基于广度搜索方式的线性子链法

传统的线性子链法采用深度搜索方式(depth-first search,DFS),但DFS包含向前寻找支链的过程,计算效率较低。针对该问题,提出了一种基于广度搜索方式(breadth-first search,BFS)的线性子链法。该方法使用了特征符号,减少了向前寻找支链的操作,并通过对特征符号的排序,能够得到完整的线性链。分别基于^(16)O和^(238)U算例测试了BFS线性子链法,计算结果表明,BFS线性子链法可以搜索到与传统线性子链法同样数量的线性链,对于^(16)O算例在不同截断链长下BFS线性子链法搜索时间均较短,对于^(238)U算例随着截断链长的增加BFS线性子链法搜索效率开始低于传统线性子链法。因此,BFS线性子链法可以达到与传统线性子链法相当的计算精度,对于活化和衰变问题,其线性链搜索效率存在显著优势。

基于密度聚类算法和广度优先搜索算法的道岔摩擦电流智能分析系统

[目的]现场的道岔摩擦电流测试与调整存在流程繁琐且风险高、对检修人员专业水平要求高、测定数值的主观性占比大3个弊端,为此需要基于各类智能算法及技术提升道岔的智能运维水平。[方法]分析了道岔摩擦电流测试曲线4个阶段的特征,提出建立道岔摩擦电流的智能分析系统。阐述了该系统的功能及工作原理,设定了该系统的摩擦电流标准值及阈值范围。该系统可基于密度聚类算法和广度优先搜索算法自动获取道岔摩擦电流值。介绍了该系统的调试界面截图,以说明系统在获取道岔摩擦电流值如何为现场检修人员提供操作建议。[结果及结论]该智能系统具有良好的可用性,实现了节约检修时间、降低维护成本和提高检修效率的既定目的。

基于广度优先搜索的电力系统仿真误差溯源方法

针对大规模电力系统仿真模型验证中误差溯源困难的问题,提出一种基于广度优先搜索的电力系统仿真误差溯源方法。首先,计算综合扰动深度指标和仿真误差能量指标,分别用以评价系统内不同区域的动态特性激发程度和仿真误差的空间分布特性;然后,设定相应阈值,建立联合约束,采用广度优先搜索算法形成电力系统生成树,识别关键区域内的网络拓扑结构;最后,以IEEE-39节点系统为例验证了所提方法能够实现仿真误差关键区域的准确、高效定位,减小了仿真模型验证的工作代价。

基于广度优先搜索和优化算法的输电网故障诊断

电网发生故障时 ,根据断路器跳闸信息和母线电压信息 ,采用 BFS(广度优先搜索 )的方法搜索出故障区域。基于故障区域建立保护和故障设备之间关系的数学模型 ,将故障诊断问题表示为 0 -1整数规划问题。在目标函数中引入贡献因子 ,通过遗传算法诊断出故障设备。实例表明所提模型是正确的 。

一种基于广度优先搜索邻居的聚类算法

聚类算法BFSN广度优先搜索某对象的直接邻居和间接邻居 ,对符合条件的所有找到的邻居合并 ,从而完成一类聚类 .接着重复该步骤完成所有对象的聚类 .与同类算法相比 ,该算法具有实现简单、复杂度低和容易设定最佳参数等优点 .实验证明 ,在聚类正确率相近的情况下 ,该算法的效率比较高 。

基于单元树结构的广度优先P2P搜索算法

提出基于单元树结构的广度优先搜索算法UTBFS。将单元树结构生成算法与广度优先算法相结合,阐述UTBFS的实现思路,对其时间复杂度、空间复杂度、可行性、优越性进行分析。实验仿真结果显示,相比于传统的广度优先搜索算法和随机广度优先搜索算法,UTBFS减少了需要转发消息的邻居节点个数和冗余消息,因此性能更优。

基于广度优先搜索算法和区域节点行向量法的复杂配电网络可靠性评估

基于广度优先搜索算法构造了复杂配电网络的等效模型,采用区域节点行向量法对复杂配电网络进行了可靠性评估。给出了区域节点的定义,采用广度优先搜索算法将复杂配电网络等效为由区域节点和开关元件组成的模型,采用区域节点行向量法得到了负荷节点和系统的可靠性评估指标。在该模型和算法中,区域节点的形成算法以支路为研究对象,操作简单,网络适应性强。采用区域节点行向量法对复杂配电网络进行可靠性评估时,便于考虑开关装置故障的影响,实用性较强。RBTS-bus6系统的评估结果及其与现有分区方法的比较结果表明了该模型和算法在简化网络和提高运算速度方面具有明显优势,在适应网络结构变化方面具有较好的鲁棒性。

