机载传感器无引导搜索策略研究

针对机载传感器搜索任务,将无引导搜索问题分为搜索区域目标出现概率未知和已知两种情况进行了讨论。在搜索区域仅有一个目标和忽略传感器搜索视场切换的前提假设下,在搜索时间最短的要求下,提出了一种最优搜索策略,即任一视场的搜索次数与该视场中目标出现概率的平方根成正比。并通过仿真实例表现了该搜索策略:未知目标出现概率的情况下是一种顺序搜索,而已知目标出现概率的情况下是优先、多次搜索目标出现概率较大视场的同时,还无遗漏的兼顾搜索其他视场。该策略使传感器尽快满足任务要求,缩减工作时间。

相控阵雷达探测高超声速目标引导搜索方法

高超声速目标具有高速高机动、绕飞能力强的特点,给雷达的引导带来了极大困难。针对高超声速目标刚进入雷达视距时的场景,设计了相控阵雷达的引导搜索策略,提出了基于引导信息的雷达搜索空域确定和搜索时序设计方法。首先根据目标的运动特性对目标的可能机动空域进行预测,得到搜索空域范围,然后确定目标穿屏时的分布概率密度,进而确定波位编排区域和照射顺序。仿真结果表明,所提引导搜索策略可以快速、高概率地捕获到目标。

雷达小区引导搜索的探测及射频隐身性能分析

针对机载雷达二维空间小区引导搜索的应用,建立了小区引导搜索的成功引导概率模型。为便于与定点搜索、自主搜索方式进行射频隐身性能对比,给出了引导搜索的射频隐身性能指标计算方法。仿真结果表明,小区搜索相比于定点搜索能大幅度提高成功引导概率,相比于自主搜索能显著降低搜索时间、减小被截获概率。

基于顾问引导搜索的虚拟网络映射算法

针对虚拟网络映射问题,提出了一种基于顾问引导搜索的虚拟网络映射算法。综合考虑节点CPU、节点度、邻接带宽资源,结合元启发式顾问引导搜索算法进行虚拟网络映射。实验结果表明,与EAJTA-VNE算法和ANT-VNE算法相比,所提CGS-VNE算法在虚拟网络请求资源需求较低、资源需求中等、资源需求较高等环境下均有较高的请求接受率和收益成本比,缩短了映射时间。

数据链信息连续引导雷达搜索策略

机外数据链信息引导雷达搜索目标是战斗机实现隐身战斗任务的重要技术手段。采用概率方法分别建立多拍连续数据链引导信息与累积发现概率、累积被检测概率之间的关系,通过动态规划方法建立多阶段动态决策模型,满足雷达探测性能的条件下,获得最优的雷达隐身性能。最后,在典型作战场景下对模型进行仿真验证,结果表明所提的最优搜索策略相比于经验搜索策略能减少雷达辐射时间67.5%,相比于模型保守策略减少83.75%。

一种基于超链接引导的主题搜索的主题敏感爬行方法

基于主题的信息采集是信息检索领域内一个新兴且实用的方法,通过将下载页面限定在特定的主题领域,来提高搜索引擎的效率和提供信息的质量。其思想是在爬行过程中按预先定义好的主题有选择地收集相关网页,避免下载主题不相关的网页,其目标是更准确地找到对用户有用的信息。探讨了主题爬虫的一些关键问题,通过改进主题模型、链接分类模型的学习方法及链接分析方法来提高下载网页的主题相关度及质量。在此基础上设计并实现了一个主题爬虫系统,该系统利用主题敏感HITS来计算网页优先级。实验表明效果良好。

某型飞机搜索引导适配器设计

为了解决某型飞机搜索引导系统与原机老设备之间的信号交联,研制了一种基于429总线技术的信号适配器,并详细介绍了适配器的功能及软、硬件设计。结果表明,该适配器不仅技术先进、性能优越,保障了系统工作的可靠性,而且还提升了该型飞机的搜索引导性能。

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.

