基于A^＊算法的边坡稳定分析方法

岩质边坡的失稳大都是沿各软弱结构面而发生的,其滑动面往往是软弱结构面的组合,呈阶梯状。岩石边坡中存在大量的随机结构面,从中找出抗剪力最小的滑裂面是边坡工程中的一个研究方向。在岩体结构面调查统计的基础上,用随机网络模拟再现结构面的空间分布,在此基础上应用A*算法,搜索出岩石边坡的临界滑裂面,并对临界滑裂面上的边坡体任意斜条分,与Sarma分析方法相结合,形成一种改进的分析岩石边坡稳定性的方法——Sarma-A*分析法,通过工程实例验证该方法的合理性。

装配路径规划中基于动态坐标的A^＊搜索算法

在装配路径规划中 ,最常用的方法是A 搜索算法。通过两个实例说明在实体模型空间中 ,由于节点的扩展方向和运动方向不一致 ,导致A 算法失败和算法复杂性的增加。在总结传统的A 搜索算法的基础上 ,本文提出了动态坐标的A 搜索算法。通过变换坐标 ,使节点扩展方向和运动方向始终保持一致 ,从而解决了由于节点扩展方向和被规划物体运动方向不一致所导致的算法失败。最后给出了变换坐标的原则 ,证明了动态坐标的A 搜索算法的收敛性 。

改进A^＊算法及其在GIS路径搜索中的应用

路径选择在实际运用中主要追求的是最优而不是最短。为此通常采用精度换效率的策略。这种策略虽然在一定程度上达到了路径搜索的任务要求,但如果能在精度和效率之间综合取值的话,效果往往会更令人满意。采用了一种改进的A*算法来实现这一目的。主要是通过变权值的方式来控制算法的搜索精度和搜索效率。实验证明,改进的A*算法可以实现最优路径的选择,且效率有很大的提高。

基于改进A^＊算法的无人机航路规划方法研究

提出了一种基于改进A*算法的无人机航路规划方法,解决了A*算法大空间搜索耗时多的问题。仿真结果表明,该方法计算速度快,易于实现。

基于A^＊算法的无人机航路规划算法

针对无人机航路规划空间建模和规划算法的设计问题,研究了地理地形、敌方雷达和禁避飞区等约束条件的建模问题;针对规划空间较大时,A*算法规划时间长信息存储量大这一问题,将规划分为两步,应用A*算法进行离线规划生成预规划航路,以预规划航路作为参考选择局部目标点进行在线规划;为了使得规划航路满足无人机的机动性能约束,利用3次B样条曲线对航路进行平滑处理。仿真结果表明,该算法性能优于稀疏A*算法,适用于无人航路规划的工程应用。

基于改进A^＊算法的飞行器三维航迹规划算法

提出了改进A*算法并应用于飞行器航迹规划,该算法把地形平滑技术融合到路径搜索的过程中,使平滑处理只需满足路径选择方向的飞行坡度要求和飞行器过载限制,得到的最优航迹更加贴近地形。在相同的条件下对改进A*算法和传统算法进行仿真比较,传统算法需要35 s左右收敛得到优化航迹并且代价函数为32.15;改进算法能在24 s内找到代价函数最优的飞行器三维航迹且代价函数为28.26,仿真结果表明改进A*算法在收敛速度和最优路径代价函数结果都明显优于传统算法,是一种有效的三维航路规划方法。

A^＊算法改进及其在动态最短路径问题中的应用

动态最短路径搜索算法是智能交通系统技术应用的关键问题之一．为了解决这一问题,提出以一致性原则动态形式为基础的动态A*算法(dynamic A* algorithm,DA* algorithm)并证明了在两节点间动态下界满足一致性原则动态形式前提下,该算法能够求解满足先进先出原则的动态网络中两节点间最短路径问题．在以广州市交通路网为基础的动态网络上对DA*算法进行试验．试验结果表明,Dijkstra算法的和A*算法的平均计算时间分别是DA*算法的6．55和1．43倍．

基于非参数密度估计对烤烟烟叶颜色CIE1976（L^＊a^＊b^＊）色空间的三维空间图的研究

利用色差仪对云南9个烟区K326烤烟品种,3个部位的烟叶进行了颜色指标的测定。应用CIE 1976(L*a*b*)色空间理论,采用非参数密度估计函数,对颜色数据做非参数密度估计图,并以颜色的3个指标L、a*b*,分别作三维空间的坐标轴Z轴、X轴、Y轴,绘制了三维山峰图和等值线图。结果表明,通过三维图能够清晰地表征出3个部位的空间层次分布,通过山峰图能有空间立体层次地表现颜色指标,通过等值线图能看出每个部位颜色数据的分布情况,解决了颜色3个指标来表征一个特性的情况,可为今后颜色指标的数据库建立提供一定的基础。

基于A^＊算法的舰船最佳航线选择

提出利用A*启发式搜索算法选择舰船最佳航线,对算法中利用的估价函数作了定量的描述.通过实例与传统的图搜索算法选择最佳航线进行比较,A*算法不仅减少了搜索的结点数目,而且搜索效率较Dijkstra算法可以提高30%～40%.

