基于贪婪最佳优先搜索算法的方形件排样优化问题研究

方形件排样优化问题是运筹学应用的重要领域,也是实现产品个性化定制的关键,如何提高材料利用率是制造企业的一大难题。文章针对该问题充分考虑各种情形下的约束条件,建立了以板材原片利用率及生产效率最大为目标的混合整数规划模型。运用Matlab进行仿真,针对多个数据集,采用贪婪最佳优先搜索算法求解出其最优的方形件排样方案,验证了模型的有效性和可行性。实验结果表明,文章的算法可以有效减少板材用量,且计算时间满足实际应用需要,能够为实际生活中制造企业涉及到的玻璃、钢材切割等问题提供新的启发和思路。

一种基于最佳优先搜索算法的集装箱堆场场桥调度策略

集装箱堆场管理承担着集装箱码头较多的业务,对整个集装箱码头的运作效率有着较大的影响.由于堆场中各箱区作业量是实时变化的,因此对堆场设备的动态调度就显得尤为重要.在以提供一种新颖的场桥调度策略为目标的情况下,构建了一种基于整数规划的场桥动态调度模型,该模型以各箱区各时段预测的工作量为前提,以达到各时段中剩余的总工作量最小的目标.由于该模型的求解属于NP(nondeterministic polynomial)难问题,所以采用了一种启发式算法:最佳优先搜索算法,来作为求解该模型的算法.最后,通过对某集装箱码头堆场的仿真来说明该系统,结果表明该模型和算法的有效性和实用性.

求解HP格点模型的最佳优先搜索算法

HP格点模型是目前预测蛋白质折叠结构的一种最简单和最流行的模型,该模型已被证明是NP完全问题。将问题的解空间组织成树型结构,利用启发式规则—k步探测法对结点的可能分支进行评估,采用最佳优先策略搜索解空间树。最后用最佳优先搜索算法(BF)对一组公认的算例进行了实算,计算结果表明,BF计算效率优于传统的遗传算法和Monte Carlo方法。

数控系统的混合任务模型及其最优调度算法研究

针对数控系统中多种类型任务并存,且任务之间在时序、资源等方面存在相关性的特点,建立了混合任务系统模型,并引入计算机人工智能领域的启发式最佳优先搜索算法来实现该模型任务集的最优调度.该算法通过搜索问题的状态空间树,在符合所有约束条件的状态节点中寻找使得启发式评估函数取到极小(或极大)值的节点,最终得到系统的最优调度集.实例研究和算法性能分析表明,该算法解决了传统实时系统调度算法不适用于混合任务系统的问题,对于并发任务数量不大的数控系统,能有效地实现任务的最优调度.

基于密度的面板数据聚类分析

研究面板数据聚类问题过程中,在相似性度量上,用Logistic回归模型构造相似系数和非对称相似矩阵。在聚类算法上,目前的聚类算法只适用于对称的相似矩阵。在非对称相似矩阵的聚类算法上,采用最佳优先搜索和轮廓系数,改进DBSCAN聚类方法,提出BF—DBSCAN方法。通过实例分析,比较了BF—DBSCAN和DBSCAN方法的聚类结果,以及不同参数设置对BF—DBSCAN聚类结果的影响,验证了该方法的有效性和实用性。

用于资源动态预留的航天测控资源配置优化算法

针对航天测控资源配置优化问题这类约束条件繁杂且数量众多的组合优化问题,提出了可用于资源动态预留的航天测控资源配置优化算法。具体来讲,考虑测控设备和航天器执行任务的唯一性约束以及时间窗口冲突约束,建立了基于原子型任务调度的0-1整数规划模型;设计了能将实际需求和求解算法进行解耦的求解框架,并基于最大化利用测控资源的思想获得了可回溯的并行最佳优先搜索算法。仿真结果表明,所提算法达到了能在国内东部、西部、南部和北部四大测控区域中更加均衡地动态预留出更多、更重要测控设备的资源配置优化效果。

A*算法在移动机器人路径规划中的研究

针对传统寻路算法在移动机器人中搜索效率低和搜索路径不一定为最优等问题,提出了采用改进A*算法来进行移动机器人路径规划,传统寻路算法一般采用Dijkstra算法,最佳优先搜索算法(BFS)和A*算法。Dijkstra算法是一种盲目式搜索算法,可以搜索到一条最优路径,但是扩展节点太多搜索效率太慢,BFS算法是一种启发式算法,利用了启发函数,扩展节点少搜索效率高,但是不一定能搜索到一条最优路径,A*算法结合了Dijkstra算法和BFS算法,既能搜索到一条最优路径,同时搜索效率也比较高,但是也存在一些缺点。在A*算法的基础上提出了改进A*算法,首先对启发函数进行优化,可以提高算法搜索的导向性,再使用双向搜索的方式,同时从路径的两端进行搜索,可以极大地提高A*算法的搜索效率,通过仿真实验证明,改进A*算法比传统A*算法的搜索效率提高了24.95%,比BFS算法搜索的路径长度减少了24.46%,比Dijkstra算法的搜索效率提高了91.37%,因此采用改进A*算法进行移动机器人路径规划具有更好的寻路效果。