基于分块的超链引导的主题搜索改进算法

通过引入“分块”这一新技术,提出了一个改进的H ITS算法,即利用V IPS和分块重要性模型,分割集合中的每一个网页,并为其分配重要值,再结合内容分析法来修改H ITS算法中au thority网页的权值,从而提高搜索精度,使得搜索结果更接近查询者的意愿.

任务转换条件下对特征的并行搜索

采用双任务范式,以两个实验探讨了任务设置与刺激特征的匹配程度对特征搜索方式的影响。要求被试首先辨认数字序列中包含的字母,随后完成特征搜索任务。在实验一中特征搜索任务是检测同时呈现的多个灰色圆点(干扰子)中是否有红色圆点(目标)出现。在实验二中,以多种不同颜色的圆点代替实验一中的灰色干扰子。结果发现:在特征搜索主要由自下而上的信息或自上而下的信息引导的两种条件下,任务设置与刺激特征的匹配程度均不影响特征搜索方式,特征搜索仍以并行方式进行。据上述结果笔者推测,在任务设置与刺激特征不匹配的条件下,视觉加工系统首先调整任务设置使二者相匹配,随后进行高效率的并行搜索,而非在二者不匹配的条件下进行低效率的系列搜索。

搜索引擎综合分析

随着互联网的广泛应用,搜索引擎成为了越来越多的用户从海量信息中获取知识必不可少的工具。说明了搜索引擎当前发展的现状,简述了搜索引擎的分类,基本原理和工作机制,重点分析了搜索引擎的检索技术及页面排序方法,最后介绍了搜索引擎面临的挑战和未来发展趋势。

CDIO项目实践教学引导方法

教学引导是实践教学活动中的一个重要环节,为了保证学生顺利完成创新实践活动的任务和质量,将CDIO项目的开发过程划分为五个节点,并在每个节点设置项目任务。在引导学生完成项目任务的过程中,将项目教学法、任务驱动法和探究式树形搜索引导法引入教学活动过程中,按照学生的认知规律进行学习方法的引导,形成"分阶段、递进式"的项目驱动探究式教学引导方法。用该方法对CDIO项目实践进行指导,取得了明显教学效果,同时也为实践教学改革提供了一种可参考的思路。

基于自适应调整哈里斯鹰优化算法求解机器人路径规划问题

针对启发式算法在机器人路径规划过程中存在路径长度不稳定和易陷入局部极小点的问题,提出一种基于自适应调整哈里斯鹰优化(AAHHO)算法。首先,利用收敛因子调整策略,调节全局搜索阶段和局部搜索阶段的平衡,同时利用自然常数为底数,提高搜索效率和收敛精度;其次,在全局搜索阶段,采用精英合作引导搜索策略,通过3个精英哈里斯鹰合作引导其他个体更新位置以提高搜索性能,通过3个最优位置加强种群间的信息交流;最后,通过模拟种内竞争策略增强哈里斯鹰跳出局部最优的能力。函数测试和机器人路径规划对比实验结果表明,所提算法无论是函数测试还是机器人路径规划都优于IHHO(Improve Harris Hawk Optimization)和CHHO(Chaotic Harris Hawk Optimization)等对比算法,对于求解机器人的路径规划具有较好的有效性、可行性和稳定性。

基于种群多样性的自适应乌鸦搜索算法

针对原始乌鸦搜索算法对种群多样性控制不强、个体位置更新方式单一、局部搜索精细度不高等缺点,提出新的自适应乌鸦搜索算法.设计多种搜索引导个体,基于进化不同阶段的种群多样性,实现搜索引导个体的自适应选择策略,使算法在迭代前期加强全局勘探,在迭代后期强化局部开发.结合正余弦搜索理念,构建基于线性递减、混合正余弦震荡递减的多种飞行长度控制参数及相应的多种搜索方式,提升算法的搜索遍历性,增加算法在迭代后期找到更优解的概率.为了验证新算法的有效性,通过标准测试函数,将新算法与原始乌鸦搜索算法、改进乌鸦搜索算法和其他优秀的智能优化算法进行仿真实验,比较分析各算法的收敛精度、收敛速度、稳定性、Wilcoxon符号秩检验和Friedman检验.实验结果表明,新算法的性能优于其他比较算法的性能,新算法实现了全局勘探和局部开发、收敛精度和收敛速度的平衡.

