基于内存优化和启发式深度优先搜索的小波零树图像编码算法

本文提出了一种基于内存优化和启发式深度优先搜索的小波零树图像编码算法 ,采用标志位和启发式的深度优先搜索策略完成零树编码中的排序和细化过程 .采用一张标志位图标识细化过程中的重要系数 ,代替零树编码中的链表 ,节省了内存占用 .同时采用启发式的深度优先搜索策略检索树结构中的不重要象素集合信息 ,不仅省去了存储排序全局信息的链表和位图 ,符合优化内存的需要 ,还减少了排序过程中的定位信息 ,提高了信噪比 .实验表明 ,和现有的小波零树编码算法相比 ,较大地节省了编解码内存 ,信噪比虽略低于SPIHT(SetPartitionInHierarchalTree)算法 ,但高于EZW(EmbeddedZerotreeWavelet)、LZC(ListlessZerotreeCoding)等编码算法 ,为硬件实现小波零树编码算法探讨了一条有效途径 .

优先规则的启发式军事任务计划求解算法

首先对军事任务计划问题进行分析,基于合理假设建立了军事任务计划问题描述模型;随后针对问题模型特点设计了一种基于非支配排序思想的任务优先规则和以任务完成时间最短为目标的任务执行模式优先规则,提出了一种基于优先规则的启发式求解算法;最后,通过仿真算例对该模型和算法的可行性和有效性进行验证,实验结果证明该方法能够快速、有效求得军事任务计划问题的可行解。

LEDBAT协议优先级反转抑制的启发式动态阈值算法

近年来,随着通信技术和网络传输能力的大幅度提升,应用需求呈现多元化的增长态势(视频会议、在线游戏等交互式应用要求低时延、低抖动,而软件更新等应用则要求高吞吐).为满足时延不敏感的数据传输并保证高效的瓶颈带宽利用率,低优先级拥塞控制算法(如LEDBAT(low extra delay background transport))受到广泛关注.该类算法能在链路空闲时占用未被使用的带宽,而在链路负载较高时释放占用的带宽以保证时延敏感数据的传输.然而,当中间路由器部署主动队列管理算法时,低优先级拥塞控制算法存在优先级反转问题,即链路高负载时无法释放占用的带宽,使其退化为普通拥塞控制算法.为解决该问题,针对LEDBAT中的固定时延阈值造成的优先级反转,提出启发式的动态阈值调整算法,其在运行时动态搜索最优的动态时延阈值,确保LEDBAT与主动队列管理算法共存时仍能保持低优先级特性,同时不降低链路的利用率.为验证算法的有效性,在网络模拟NS2中建立了不同网络场景并对算法进行大量的评估.实验结果表明:与已有低优先拥塞控制算法相比,新算法能够有效解决优先级反转的问题,同时保证链路的带宽利用率.

深度优先的公式发现算法

论述在解决人工智能问题中一种新的搜索方法 。

有优先顺序约束的单件车间调度问题的一种启发式算法

本文研究单件车间调度优化问题。针对工件之间存在的加工顺序关系,给出了逆推算法对各工件的交货期进行预处理,将问题转化为一般单件车间调度问题;在此基础上运用合适的调度规则,构造了具有一定优度的启发式算法。

基于优先原则的启发式算法在ZM项目中的应用

施工进度计划的科学编制及合理安排是项目进度管理的重要内容,是影响项目工期目标实现的关键环节。通过关键路径法得到ZM项目建设最短工期进度计划,再从资源约束的角度,采用启发式算法对项目进度计划重新进行调整和编制,得出资源配置最优的工期。

求解三维装箱问题的多层启发式搜索算法

文中提出了一个高效求解三维装箱问题的多层启发式搜索算法.该算法基于块装载的思想,按照块选择算法确定每个阶段采用的块,然后以一种固定的装载方式装载块,直到无法继续装载.文中的主要贡献在于发展了一个有效的复合块生成算法,特别的,提出了基于多层搜索的块选择算法,该算法用多层搜索来评价可行块,然后选择最合适的块进行装载.对1500个三维装箱问题测试数据的计算结果表明,提出的算法几乎在所有测试数据上的填充率都超过了目前已知的优秀算法.