基于广度优先搜索的配电网故障恢复算法

采用有功负荷作为制定初始恢复方案的依据,通过判断联络开关总备用容量与失电区总负荷的关系,确定是否需要提前转移二级支持馈线的负荷,以便扩大恢复供电的范围。采用广度优先搜索方法可使非故障失电区均匀恢复供电,且供电路径不会过长。引入了备用容量修正系数的概念,可根据电压(电流)过载情况,自动修正恢复方案。算例分析验证了该算法的可行性。

基于广度优先搜索的小波聚类算法

针对传统小波聚类算法采用相连定义聚类时精度和效率不够的问题,提出了一种基于广度优先搜索的改进小波聚类算法。该算法综合了小波聚类算法和广度优先搜索邻居聚类算法两者的优势,以小波聚类算法的网格邻居单元定义去改善广度优先搜索邻居聚类算法人工输入参数的敏感性,同时以广度优先搜索邻居聚类算法类门限参数的设定去改善小波聚类算法类划分不精确的缺陷。通过航空发动机转子模拟振动信号实验数据,对其分别进行小波聚类,广度优先搜索邻居聚类以及改进的小波聚类分析,结果表明:基于广度优先搜索的小波聚类能够很好地改善传统小波聚类的聚类精度和聚类速度,明显地降低计算复杂度。

基于广度搜索的增量式点云表面重建

将人工智能中广度优先的搜索算法引入散乱点云表面重建领域,借助增量计算思想,基于搜索算法状态不断扩展的特点,渐进均匀地扩展重建整个物体表面.算法以初始三角面片初始化搜索队列,以有向边为搜索元素,借助于八叉树空间划分和搜索约束条件,快速完成最优点评估及三角片重建,具有可视化并行计算、选择性填补空洞以及重建结果与参数弱耦合等特点.实验结果表明,本算法高效、稳定,可以重构任意拓扑结构的二维流形三角形网格.

一种基于广度优先搜索的K-means初始化算法

K-means算法是在现实应用中非常广泛的聚类算法,K-means算法对初始中心的选择非常敏感,对已存在的有代表性的初始算法进行了研究,提出了一种基于广度优先搜索的K-means初始化算法。该算法综合考虑了密度与距离因素,选择初始点。分析表明该算法选择的初始点非常接近期望的中心点。

基于广度优先搜索的位相展开算法

二维位相展开 ( phase unwrapping)是位相检测技术中的一个重要组成部分和技术难点 .本文设计了一种基于广度优先搜索 ( breadth- first search)遍历位相图策略的位相展开算法 .算法的一个显著优点在于能够自动地绕过可疑的非相容点 ,避免对这些点进行位相展开时产生的误差影响以后的区域 ,因此尤其适用于处理包含空洞和环状噪声区域的位相图 .文中还用该算法对实际的位相图进行了处理 ,得到了比较理想的结果 .

结合广度搜索的遗传算法在水库调度中的应用

为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度搜索算子结合的算法,同时为保证水库优化调度搜索全局最优提供了一定保障。针对遗传算法容易陷入局部最优的缺点,引入正弦函数取随机数的广度搜索与遗传算法相结合的算法。通过分析比较单独使用自适应遗传算法或者广度搜索算法以及结合算法在实际水库优化调度中效果,结果显示,优化结果要比自适应遗传算法以及广度算法的结果更理想。充分证明了结合算法的高效全局搜索能力,避免了自适应遗传算法陷入局部最优,同时在一定程度上克服了广度搜索很难收敛的缺点,在一定收敛条件下得到了更接近全局最优的结果。

一种基于广度优先搜索的社区发现方法

由于当前的算法不能很好地将网络的联通性和单个节点的属性综合考虑,分析了凝聚和分裂层次聚类经典算法的局限性,从而给出边的载荷、边的权重、连接度门限、图形分割等定义.综合考虑网络的拓扑结构和边的权重关系,提出了基于广度优先搜索的社会网络社区发现算法SoNetCD.算法通过删除社区之间的边而得到社区结构,它对社区之间的边判断准确,对社区内部的边误删率低.运用经典数据集进行实验的结果表明,该算法具有比经典GN算法更好的结果.

