支持动态搜索区域的运动估计硬件结构设计与优化

提出一种支持动态搜索区域的可变块大小运动估计硬件结构,弥补固定大小搜索区域的不足,可同时降低外存带宽、计算复杂度和功耗.使用循环分布式存储结构来支持动态搜索区域的数据存取.此外,对耗时的SAD(sum of absolute differences)计算阵列进行均衡的流水线划分和加法逻辑优化.实现结果表明,相比同类设计,该设计以少量的吞吐率损失,换取面积效率和功耗效率的明显提高.

一种动态限制搜索区域的最短路径规划算法

提出一种动态限制搜索区域的最短路径规划算法,它是根据实际道路网络的空间分布特性,动态限制搜索区域,以降低算法的搜索规模,降低算法的时间复杂度和空间复杂度,提高算法的运行效率。实验证明,对于实际城市道路网络结构相对比较规则的最短路径规划,此算法极大地提高了规划的效率。

动态限制搜索区域的带约束K则最优路径算法

为了有效解决分布式动态诱导系统中存在的拥挤漂移问题,有针对性地根据城市交通网络的空间分布特性提出了适合于导航用户使用的动态限制搜索区域的带约束K则最优路径算法。该算法基于MAPX控件编程实现,并采用VISSIM仿真软件进行了模拟和测试。实验结果表明:该算法一方面合理限制了路网的搜索规模、显著提高了路径优化算法的执行效率;另一方面又有效均衡了路网上的交通流,预防了拥挤漂移现象的发生,为个体出行者和整个交通系统带来效益。

动态区域性多群体搜索的遗传算法(英文)

提出了一种新的动态区域性多群体搜索的遗传算法 .该方法的各个遗传群体所占据的搜索空间由自适应模糊Hamming神经网络的决定 ,此神经网络通过对遗传个体分类和学习 ,将不同的遗传群体分配在搜索空间的不同位置 ,并可以动态地调整遗传群体的搜索区域或建立新的遗传群体 ,从而确保了遗传群体的个体多样性 ,有效地抑制了可能发生的早熟收敛现象 ,而且使得遗传算法具有较强的全局寻优能力和快速局部寻优能力 .本文的实验通过对典型的复杂多模函数的优化计算 。

改进蚁群算法在城市汽车导航中的应用

针对城市汽车导航中的车辆路径规划问题,借助返回思想,提出有返回的改进蚁群算法,通过返回策略解决了搜索中的"死胡同"问题。细致研究了汽车导航中城市路网的基本特征,受几何学中"两点之间线段最短"的启发,提出动态有限区域搜索策略,减小了搜索范围,提高了搜索效率。鉴于A*算法搜索时间短的优势,将其与有返回的改进蚁群算法相结合,提出基于动态区域规划的分层蚁群算法(DHACO),利用A*算法和有返回的蚁群算法进行两次路径优化,提高了搜索效率和可行解的质量。在宣城市市区的网络交通图上对改进算法进行实例验证,与A*算法和有返回的改进蚁群算法相比,DHACO算法在更短的时间内搜索到了更短的路径,实验结果验证了其在工程实践中的可行性和有效性。

基于LBS的最优出行路径算法的研究与应用

文章是基于LBS移动二次定位位置服务平台进行最优出行路径的研究。研究的目的是在LBS移动定位平台上实现基于出行者决策的最优路径选取,对人们选择最佳出行路线进行导航;在最优出行路径方面将问题分为最短路径算法和路径的权值2个问题;在最短路径算法方面选取了Dijkstra算法,并采用分层搜索、动态限制搜索区域算法对Dijkstra进行辅助,提高算法响应速度;在路径权值的确定方面,采用基于出行者决策的理论模型,对该决策算法进行适当调整,对路径权值重新裁定。