基于PCNN的迷宫路径搜索的评估函数优化研究

在前人对PCNN模型的研究及应用的基础上,结合启发式的搜索策略——A*搜索策略,设计了基于改进型的PCNN迷宫智能优化算法,并将其应用解决实际迷宫问题。主要工作为:(1)通过对PCNN模型内在机理的研究,并根据PCNN的自身特点,选择合适的模型参数以适合求解迷宫最短路径问题。(2)选择与改进了的PCNN模型相结合的A*搜索算法,并证明该算法是可靠的,具有一定的自适应能力和所求得的解是最优解。(3)通过IEEE标准迷宫和MATLAB平台,对该算法的评估函数进行设计、仿真和验证等,不仅论证了(2)的结论,同时也论证了该算法的高效性。相关研究工作的实验结果表明,该算法不仅可以尽快找到目标,而且可以在相对少的搜索区域里得到相对满意的路径。

数据网渗透攻击中的拓展的迷宫路径算法

为了解决传统网络渗透方法在异构网络上适应性较差的问题,采用计算机算法与设计中的迷宫路径算法、图论中的相关理论,将传统的迷宫路径算法进行了拓展。在此基础上,利用拓展的迷宫路径算法对网络渗透进行了全新探索,提高了异构网络下的网络渗透适应能力与速度,为开展有目标性的网络攻击打下了坚实的基础。利用上述研究确定的最短路径与关键节点,为开展数据网络防护提供了明确的对策与方法。通过上述具有完全实践性的理论研究,为拓展传统的网络渗透攻击技术与方法,为数据网络安全防护等方面开辟了一片全新的领域。

基于ARM的电脑鼠走迷宫的研究

目标是设计制作集传感器与控制于一体的,能够自动穿越迷宫的电脑鼠。该电脑鼠结合了模拟电路、数字电路,自动控制理论等相关专业知识。提出将模块化方法应用于系统软、硬件的设计,不仅提高了软硬件开发效率,而且提高了软硬件在实验及检修过程中的可维护性、可升级性。这里设计的电脑鼠能在迷宫中搜索路径,走出迷宫,并能实现路径优化。

基于NAO的迷宫解决算法研究

迷宫的最优路径是指从迷宫入口到迷宫出口的最近通路。求解迷宫路径问题的算法很多,基于法国Aldebaran公司新兴研制的人工智能机器人NAO,以机器视觉NAO Marks和位置点数据队列为基础,提出了一种新的解决机器人迷宫路径优化算法。实验结果表明,该算法实现简单,在复杂迷宫环境下能有效地实现迷宫路径规划。

二进制互连神经网络的遗传演化

当前对于二进制神经网络的研究主要集中在前馈模型上,然而前馈模型不具备反馈连接,无法形成记忆结构,从而无法处理时序逻辑问题。提出了一种基于遗传算法的二进时序神经网络演化算法,并且通过双边沿触发计数器实验和迷宫路径覆盖实验验证了演化的二进制互连神经网络具备时序逻辑处理能力。