一种启发式A^＊算法和网格划分的空间可达性计算方法

本文提出了一个适用于研究城市内部的个体或商业区位的微观可达性计算方法,该方法的核心是将研究区域进行等距的网格划分,通过计算每个网格的可达性指标,来研究整个区域的可达性的空间分布特点。在可达性计算中,利用网格内的道路密度和土地利用状态这两个因素来模拟计算每个网格的交通成本,引入了启发式A*空间搜索算法来计算网格间路径的交通成本,并且加入适当的启发信息,提高了搜索效率,使搜索结果更符合实际需求。最后,基于本文提出的方法,利用GIS二次开发工具ArcEngine开发了计算程序,收集了多源数据,以广州市商务区的可达性作为计算对象,进行了商务区的可达性和易达性案例计算。

基于分层分块数据组织的双向A^＊算法

研究了路网的数据组织方法,采用了C++STL实现道路数据的分层分块存储,设计了道路网络分析中的双向A*算法,试验验证了其正确性。

CMYK到L^＊a^＊b^＊色彩空间转换的研究

为了满足色彩复制一致性和预期性要求,寻找一种精确实用的L*a*b*与CMYK转换方法尤为重要。本文利用数理统计的二元线性回归方法在建立CMY到L*a*b*的转换模型的基础上,验证了网点呈色平面规律同样适用四色印刷,并通过最小二乘及数值分析的方法拟和各四色平面方程系数建立了CMYK到L*a*b*转换模型。随后对模型进行精度验证并修正,分析误差产生的原因,最终得到比较精确的模型。

一种基于GIS最短路径搜索的A^＊改进算法

目前在GIS领域,最短路问题是研究和应用的重点,其中最短路径搜索算法的效率问题是普遍关注和在实际应用中迫切需要解决的问题.本文分析目前几种流行的最短路径算法并指出它们的优缺点,提出了一种利用蚁群算法和遗传算法进行改进的A^＊算法,并对其进行了必要的推导.。实验证明,改进的A^＊算法在VC＋＋6.0和MapX控件环境下具有较好的可行性和适用性。

基于A^＊和Bresenham相结合的网络游戏寻路算法设计与实现

网络游戏寻路算法主要是解决角色以最佳的方式走到指定地点的问题。该文首先介绍了一种基于启发式搜索的A*算法和获得直线路径的Bresenham算法,并结合游戏地图,给出网络游戏寻路算法及其具体实现方法。结果表明,A*算法结合Bresenham算法实现寻路提高了目标搜索的效率,从而突显了游戏角色和怪兽的智能性,增强了游戏的可玩性。

A^＊算法在游戏地图寻径中的几种改进策略研究

A*算法是目前游戏地图寻径中应用最广泛的算法。分析了A*算法,针对游戏开发指出了标准A*算法的不足,研究并提出了几种改进策略和编程实现的方法。实验结果表明,提出的改进方法确实提高了算法的搜索效率和路径的平滑程度,更加适合游戏开发。

一种基于改进A^＊算法的三维航迹规划方法

采用了一种改进的网格A*算法进行了飞行器的三维航迹规划。将启发函数中的直线距离替换为折距,对其进行了改进。改进后的启发函数有效地减少了规划过程中扩展的节点数,从而减少了搜索时间,并且扩展节点时,只选择满足飞行器的飞行性能约束的邻点,减小了搜索空间。仿真结果表明,应用该规划方法,飞行器能够进行在线实时三维航迹规划。

结合L^＊a^＊b^＊彩色空间改进的Graph-Based图像分割方法

针对Graph-Based方法容易出现欠合并现象的不足,结合L*a*b*颜色空间,提出一种改进的Graph-Based图像分割方法。该方法首先将图像由RGB空间转换到L*a*b*颜色空间,接着将每个像素作为节点构造带权无向图,相邻节点之间的欧氏距离作为图的权值,表征相邻像素间的颜色差异;同时,引入一个常数s用于控制颜色差异程度。实验证明,该方法效率高,分割效果良好。

基于改进加权A^＊算法的舰机联合航迹规划

基于改进加权A^＊算法研究了舰机联合航迹规划问题。首先,通过分析驱逐舰的武器系统结构,得出驱逐舰和舰载直升机在联合执行任务时的安全距离;由于传统A^＊算法运用于舰机联合航迹规划问题的局限性,引入安全代价和路径安全值加权系数,基于传统A^＊算法给出了改进加权A^＊算法,协同规划舰艇和舰载机的路径;最后,通过案例仿真验证了算法的有效性。

基于A^＊算法的无人机爬升轨迹设计

针对无人机爬升性能,运用A*算法设计了无人机爬升优化轨迹。改进了传统搜索算法,根据控制方式设计了节点生成法则;在生成节点时考虑了发动机性能以及飞行约束,减少了搜索范围,提高了搜索效率;并且分别介绍了时间最优以及燃耗最优两种方式的代价函数计算方法。仿真结果表明,运用该方法设计出最快爬升轨迹和燃耗最优爬升轨迹,其生成的飞行轨迹符合飞行约束条件,能够较全面地满足爬升性能,设计结果比较合理。

一种基于并发奖赏蚁群系统的A^＊算法

为优化出行者在动态路径诱导系统中进行路径选择,提出一种基于并发奖赏蚁群系统的A*算法,利用A*算法的成熟性和蚁群算法的动态性,用蚁群算法对A*算法估价函数f(x)=g(x)+h(x)中的h(x)进行研究,考虑了交通路况中的各种动态因素,使A*算法具有动态性;为了提高算法的效率,基于在最优路径附近往往存在更优路径这一原理,提出了并发奖赏蚁群系统,采用对当前最优路径周围的路径奖赏额外信息素,能够有效地避免算法陷入局部最优,从而找到更优路径;采用并发原理用多路蚂蚁同时搜索,提高了算法的收敛速度。采用两种试验方法对算法进行了验证,在Oliver30问题中,本算法与其他算法相比可以得到更优的解;在MapX环境下模拟真实交通状况,运用本算法寻找最佳路径,试验结果表明本算法能够在实际的道路状况中找到满足出行者需求的道路。