柔性作业车间调度问题的一种启发式算法

为了研究多目标柔性作业车间调度问题,基于甘特图和搭积木经验进行了分析,提出了一种组合优先规则和基于此优先规则的启发式算法。组合优先规则面向完工时间、关键机床负荷和总负荷三个指标,改变规则中各数据项的比例可调整三个指标所占的比例;算法采用随机方式调整三个指标的比例,并微调最优解对应的比例,能随机产生多个高质量调度解。算法对比测试表明,该算法求解质量高、运行速度快且稳定,可直接用于在其他调度算法中产生初始解或者用于动态调度。

资源约束下多项目调度的启发式算法

讨论了目前RCPSP领域的研究现状，建立了一种针对单模式资源受限下多项目调度问题的数学模型，并提出一种解决该问题的启发式算法，给出了具体的算法步骤以及算例，结果表明该算法可以得到可行解。

启发式算法的孔群加工路线模糊多目标优化

研究一类在加工中广泛存在的孔群加工(Hole Group Machining,HGM)优化问题。孔群加工是多孔类零件加工中重要的工艺过程,研究其加工路线优化方法对于提高多孔类零件的加工效率、降低加工成本有重要意义。与传统的多孔加工点位优化不同,综合考虑了刀具选择、加工参数、加工次序及刀具路径的影响,以加工效率和成本为目标,建立优化问题数学模型。采用改进启发式算法克服了传统算法早熟、爬山能力弱,以及收敛性能不理想等缺点,并引入交互式多优先级控制,对加工工艺进行模糊多目标优化,提高了算法实用性。最后通过实例计算证明了算法的有效性。

柔性作业车间调度分析及其启发式算法

针对多目标柔性作业车间调度问题,基于甘特图和搭积木经验进行了分析,提出了一种组合优先规则和基于此优先规则的启发式算法。组合优先规则面向完工时间、关键机床负荷和总负荷三个指标,改变规则中各数据项的比例可调整三个指标所占的比例。算法采用随机方式调整三个指标的比例,并微调最优解对应的比例,能随机产生多个高质量调度解。对比测试表明,算法求解质量更高,运行速度快,稳定,可直接用于在其他调度算法中产生初始解,或者用于动态调度。

一种求解多星测控调度问题的启发式算法

一种基于优先级排序的启发式调度算法,首先构造问题的数学模型,对各种类型的卫星及航天器测控需求进行描述。再针对各影响因素分别定义优先级并根据工程实际确定权重,将各优先级加权得到需求的综合优先级。以综合优先级为排序标准,采用优先度最高的需求最先占用的策略,最后将以被占用的需求作为进一步调度的约束完成算法。

采用启发式算法求解多目标FJSP

为了研究多目标柔性作业车间调度问题,基于甘特图和排积木经验分析,提出一种组合优先规则和基于此优先规则的启发式算法。组合优先规则面向完工时间、关键机床负荷和总负荷三个指标,改变规则中各数据项的比例可调整三个指标所占的比例。算法采用随机方式调整三个指标的比例,并微调最优解对应的比例,能随机产生多个高质量调度解。算法对比测试表明,算法求解质量更高,运行速度快且稳定,可直接用于在其他调度算法中产生初始解,或者用于动态调度。

深度优先搜索算法及其改进

对于一些简单的搜索问题或者不便构建启发式搜索算法的问题,深度优先搜索算法常是解决问题的有效办法。首先对深度优先搜索算法的基本原理进行描述,在此基础上分析深度优先搜索算法的不足之处,最后对深度优先搜索算法进行改进,并将改进的深度优先搜索算法应用于农夫过河问题,得到2个可行的解。

