略的自动化码头多AGV路径优化算法。通过对Dijkstra算法进行改进，在考虑路径距离的基础上，同时引入该路径上预计通过的AGV数量，实现了路径分配的动态平衡；提出了改进速度控制策略和
论文部分内容阅读
对自动化集装箱码头AGV (Automatic Guided Vehicle)自动运输系统路径规划算法和港口布局进行深入研究之后，针对岸桥与堆场之间路径规划中可能出现的冲突以及任务分配不均等问题，提出了基于动态平衡策略的自动化码头多AGV路径优化算法。通过对Dijkstra算法进行改进，在考虑路径距离的基础上，同时引入该路径上预计通过的AGV数量，实现了路径分配的动态平衡；提出了改进速度控制策略和重新规划路径控制策略，有效减少了冲突次数，且减少了道路堵塞率。建立了基于动态平衡策略与基于MAS(Mul
其他文献
伴随电子商务等新兴消费业态的迅猛发展，其碳排放量已不容忽视。本研究从空间分解和隐含碳转移的角度，基于对电商快递包装箱全生命周期的碳足迹研究，识别其在原料、生产、利用各环节与电商行为的地理空间耦合，分析各阶段及总排放的省域尺度格局特征，以及伴随快递流的隐含碳转移网络格局。研究发现：全国电商快递包装箱各阶段的碳排放在空间上高度集聚，原料阶段集中在广西，生产和利用阶段集中在广东、浙江、江苏，整体呈现出“
针对卫星通信中单-混信号调制类型识别效率低、准确性差等问题，该文提出一种基于高阶累积量和星座图聚类特性的调制识别算法。首先，根据4、6阶累积量的属性特点构建3个特征参数，以识别多进制相移键控(MPSK)和部分多进制正交幅度调制(MQAM)调制类型，然后结合改进的星座图减法聚类算法分离出剩余调制样式，最后将参数联合，建立决策树分类器进行统一调度。该算法不依赖信号诸多先验信息，具有特征提取参数简单、识
针对对流层延迟误差改正模型在不同区域的影响各不相同，为分析常用的GPT2w和UNB3m模型在桂林地区暴雨天气下的适用性，以暴雨频发的2017年6—7月为研究的时间段，基于桂林地区该时间段内8个CORS基准站解算的对流层天顶总延迟（ZTD）产品为参考值，对模型在桂林地区暴雨天气下的适用性进行分析，结果表明：在暴雨天气下GPT2w-1和GPT2w-5模型的平均偏差分别为-2.94和-4.37cm，RM
卫星影像是监测海面漂浮绿藻的重要数据源，但是混合像元的存在使得绿藻提取存在一定的误差。想要实现近海区域底栖绿藻的精细监测，需要解决绿藻亚像素覆盖度的问题。本文以厘米级分辨率无人机数据的绿藻提取结果为基准，通过分析Landsat卫星影像绿藻光谱，建立绿藻亚像素覆盖度与多种植被指数和多个特征波段反射率的反演模型。结果表明，蓝、绿、红波段反射率与绿藻亚像素覆盖度呈现较好线性关系，随着绿藻亚像素覆盖度递增
高空间分辨率（高分）遥感影像正被广泛应用，而传统分类算法在高分遥感影像上表现的精度和效率都较差，深度学习语义分割算法在高分遥感影像的实际分类中泛化性较差。为了适应大范围高分遥感影像的特点，提出了一种基于U-Net网络的模拟退火超参数优化与深度可分离卷积语义分割模型。首先在U-Net网络基础上使用了深度可分离卷积模块来进行特征提取，在保持高效性的同时减少模型的参数量和计算量，然后利用基于模拟退火的智
针对K2算法存在的序依赖性问题，提出了能够从给定数据集中有效学习变量序的启发式算法(H-vnK2)。具体而言，基于PC算法学习的v-结构知识以节点块的形式快速准确修正部分父子节点顺序，获得部分节点的最优序；基于PC算法学习的邻居集知识以距离阈值启发式策略进一步从全局最优角度修正父子节点顺序，获得所有节点的最佳序。实验表明，在标准数据集Asia、Alarm网络上，所提的算法显著优于对比算法，其中与性
针对现有无线体域网(Wireless body area networks,WBANs)中的安全和隐私性问题，为了充分利用生物特征的优势来确保WBANs内数据通信的安全性，该方案首次提出了一种具有生物特征的基于身份的隐私保护技术，然后利用该技术在WBANs中提出了一种新的访问控制方法。在安全性方面，该方案在随机预言机模型下是可证明安全的，并且具有机密性、认证性、完整性、不可否认性和匿名性。在性能方
在社交网络上面向群组推荐物品时，已有研究大多基于群成员的完整偏好，运用一些合成策略生成群推荐结果。但在实际中，促使群成员加入目标群的，可能只是其完整偏好中与该群相关的部分偏好。因此，使用群成员的完整偏好进行推荐便会带来大量的噪声，损害推荐效果。为解决这一问题，提出了一种基于异质信息网络分析的主题感知群推荐方法 HINGR＿GT(heterogeneous information network a
实时竞价(RTB)是在线展示广告中被广泛采用的广告投放模式，针对由于RTB拍卖环境的高度动态性导致最佳出价策略难以获得的问题，提出了一种基于强化学习(RL)的出价策略优化方法，即采用带惩罚的点概率距离策略优化(POP3D)算法来学习最佳出价策略。在基于POP3D的出价框架中，广告投标过程被建模为情节式的马尔可夫决策过程，每个情节被划分为固定数量的时间步，每个广告展示的出价由它的预估点击率大小和竞标
地图匹配是导航、交通分析等应用的重要步骤。针对仅依靠距离和轨迹与路径的相似性来判断正确道路，在并行和交叉路段的复杂路网环境中，易匹配到相邻路段或部分不可达的路段，导致匹配错误的问题，提出采用线性回归模型，能更精确描述道路形状在转弯处的变化，根据路段方向和移动对象移动的方向差判断并行或交叉路段，并通过参照多个后续点的匹配情况，实现复杂路段处的地图匹配，可以减少匹配错误。此外，还提出简化聚类的路网补全