【摘 要】
:
从图的拓扑特征角度出发,提出了一种解决交通网络线圈布局优化问题的支撑树算法。新方法首先通过网络超级变换使得流量守恒条件在变换后网络的所有节点上均成立,再通过分析一般支撑树的拓扑特征,从而得到一种解决全网观测最小线圈集位置确定问题的图论方法。新方法具有如下特点:a)避免了复杂的数学分析与运算;b)揭示了安装线圈路段的网络拓扑结构;c)利用支撑树多样性的优势,可提供多种优化布局方案。最后通过算例验证了
论文部分内容阅读
从图的拓扑特征角度出发,提出了一种解决交通网络线圈布局优化问题的支撑树算法。新方法首先通过网络超级变换使得流量守恒条件在变换后网络的所有节点上均成立,再通过分析一般支撑树的拓扑特征,从而得到一种解决全网观测最小线圈集位置确定问题的图论方法。新方法具有如下特点:a)避免了复杂的数学分析与运算;b)揭示了安装线圈路段的网络拓扑结构;c)利用支撑树多样性的优势,可提供多种优化布局方案。最后通过算例验证了该方法的合理性与实用性。
其他文献
提出了一个基于网格的计算化学过程可视化解决方案,实时地监控计算过程,增加对计算过程的控制。网格提供了计算作业所需要的大量计算资源,对计算过程的实时监控则增加了对计算过程的控制。为了达到实时的目的,针对计算过程中的原子不变性,提出了优化的三维可视化方法,动态地设定检测的时间间隔,并引入了断点续传的思想。
设计了融合差分进化和PSO算法优点的混合智能优化算法DEPSO,通过在粒子迭代过程中,随机选择一定数量的粒子进行差分进化操作,增加粒子的多样性,使陷入局部极小的粒子逃出,以保证DEPSO的全局收敛性能,并采用典型测试函数验证了DEPSO的性能。针对模糊相关机会规划EOQ模型求解难题,设计了基于模糊模拟方法和DEPSO的智能求解算法来计算模糊事件的可信性,从而得到了使库存费用不超过预算水平的可信度最
现有的防窃听安全网络编码的研究中,所采用的方法主要有信息论和密码学方法。按照所采用方法的不同,从两方面对现有的防窃听安全网络编码研究中的主要工作进行总结,进而从三个角度对现有的方法进行了分析和比较,对现有方法的优缺点进行了阐述。
传统的多类型反向最近邻(multiple type reverse nearest neighbor,MTRNN)查询算法没有过滤搜索空间中的数据,因此效率低下。为有效提高MTRNN查询的效率,在概述MTRNN基础上采用几何方法开发了基于R-tree的闭区域和开区域修剪方法并进一步提出了高效的过滤算法。过滤算法通过构造闭修剪区域和开修剪区域来修剪查询空间,对大数据下的MTRNN查询过滤效果十分显著
分析了支持向量机(support vector machine,SVM)目前主要存在的问题和参数选择对分类性能的影响后,提出了以改进粒子群算法优化SVM关键参数的优化SVM算法。将加入拥挤度因子的微粒群算法引入到SVM中,在不牺牲泛化性能的前提下,对其参数进行优化,增加了SVM初始化参数的多样性,减慢了局部搜索,促进其在全局范围内的寻优搜索,以有效克服SVM算法过分依赖初始值和容易陷入局部极小值的
基于小世界网络理论构建了一个企业合作关系网络,提出了自我反省与模仿集体相结合的个体企业学习策略。通过NetLogo对经济区域商业合作信用演化过程进行了仿真。结果表明,在无管制的情况下,经济区域的商业信用情况会不断恶化,而失信惩罚协约以及信用公开机制都能有效地改善经济区域的商业合作信用。
为了研究图像压缩与加密同步进行及提高安全性问题,提出了一种基于改进零树结构的分块图像联合压缩加密算法,将图像对应不同分块区域映射到相应子带中。利用密钥对图像压缩产生的原始上下文进行修正,然后与判决一起送往自适应算术编码器实现图像联合压缩加密。由于自适应算术编码的概率跳转规律复杂,相对概率固定的区间分裂算术编码安全性更好。对所提出的算法进行仿真,结果表明:与原始图像压缩算法相比较,所提出的算法具有基
针对虚实配准的高精度和实时性要求,提出了一种基于CenSurE特征的自适应虚实配准方法。该方法包括离线初始化和在线跟踪两个阶段。离线阶段系统利用CenSurE-OCT滤波器和MU-SURF描述符进行特征提取和匹配操作,并根据特征匹配集合建立坐标系,同时求得虚实配准的初始矩阵。在线跟踪阶段系统采用自适应跟踪方法获取当前图像特征点与参考特征点的对应关系,然后利用误差逼近的方法求得当前图像的虚实配准矩阵
为了验证最优子种群遗传算法在解决柔性流水车间调度问题时相比于传统遗传算法的优越性,分析了柔性流水车间调度问题的特点,并运用一种新的编码方法和新的遗传算法求解了该问题。考虑到最优个体保护策略法对复杂问题容易使种群收敛陷入局部最优解,为了提高精度、加快较优个体的产生并避免陷入局部最优解,首先提出了一种合理、全面的编码方法,并运用最优子种群遗传算法来求解柔性流水车间调度问题。最后运用实例验证了最优子种群
为进一步提高预测精度,修改候选解间原始Pareto支配性关系,提出了d-Pareto支配性最近邻预测方法。结合多目标优化的自身特点,给出了d-Pareto支配性最近邻预测框架,并论证了d-Pareto支配性预测比Pareto支配性预测具有低平均预测错误率。同时也初步研究了d-Pareto支配性预测与多目标进化算法的交互作用。对几个经典多目标优化问题进行实验,仿真结果表明d-Pareto支配性预测具