舰载SPY雷达对弹道导弹探测效能分析

鉴于海基平台部署和作战方式灵活等特点,以舰载多功能相控阵雷达SPY为核心的宙斯盾反导系统在美弹道导弹防御系统中占有极为重要的地位。提炼SPY雷达在弹道导弹防御系统中使命任务和对关键指标进行分析的基础上,对其自主搜索和引导搜索2种工作方式进行了设计和时间资源分析,并通过设置典型威胁弹道和SPY雷达布站,借助仿真对SPY雷达进行了探测效能分析。

用边缘金字塔结构实现Hausdorff距离匹配

为了快速准确地在海量图像中搜索模板的所有实例 ,提出运用边缘金字塔结构来实现Hausdorff距离匹配 根据模板的边缘自适应地确定边缘金字塔分解次数和抽取模式 ,然后通过金字塔结构的引导搜索策略实现快速匹配 对以水平和垂直边缘为主的集成电路显微图像 ,文中算法体现出优越的匹配性能 在集成电路显微图像和一般图像上分别测试的实验结果表明 :文中算法在获得良好的匹配效果的同时 。

基于定向爬山的遗传算法

爬山法是一种局部搜索能力相当好的算法,主要是因为它是通过个体的优劣信息来引导搜索的。而传统的遗传算法作为一种全局搜索算法,在搜索过程中却没有考虑个体间的信息,而仅依靠个体适应度来引导搜索,使得算法的收敛性受到限制。将定向爬山机制应用于遗传算法,提出了一种基于定向爬山的遗传算法(OHCGA)。该算法结合了爬山法与遗传算法的优点,通过比较个体的优劣,使用定向爬山操作引导算法向更优秀的解区域进行搜索。实验结果表明,与传统遗传算法(TGA)相比,OHCGA较大地提高了算法的收敛速度和搜索最优解的能力。

一种多目标人工蜂群算法

为将标准人工蜂群算法有效应用到多目标优化问题中,设计了一种多目标人工蜂群算法。其进化策略在利用精英解引导搜索的同时结合正弦函数搜索操作来平衡算法对解空间的开发与开采行为。另外,算法借助了外部集合来记录与维护种群进化过程中产生的Pareto最优解。理论分析表明:针对多目标优化问题,本算法能收敛到理论最优解集合。对典型多目标测试问题的仿真实验结果表明:本算法能有效逼近理论最优,具有较好的收敛性和均匀性,并且与同类型算法相比,本算法具有良好的求解性能。

一种基于网格结构图象的目标匹配定位方法

为了在不降低图象目标配准精度的前提下 ,加快匹配速度 ,提出了一种基于网格结构图象的从粗到细的目标匹配混合算法 .该算法首先基于网格结构图象来抽取图象和模板的主要结构信息 ,以构成图象和模板在粗尺度上的一种表示 ,进而在这种粗尺度表示的图象上进行相似度粗匹配 ;然后基于引导的搜索策略 ,将粗匹配的目标位置对应到原图象的一些小区域 ,再采用部分Hausdorff距离匹配方法在这些小区域进行二次匹配和精确定位 ,经上述两个步骤的混合使用 ,不仅极大减少了计算开销 ,且没有降低匹配的准确度 ,将该混合算法与无粗匹配的部分Hausdorff距离全图匹配算法相比较 ,速度提高非常显著 ,该算法在集成电路显微图象上进行测试 ,取得了很好的效果 .

基于层次单元划分的软件模型检测技术

通过对近年来软件模型检测领域流行的几种技术进行综述,提出了一种基于层次单元划分,使用引导式搜索方式的软件模型检测方案。本方案分为预处理、单元划分、状态空间搜索三个阶段,其中使用on-the-fly技术提高了搜索性能。实验证明,该方案在解决状态爆炸问题上有较好的效果。