改进RRT^(*)FN算法的机器人路径规划

针对传统渐近最优快速扩展随机树算法(RRT)随机性大、收敛精度低以及运行时间长等问题,提出一种改进的Informed-RRT^(*)-FN算法。改进算法在找到初始路径前采用基于贪心思想改进的目标偏置采样策略和随机删除叶子节点策略以降低找到初始路径的时间;找到初始路径后进一步在椭圆子空间中采样,使用基于节点权重的节点删除策略优先删除“无效”节点和动态重连半径的策略以提高收敛精度并保持较低的运行时间。改进算法在3种地图开展了仿真实验,结果表明相较于RRT^(*)-FN、Informed-RRT和Informed-RRT^(*)-FN算法,该算法收敛精度最高,且运行时间最短。该算法进一步在ROS平台开展全局路径规划实验,验证了其可靠性和实用性。

社交网络中FN算法结果的后处理研究

在复杂网络问题的研究中,众多聚类算法的横向比较与改进研究方面的工作在近几年吸引了大量注意并得到深入研究。其中,基于模块度的算法被广泛应用,而模块度也作为评价聚类的一项指标。在这类算法中,基于模块度的快速Newman算法(Fast-Newman algorithm,FN)显得较为突出,许多相关的深入研究由此展开,但多数工作是基于算子改进、应用领域等方向展开的,而对于算法结果的研究工作则更多偏向于评价、测量和总结。该研究从FN算法的结果入手,对算法的分类结果进行数据的后处理。在研究中发现了FN算法中常见的错误类型,并提出了3种不同的解决方案,使得最终结果更加符合实际,达到更好的聚类效果。在部分案例中准确率可提高至100%。

FNS肢体多关节运动轨迹跟踪的实验研究

本文着重对功能神经电刺激 (FNS)肢体多关节运动刺激脉冲的控制算法进行了比较实验研究。首先介绍了FNS系统的基本组成及原理 ,然后借助多功能FNS肢体运动控制平台 ,分别采用常规控制算法和自适应控制算法 ,以人体肘关节和腕关节的屈曲运动为控制目标 ,将体表电极分别置于肱二头肌和掌长肌运动点上 ,通过FNS运动状态测量装置 ,获取肘关节和腕关节运动角位移随时间的变化曲线。实验结果表明 ,与常规控制算法比较 ,基于人体生理特点的自适应控制算法使屈肘和屈腕运动获得了最佳的轨迹跟踪性能 ,并且刺激波形变化稳定、平滑 。

GFN:基于“群”思想对Fast-Newman算法改进的复杂网络聚类算法

针对目前复杂网络优化聚类算法目标函数的有偏性影响聚类精度的问题,提出了"群"的概念,实现了对节点在聚类过程中局部信息决策环境的划定。提出了基于"群"概念改进的网络模块性评价函数,并以该函数作为目标函数对Fast-Newman(FN)算法进行了改进。在不同类别数据集上进行的聚类实验的结果表明,基于"群"思想改进的FN算法(GFN)在复杂网络中的聚类精度比FN算法平均提高了约70%,从而验证了"群"思想在揭示真实簇结构过程中的有效性。

基于局部紧耦合结构的模块性优化社区检测方法

利用局部紧耦合结构提升社区检测的模块性优化质量.首先,定义了4类边缘紧耦合结构,并提出了一种具有线性复杂度的边缘紧耦合结构挖掘算法.其次,分别选择k-clique,k-clan,k-plex结构作为核心紧耦合结构,并以长结构优先和短结构优先2种策略将边缘与核心紧耦合结构合并.然后,将合并后的局部紧耦合结构融入模块性优化过程,提出了一种NFN算法.该算法将每个局部紧耦合结构初始化为独立社区,不断凝聚模块性增量最大的2个社区,直至找到预定义数量的社区.6个真实数据集上针对外部指标和内部指标的实验结果均表明,相比于传统的FN算法,NFN算法能发现更高质量的社区.在参数设置方面,长结构优先策略优于短结构优先策略,且采用k-clique结构作为核心紧耦合结构优于采用其他结构.因此,长结构优先策略结合k-clique成为NFN算法的最佳参数组合.

基于论坛信息的水军组织行为分析

网络水军是网络组织的主要形式,主要从事话题炒作等干扰舆情正常传播的行为,因此有必要对其特征和行为开展深入探讨。本文以特定网络论坛数据为分析对象,抽取论坛上特定板块的帖文、回复和账户信息,分析了信息发布的时间分布特点;人工分析了水军帖、水军账户在该论坛的总体分布情况;并进一步利用由账户及其间关系构成的复杂网络,分析了论坛上社区和网络组织的统计特征和典型结构;多方面确认了水军不但在论坛上大量存在,而且具有典型的组织结构特征。

一种基于适度贪心算法思路的社团划分改进方法

当前问题背景下贪心算法存在不足,由此提出一种适度贪心的算法思路,引入适度原则,约束贪婪幅度,以避免过度贪婪、谬误累积的情况,并将适度贪心算法思路应用于FN社团划分算法的改进研究,构建了一种新的网络社团区划算法.通过算例对提出的算法进行了测试与分析,实验结果验证了新算法的可行性与有效性.

基于复杂网络的社区划分算法分析

近年来,复杂网咯吸引了大量的学者,作为一个新兴起来的学科,来自各个领域的学者们都开始对其进行研究分析。社区划分是复杂网络的重要特征之一。针对复杂网络中社区划分问题,对三种的社区划分算法进行了研究,传统GN算法、FN算法和谱聚类算法,分别阐述了各种算法的基本原理,并对这两种算法基于真实世界网络模型进行了适当的分析和比较,选取出较为高效的谱聚类算法,用于现实世界复杂网络中的社区划分,为实际应用中社区划分算法的认识与应用提供了方法参考。

基于B-RRT^(*)FND算法的移动机器人路径规划

针对RRT^(*)FN算法获取路径解的速度慢,且无法应用于动态环境等问题,提出固定节点数的动态双向渐近最优快速随机扩展树算法(bidrectional RRT^(*)fix-node dynamic,B-RRT^(*)FND),用于解决移动机器人在二维空间内快速实时获取无碰撞路径的问题.所提出算法基于RRT^(*)FN算法,采用双向贪婪搜索方法加快路径搜索速度,解决单向RRT算法由于随机采样的盲目性造成的搜索速度慢、在狭窄环境下难以搜索到解的问题;利用固定节点算法在规划过程中不占用过多计算量的特点,在路径迭代优化过程中,实时更新地图信息,并对被破坏的原始路径进行修复重连,以完成算法的动态规划.将所提出算法与RRT、RRT^(*)FN等算法在3种环境下进行对比仿真,验证结果表明,所提出算法在规划速度、路径解长度以及动态规划性能方面具有较好效果.

空管塔台运行效能评价指标网构建及计算

随着信息时代的到来,空管领域数字化、网络化特征逐渐呈现,塔台作为空管体系运行的重要组成部分,影响其运行效能的因素均呈网络化相互作用。根据影响因素及客观数据挖掘塔台运行基础指标,使用最大信息系数法对塔台运行指标进行相关性分析确定底层网络化关联关系,再结合复杂网络FN算法对底层关联网划分功能社团,产生了一种根据数据自发涌现的网络化指标体系(指标网),为后期科学评价塔台运行效能奠定了基础。