一种改进的多机场地面等待启发式算法

从满足航空公司关于航班公平性的需求出发,将航班时刻优先规则用于改进基于优先级的多机场地面等待启发式算法(ABG算法)。采用被动优先级表,根据航班计划到达时刻的先后,依次分配降落时刻,分配后的降落时刻不再参与试图降低总延误时间的时刻交换处理。基于相同实验数据的计算结果对比表明,改进算法可降低最大延误时刻的50%和输出更为平滑的航班延误分布。

求解最小连通r-跳k-支配集的启发式算法

针对最小连通r-跳k-支配集的求解问题,提出一种基于节点度贪心策略的启发式算法。把网络节点集合作为初始解,从中选出度数最小的节点,通过判断节点的连通性决定是否将该节点从当前可行解中删除,由此逐步缩小连通支配集的规模,直至处理完所有节点。在单位圆盘图上进行算法复杂性分析和模拟实验,结果表明,相比同类算法,该算法得到的连通r-跳k-支配点集更少,且性能稳定。

基于ERPMT改进启发式方法的WSN寿命最大化算法

针对传感器节点的电池容量限制导致无线传感网络寿命低的问题,基于容量最大化(CMAX)、线上最大化寿命(OML)两种启发式方法以及高效路由能量管理技术(ERPMT),提出了基于ERPMT改进启发式方法的无线传感网络寿命最大化算法。首先,通过启发式方法初始化每个传感器节点,将节点能量划分为传感器节点起源数据和其他节点数据延迟。然后,利用加入的一种优先度量延迟一跳节点的能量消耗。最后,根据路径平均能量为每个路由分配一个优先级,并通过ERPMT实现最终的无线传感网络优化。针对不同分布类型网络寿命的实验,验证了本算法的有效性及可靠性,实验结果表明,与较为先进的启发式方法 CMAX及OML相比,本算法明显增大了无线传感网络的覆盖范围,并且大大地延长了网络的寿命。

基于自适应深度置信网络的压力变送器温度补偿方法研究

随着压力变送器检测技术和人工智能技术的不断发展,在航空航天、石化、核电等领域人们对压力变送器的稳定性、实时性、测量精度等方面有了更严格的要求。而工作环境的温度会对设备精度造成巨大影响,导致变送器测量值出现偏移。针对此问题,本文提出了基于自适应深度置信网络的高精度压力变送器温度补偿方法。深度置信网络(Deep Belief Networks,DBN)在无监督学习阶段提取数据的特征,然后在有监督阶段使用少量的数据对网络参数进行微调;利用白鲸优化算法(Beluga Whale Optimization,BWO)在全局搜索和局部寻优之间达到平衡,有效地提高DBN网络的优化效果;引入Metropolis准则和适应度平衡因子,进一步提高算法的全局寻优能力以及模型收敛速度。实验拟合后的数据精度可达0.0048%,远高于现有的最高标准0.05级。经过一系列对比分析,验证了补偿算法的准确性和实用性。

N皇后问题的启发式算法探讨

搜索策略的选择与设计是人工智能领域问题求解的核心问题之一,直接影响到问题求解过程中存储空间的占用和计算的复杂性,影响到问题求解的效率。在给出N皇后问题形式化描述和现有搜索算法的基础上,设计了3种解决N皇后问题的启发式算法,并将其与深度优先和宽度优先等搜索策略进行了分析和比较,得出了几点关于设计启发式算法的启示。

一种面向柔性作业车间调度的启发式算法

针对柔性作业车间调度问题,该文提出一种基于工件优先选择和机器分配选择的启发式调度算法。构成FJSP两子问题优先级的数据项,分别动态调整工序和机器的优先级指数,选出合适的工序安排在合理的机器上加工。运用MATLAB对基准实例进行实验,证实出该算法的有效性,最后采用实际车间调度的实例证明出该算法的实用性。