基于象群-蚁群算法改进的小车路径规划

社会发展对智能机器人运行要求不断提高,单一蚁群算法已经无法满足路径规划的要求。针对蚁群算法存在探索和开发不平衡的问题,本文提出一种改进蚁群算法。首先采用栅格法建立环境模型;其次使用最佳优先搜索算法预搜索次优路径,来初始化蚁群算法的信息素浓度,以提高算法前期收敛速度;利用象群算法优化蚁群算法参数,以减小参数设置对算法影响,从而提高蚁群算法搜索性能。将改进蚁群算法进行仿真实验,并与传统蚁群算法进行对比。实验结果证明,改进蚁群算法搜索效率更高,迭代次数减少近65%。

基于Petri网的配电网重构

提出一种基于Petri网的配电网重构算法,并引入了最佳优先搜索的思想方法。以电气和电子工程师协会(IEEE)的3馈线16节点系统为算例,应用所提出的算法进行了网络重构,比较了重构前后配电网系统的网损。结果表明该算法准确、可行、实用。

采用改进的尺度不变特征转换及多视角模型对车型识别

针对车型识别过程中车辆的姿态复杂以及采集图像时尺度缩放和光照等因素导致识别出现困难的问题,提出采用改进尺度不变特征转换(SIFT)及多视角的车型识别算法。该算法对尺度不变特征提取方法进行改进,并获取车型特征;通过视觉聚类对车辆进行多视角建模;利用最佳节点优先搜索算法完成特征向量的近邻搜索,并根据匹配相似度完成车型识别。实验结果表明,该算法所给出的车型识别方法具有可行性和有效性,可以在不同的图像畸变条件下保持稳定性,最终的车型识别效率也都可达到90%,所用时间要低于SIFT方法,处理时间在原SIFT方法的基础上降低了20.58%。

超宽带技术下基于软两步法的目标定位

针对采用超宽带技术的目标定位问题进行了研究,提出了直接估计目标位置及其改进的软两步法的定位方案;首先通过对超宽带信号模型和基于到达时间的典型两步定位方案原理的分析,提出了一种采用一组测量值或一组可能的ToA估计量直接估计目标节点位置的方案;为了消除该方案中阈值选择时存在的模糊性和强多径分量,提出了基于多ToA的定位方案,从而实现对目标节点的跟踪定位;仿真实验结果表明,提出的定位方案相比于典型的两步定位方案无论是在视距场景还是非视距场景中都具有更高的目标跟踪能力和更小的定位误差累计分布函数。

基于模型推理的参数再设计方法研究

采用定性因果推理和启发式搜索的方法,提出了一种自动生成参数再设计方案的关键技术。以一个减速器再设计问题为例,探讨了基于参数的再设计问题的基本形式,建立了基于因果影响关系的再设计模型。描述了生成再设计方案的算法,包括再设计方案综合效果的估算方法和基于最佳-优先搜索的方法,分析了算法的完备性和复杂度问题。以减速器再设计的例子演示了算法的有效性和该工具的功能。

一种主动发现网络地理信息服务的主题爬虫

地理信息服务已成为分布式环境下获取地理数据的重要来源,从海量的网络资源中找到地理信息服务,是共享与互操作地理数据的基础。目前,地理信息服务主动搜索主要采用通用搜索引擎的接口或者通用爬虫的抓取方式,但这2种方式存在搜索效率低、搜索结果可用性差等不足。针对这一问题,本文设计了一种搜索地理信息服务的主题爬虫。该算法在最佳优先搜索的基础上进行了改进,综合考虑网页内容的主题相关度和链接文本的主题相关度确定链接优先级,优先爬取与地理信息服务相关的链接,并通过舍弃无关网页中的无关链接,减少无效爬取,进而提高搜索效率。此外,本文采用关键词匹配结合能力文档探测的方式识别地理信息服务,有效筛选出可用的地理信息服务,提高了服务搜索结果的可利用率。最后,本文以OGC WMS为实例,实现爬虫算法的原型系统并进行实验,实验证明该算法有效可行。

基于CFS-SAMME集成算法的入侵检测应用研究

针对当前网络入侵隐蔽性强、危害大、手段高,传统的入侵检测方法已经难以有效防范的问题,本文进行了基于CFS和SAMME多分类集成算法的入侵检测的应用研究。实验结果表明:经过相关性特征选择后的SAMME多分类集成算法不仅提升了检测准确率,也大幅度提高了入侵检测效率,为入侵检测提供了有效的思路和方法。