光RP(k)网络上Hypercube通信模式的波长指派算法

波长指派是光网络设计的基本问题,设计波长指派算法是洞察光网络通信能力的基本方法.基于光RP(k)网络,讨论了其波长指派问题. 含有N=2n个节点的Hypercube通信模式,构造了节点间的一种排列次序Xn,并设计了RP(k)网络上的波长指派算法.在构造该算法的过程中,得到了在环网络上实现n维Hypercube通信模式的波长指派算法.这两个算法具有较高的嵌入效率.在RP(k)网络上,实现Hypercube通信模式需要max{2,52n-5/3}个波长.而在环网络上,实现该通信模式需要复用N/3+N/12个波长,比已有算法需要复用N/3+N/4个波长有较大的改进.这两个算法对于光网络的设计具有较大的指导价值.

航空公司飞机排班问题的分阶段指派算法

针对国内航空公司运营管理的特点,提出了描述单枢纽航线结构下飞机排班问题的排序模型并构造了一种分阶段指派算法.首先通过引入航班节概念,将飞机对航班的安排问题转化为飞机对航班节的安排问题,然后在定义航班节的"出发事件"和"到达事件"的基础上,分析航班节的出发阶段属性和到达阶段属性,并运用Hungarian算法对各阶段的出发航班节进行指派,该算法的计算复杂性为O(m2n2).最后通过对一个算例的分析说明了该算法的应用.

基于多维指派算法的被动多目标跟踪方案

该文针对无源测向交叉定位系统提出了基于多维指派算法的被动多目标跟踪方案。该方案是将三维空间的基准线最小代价算法与动态2D指派算法相结合。该方案的特点是:三维空间的基准线最小代价算法是一种快速数据关联算法,它能够快速削减候选关联集合并简化关联代价的计算,完成航迹起始任务;动态2D指派算法则能够简单而准确地实现观测与航迹的关联。仿真结果证明该方案可以有效地完成无源测向交叉定位系统中的多目标跟踪任务。

一类广义指派问题的重指派算法

讨论一类广义指派问题的近似算法,使用了笔者的一个关于含有对排列随机选取过程的时间表方法的单调性引理, 给出了一种对于可行解的改进型的重新指派方法。

航迹关联指派算法研究

为了解决多目标航迹关联问题,将假设检验方法和线性指派算法综合起来形成了检验优先和指派优先两类方法.针对3种典型算法在雷达探测能力受限或者目标密集场景下容易出现错误关联的问题,提出了一种改进的检验优先算法.该算法通过惩罚性地增加虚拟目标的关联代价来改善关联性能.设计最简单的二目标场景和多目标场景对该算法进行了仿真.仿真结果表明,该算法在目标密集和雷达检测概率下降时仍然能够保持较高的关联性能.

弹用发动机结构件工序作业时间指派算法研究

为解决研制与批产产品混合生产模式下制定车间作业计划的难题,基于非连续工作表及单件小批量生产约束,提出一个适用于多种工作制下的启发式时间指派算法,并以VC#.NET为前台编译环境,Access 2017为后台数据库开发了简化版的车间调度系统,通过具体算例验证了算法的有效性。

基于软指派算法的相机位姿估计研究

针对未知特征点匹配关系下的单目相机位姿估计问题,提出了一种基于软指派算法的相机位姿估计算法。结合了正交迭代算法和软指派算法,以三维(3D)和二维(2D)特征点的物方空间共线性误差作为确定特征点之间匹配关系的指派依据和计算相机位姿的目标函数值,通过迭代方式确定特征点的匹配关系和相机的位姿。其不仅能处理3D/2D特征点一一对应的情况,而且能够处理同时存在遮挡的3D特征点和错误的2D特征点的情况。合成图像的实验结果表明:在含有图像噪声、遮挡的3D特征点和错误的2D特征点情况下,该算法的成功率>82%,真实图像实验对算法的性能进行了验证。

工业机器人装配中基于相机位姿估计算法的单目视觉定位研究

为了提升工业机器人在装配作业中的效率和精准度,结合软指派算法进行研究,构建基于相机位姿估计算法的单目标视觉定位系统,并对其进行仿真验证。实验结果显示,在参数对成功率的影响实验中实验成功率最低为92.5%,在图像噪声对成功率的影响实验中成功率最高达到了97.5%,位置估计误差最大值不超过4 mm,旋转误差在伪特征点的数量为最大时得到了最大值7°。

图像特征点匹配的强壮算法

同一场景的不同图像匹配是计算机视觉中的一个基本问题 ,在诸如三维重建、对象识别和分类、图像对齐和相机自校正等应用中 ,特征匹配都是一个关键步骤 ,其中特征点匹配是较为常用的一种方法 .特征点匹配的效果受到很多因素的影响 ,如景物的遮挡、光照和噪声等 ,变化很大 .文中对标准指派算法进行扩展以解决全局优化问题 ,并利用场景深度局部连续的条件作为附加约束 ,提出一种新的特征点匹配算法 .整个算法只用到两次优化 ,而且几乎全部使用矩阵运算 ,效率比已有的算法高 .