结合有监督广度优先搜索策略的通用垂直爬虫方法

垂直爬虫程序无法直接移植到其他网站并且程序设计需要大量人工干预。为此,提出一种高可移植性的通用型垂直爬虫设计方法。自动识别目标主题和目录页面URL,并利用URL聚类生成URL正则表达式过滤器,以解决垂直爬虫中需人工维护初始URL队列的问题。然后,利用正则表达式过滤器和解析路径模板以及有监督的广度优先与网页赋权搜索策略,实现相关页面的精确定位和数据的快速准确提取。实验结果表明,该方法能够对不同网站实现高效、快速、通用的数据爬取。

基于广度优先搜索-改进蚁群算法的配电网故障恢复

自然灾害导致配电网故障恢复具有很高的复杂性,传统配电网故障恢复算法难以兼顾重要用户快速恢复和全局恢复最优。本文在考虑分布式电源和重要用户的前提下,将配电网故障恢复分为优先恢复重要用户的骨干通道恢复阶段和剩余负荷恢复阶段,针对每一阶段的恢复目标,利用广度优先搜索算法快速恢复骨干通道、改进的蚁群算法恢复剩余负荷。考虑加入分布式电源和故障恢复后可能导致节点电压越限的情况,采用适当调节变压器分接头的方法调节节点电压。最后将所提出的方法用C^#语言编程实现,并通过两个算例进行了验证。

基于广度优先搜索的虚拟网络映射算法

针对虚拟网络映射中的资源分配问题,通过建立节点资源度量模型,采用图的广度优先搜索遍历方法和节点同步遍历策略,依次将虚拟网络中相邻的虚拟节点映射到物理网络中邻接的物理顶点上,协调完成虚拟节点和虚拟链路的映射操作,降低虚拟链路的映射路径长度。仿真实验表明,提出的BFS-VNM算法有效地降低了虚拟链路扩张因子,提高了网络收益与开销比和虚拟网络请求接受率。

基于广度优先搜索的变异加权模糊C-均值聚类算法

针对传统模糊C-均值聚类方法(fuzzy C-means,简称FCM)对初始值敏感导致的易陷入局部最优和噪声敏感问题,文章提出一种基于广度优先搜索的变异加权模糊C-均值聚类算法。该算法通过改进具有全局搜索能力的广度优先搜索算法(Breadth Fist Search,BFS)和有效聚类评价函数相结合,确定了接近真实的初始聚类中心,同时能够剔除噪声数据。在此基础上考虑属性噪声对聚类结果的影响问题,引入变异系数赋权法对FCM的目标函数进行改进,进一步提高了FCM算法的抗噪性。实验结果表明,该算法能够有效的克服传统FCM的不足,与其他聚类算法相比,具有较快的收敛速度、更好的聚类准确率及较高的抗噪性。

采用广度优先搜索邻居聚类的通信信号调制识别

针对短波通信中无法避免的码间串扰问题,研究了聚类算法在信号调制识别中的作用,提出了一种利用广度优先搜索邻居(BFSN)聚类处理循环统计量特征的分类算法。该算法将循环统计量特征峰值作为聚类输入对象,通过BFSN聚类分析,剔除延时信号、噪声等造成的奇异类峰值,克服了多径效应产生的码间串扰影响,实现了2FSK、4FSK、BPSK、QPSK、16QAM、π/4-QPSK、π/4-DQPSK、8PSK等8种调制信号的自动识别。仿真表明,该算法聚类后提取的特征参数抗多径干扰能力强,同信道均衡方法相比识别正确率有5%的性能优势。低信噪比环境下的信号调制识别具有重要的工程应用意义。

基于双向广度优先搜索的魔力方块问题求解

将魔力方块问题与八数码问题进行对比分析,通过讨论魔力方块问题是否有解、解的最少步数、状态表示、状态判重、状态转换关系等相关问题,提出一种基于双向广度优先搜索和状态转换表的求解算法。实验结果表明,与有界深度优先搜索、简单广度优先搜索及A*搜索算法相比,该算法效率较高,稳定性较好,可以实现魔力方块问题的实时求解及演示。