增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.

东亚中高纬土壤温度资料评估与分析

本文以一套俄罗斯土壤温度历史观测资料RHSTD为基础,分析了四套土壤温度产品[ERA-Interim再分析资料、两套陆面模式离线运行产品ERA-Interim/Land(简称ERA-Land)和MERRA-Land、以及一套二十世纪再分析资料NOAA-CIRES 20CR]在东亚中高纬的可靠性,并重点关注春夏季,主要结论如下:观测地温在0~2 m波动较大,随季节在0°C上下摆动,而2 m以下地温稳定少变,并且在60°N以北地区出现永久冻结。四套地温产品较好地反映了这些特征。无论春夏,还是年平均,四套地温产品气候态都呈"南暖北冷"的特征,但ERA-Land的空间分布与观测最接近。就季节循环而言,ERA-Land最能反映该地区土壤的冻融过程和土壤温度的季节演变。四套地温产品年际变率(标准差)与观测的差异随季节和土壤层变化大,情况比较复杂。就年际变化趋势而言,四套地温产品与观测的相关性,夏季好于春季,表层好于深层,并且ERA-Land土壤温度拥有四套地温产品最多的共性,最能反映观测地温的年际变化。

一种基于分簇算法的能量优化策略

延长网络生存期、减少网络能量消耗是传感器网络一项重要性能指标,分簇方案是实现该目标的主要方法之一。引入了传感器节点检测半径的概念,在分簇算法的基础上提出一种能量优化策略,该策略通过减少网络中处于激活状态节点的个数,减少网络消耗能量,延长网络的生存期。最后通过对典型的分簇算法LEACH应用该优化策略,仿真结果表明能量优化策略能显著的减少网络的能量消耗。