基于相关性的周期性货位优化的模型与算法

传统的货位优化方法没有充分利用库存量单位(Stock keeping units,SKUs)之间的相关性关系。以一种存在相关性需求的'波次分区拣货、整体补货'的周期性环境为对象,以最小化最大的分区拣货时间为目标建立货位优化的数学模型,提出相关性强度的概念和计算方法,设计出基于相关性的货位指派算法(Storage allocation based on correlations,SABC)和不考虑相关性的随机货位指派算法(Storage allocation based on random,SABR)算法,SABC算法以体积—订单指数(Cube per order index,COI)法则的解为初始解,通过定量化的'相关性位置交换策略'将相关性强的'SKUs对'指派到相近的货位中来提高拣货效率。测试结果表明:SABC算法具有较好的收敛性,其收敛速度明显优于SABR算法,求解质量比COI法平均改进约7.6%～25.1%,比SABR算法平均改进约1.36%～14.50%;需求相关性强度越高,拣货效率提升潜力越大。

最短时限最少耗费指派问题的一种解法

对最短时限最少耗费指派问题分两步求解,第一步使用最大优先指派算法(MSFA)结合二分图匹配快速求解最短时限值;第二步在已求得的最短时限下,构造带权二分图,使用最小带权二分图指派算法求解,得到最短时限下的最少耗费指派解。所提出的求解方法思路简单清晰,便于计算机实现。

协同任务调度构架模型及关键算法研究

为提高协同工作平台服务系统的协同任务调度的柔性及系统的平台伸缩性,需要从调度过程、软件结构和调度算法等方面进行研究。首先提出协同任务调度软件构架模型,采用多种软件优化方法对构架模型进行优化。然后提出驱动协同任务调度的过程元模型。最后,研究协同任务调度中的成员指派过程的关键算法,给出算法的形式化描述,并对算法效果进行验证。该软件构架和算法在实际应用中取得良好效果。

基于匈牙利算法求解的火力分配问题

匈牙利算法是求解指派问题的一个很好的算法,但一般情况下,火力分配问题的数学模型不具备指派问题的模型形式。针对目标函数是线性或非线性的一类火力分配问题,提出了虚拟火力单位或目标的方法,将问题转化为能够用匈牙利算法求解的指派问题,该方法简单、易于计算,有很高的应用价值。

面向多平台多目标协同跟踪的指派问题

针对多平台多目标协同跟踪中要求多个无人地面平台尽可能均匀地协同跟踪多个目标的特点,提出了改进的离散粒子群优化算法。首先采用连续型粒子群优化算法中的速度和位置迭代公式,然后对粒子位置进行离散编码,使粒子编码对应于可行的指派方案;其次,在优化算法中引入局部搜索,提高算法寻优性能。最后将所提算法应用于多平台多目标协同跟踪中的指派问题,并与未加入局部搜索的粒子群优化算法比较,仿真结果表明,加入局部搜索后的离散粒子群优化算法具有较好的寻优性能。

并行分区拣货系统储位优化设计

主要讨论配送中心并行分区拣货系统的特性,在各分区拣货员拣货速度不同的情况下,提出储位指派算法,通过对品项在各分区间储位的安排以平衡各分区拣货员的作业量;根据拣货作业规则和优化目标,对相关模型及算法进行模拟测试以证明其有效性,为方法的选择与应用提供了依据。

从音系学角度分析普通话的词重音

从音系学角度分析普通话的词重音对于普通话学习有着重要的作用,本文从普通话的重音层次、指派算法与制约条件的相互作用进行了必要的分析。

多传感器资源分配的探讨

在现代复杂的战场环境中，存在着大量功能不同，特点不同的多传感器资源及类型不同，杀伤力不同，机动性不同的多目标，如何更加合理分配，利用这些传感器资源对战场多目标进行监视、探测和跟踪量个较为复杂的问题，本文以传感器-目标的分配效能因子为中心，结合匈牙里指派算法，简单介绍了一种传感器资源分析的方法。

基于D2D通信的V2X资源分配方案

针对基于设备到设备(D2D)的汽车间通信复用蜂窝资源带来的干扰问题,考虑在满足车辆用户(V-UEs)的通信要求下,通过一个启发式算法最大化蜂窝用户(C-UEs)总的吞吐量.首先通过图着色原理将没有干扰的车辆分在同一簇;其次根据分簇结果,利用改进的匈牙利指派算法为V-UEs分配信道;最后通过调整功率最大化C-UEs总的吞吐量.仿真结果表明,此算法能够很好地解决车通信(V2X)的同层干扰和跨层干扰问题,在保证V-UEs通信可靠性的前提下,提高了频谱利用率.

基于双指令的倍深式货位优化

随着可利用土地资源的日益稀缺,仓储企业为降低成本,提高存储密度,对紧致化仓储要求愈加迫切。提高存储密度的一个重要途径是尽量减少巷道,与单倍货架相比,倍深式货架节约了巷道空间,从而实现了紧致化仓储。在考虑堆垛机的运行时间和堆垛机在货位的停留时间的基础上,建立堆垛机执行交叉存取指令的倍深式货位优化模型。为减少翻箱操作次数,根据倍深式货架特征提出Close&Open算法和指派算法对模型进行求解。仿真实验显示:批量存储的效率比单一存储的效率高;当存储密度为80%时,与随机存储算法对比,Close&Open算法提高了27.76%,指派算法提高了30.12%。