【摘 要】
：
为了避免蚁群算法在优化搜索过程中易陷入局部最优和早熟收敛,提出一种求解多维背包问题的新型分散搜索算法。该算法是把蚁群算法的构解方法引入到分散搜索算法中,在搜索过程中,既考虑解的质量,又考虑解的分散性。同时,该分散算法还采用了动态更新参考集与阈值接收算法的阈值参数,以控制搜索空间来加快收敛速度。通过选取国际通用MDKP实例库中的多个实例进行测试表明,该算法可以避免陷入局部最优解,能提高全局寻优能力,
【基金项目】
：
辽宁省教育厅资助项目（L2010196）
论文部分内容阅读
为了避免蚁群算法在优化搜索过程中易陷入局部最优和早熟收敛,提出一种求解多维背包问题的新型分散搜索算法。该算法是把蚁群算法的构解方法引入到分散搜索算法中,在搜索过程中,既考虑解的质量,又考虑解的分散性。同时,该分散算法还采用了动态更新参考集与阈值接收算法的阈值参数,以控制搜索空间来加快收敛速度。通过选取国际通用MDKP实例库中的多个实例进行测试表明,该算法可以避免陷入局部最优解,能提高全局寻优能力,其结果优于其他现有的方法,并获得了较好的结果。
其他文献
为了减少互连串扰噪声对电路性能的影响,提出一种top-k延迟噪声故障分析方法。通过逻辑分析方法有效地修剪受扰线和干扰线组合的分析空间,利用时序窗口计算受扰线和干扰线之间的虚假延迟噪声故障的发生概率,找到实际电路中最有可能引起虚假延迟噪声故障的top-k条干扰线。本方法能够在规定时间内消除尽可能多的虚假噪声,从而提高了串扰噪声影响下时序分析的精确度。
针对目前移动机器人在路径规划中出现的问题,提出一种自主移动机器人路径规划的新方法——混合势场法。分析了人工势场法的不足,找出局部极小值点的形成原因;针对人工势场法中障碍物附近目标不可达问题,采用了在斥力场函数中加入斥力因子,使得机器人顺利到达目标点;针对陷入局部极小值和振荡的问题,提出了混合势场法,通过将势场法和可视图法结合起来,使得机器人走出局部极小值和振荡区域。最后,将混合势场法应用于室内移动
针对城市中停车位狭小、现有自动泊车方法缺乏连贯性的问题,提出一种自动平行泊车算法。对现有的五阶多项式路径规划方法加以改进,并有针对性地设计罚函数,采用遗传算法计算最佳泊车路径和最小泊车空间,实现自动平行泊车。仿真结果表明,该算法能快速有效地完成泊车,车辆损伤小,对空间的要求最低。
为了便于多方位、多角度观察和分析舰艇编队中雷达电磁互扰的区域,利用等值面的分界特性,通过使用能流密度和干扰余量来表现舰艇编队中雷达电磁互扰的程度,提出使用递进式栅格采样的极值八叉树快速重构等值面的方法,还提出使用等值面差别显示的方法建立实时交互的三维显示图和俯视、前视、侧视的动态切面图,来动态显示舰艇编队雷达电磁互扰的仿真结果。通过对6艘舰艇共16部单脉冲雷达的仿真,实验结果表明该方法可行、有效。
提出一种在模型驱动开发过程中的形式化语义描述方法。该方法利用元建模技术,形式化地描述了元模型及其语义间的映射关系,以提供精确的语义描述,从而为模型驱动开发提供有力的支持。将描述框架用于模型转换规则的定义以及元模型的分析与验证,并以简单Petri网为例,说明该方法可以有效地支持模型转换和代码生成。
研究无线网络中基于机会网络编码的实时视频数据传输性能。深入分析网络编码的工作原理及其对于无线网络性能的提升,在简要介绍视频传输特点的基础上探讨机会网络编码支持视频传输的要点,通过仿真的方法研究无线网络中基于机会网络编码的实时视频传输性能,并比较分析传输后的重构图像与原始图像的质量。仿真结果表明,网络编码不仅可以提高网络吞吐量,还提高了视频传输的质量。
局部保持流形学习算法通过保持局部邻域特性来挖掘隐藏在高维数据中的内在流形结构。然而,对于缺乏足够训练样本的高维数据集,或者高维数据集存在非线性结构和高维数据特征中存在冗余、干扰特征,使得在原特征空间中利用欧式距离定义的邻域关系并不能真实反映数据的内在流形结构,从而影响算法的性能。提出利用正约束寻找特征子空间的方法,使得在此子空间中更多的同类样本紧聚,并进一步在该子空间中构建邻域关系来挖掘高维数据的
为了快速有效地检测真实网络中的拷贝视频,针对现有基于顺序度量特征的检测算法存在鲁棒性不足和相似性度量不准确的问题,提出基于核心区域顺序度量特征和转换距离的视频拷贝检测方法。该方法在统计分析真实网络中拷贝视频特点的基础上,首先选取拷贝视频中相对稳定的核心区域提取顺序度量特征;其次提出基于最小转换代价的度量标准,并设计相应的顺序度量特征快速匹配方法;最后采用简化的最长匹配子序列算法进行特征序列匹配,检
针对求解高维约束优化中算法的收敛速度和解的精度不高的缺点,提出一种改进的人工蜂群约束优化算法。该算法在初始化种群和侦察蜂探寻新蜜源时采用了正交实验设计方法,并在采蜜蜂搜索时使用了改进的高斯分布估计,跟随蜂按照采蜜蜂的适应值大小选择一个采蜜蜂,在其蜜源领域内采用差异算法搜索新的蜜源;在处理约束条件时采用自适应优劣解比较方法。最后通过13个标准的Benchmark测试函数进行仿真实验,结果表明该算法在
针对标准的遗传算法在任务分配中收敛速度慢的问题,对多agent系统中的任务分配进行形式化描述的基础上,融合模拟退火算法的优化思想,提出了一种基于模拟退火遗传算法的任务分配方法,详细阐述了该算法的基本思想和关键步骤,并通过仿真实验进行验证。仿真实验结果表明,基于模拟退火遗传算法比标准的遗传算法具有更快的收敛速度和寻优效果。