基于可视图与改进遗传算法的机器人平滑路径规划

针对传统遗传算法在路径规划中存在收敛速度慢、易早熟和路径质量差等缺点,提出一种基于可视图与改进遗传算法的路径规划算法。首先,利用可视图法压缩地图信息,减少搜索节点;然后,对路径个体采用浮点数编码,引入模拟二进制交叉(simulated binary crossover,SBX)算子和多项式变异算子,并采用精英保留策略和轮盘赌相结合的选择算子以防止优质个体丢失;之后,将贝塞尔(Bezier)算子引入遗传算法,改善路径的平滑性;最后,分段优化贝塞尔控制节点,防止优化路径与障碍物碰撞。在仿真地图中进行测试,实验结果表明,所提算法相比于其他算法可以规划出一条更平滑、更短的路径。将算法应用在康复助行机器人中进行测试,实验结果表明,所提算法能有效解决机器人的全局路径规划问题,提升全局路径规划的效率。

基于适应小波收缩的浮点数编码遗传算法

通过独立同分布分析浮点数编码(FPR)噪声,用适应小波收缩的方法消除噪声对遗传算法性能的影响,在算法运行中用变异操作实现消噪。针对阈值变化对小波系数的影响,以单基因证明小波消噪变异的正确性;提出适应小波收缩构建软阈值函数,将函数运算植入算法的动态运行中;给出了具体的实现算法,用实例验证了算法的可行性。仿真实验表明,所提算法显著提高了收敛速度,收敛点与理论值相一致。

浮点开方运算单元的电路设计

文章提出了一种基于逐位循环开方算法，"四位一开方"的浮点开方运算单元的电路设计方案，使限制周期时间的循环迭代部分的门级数降低到14级。按14级门延时为周期时间计算，完成一个IEEE单、双精度浮点数的开方运算分别需要15和29周期。同时，文章对目前开方运算所采用的两类主要的算法-逐位循环开方算法和牛顿－莱福森迭代开方算法进行了描述，其中包括数的冗余表示等内容。

多小波阈值的遗传算法消噪变异

编码问题是遗传算法研究的难点。浮点数编码在函数和约束优化中明显优于其他编码,并能提高算法的局部搜索能力。浮点数编码在遗传环境中产生的噪音和对算法性能的影响,正在被研究者所关注。但目前尚无基于多小波阈值实现浮点数编码消噪变异的研究成果出现。首先研究了多小波和浮点数编码噪音的性质,提出了一种基于多小波阈值的浮点数编码消噪变异方法,并与其他算法进行比较实验。研究和实验结果表明,这种方法可明显提高算法的收敛精度和速度,改善算法的整体性能。

特殊变换多小波构造的浮点数编码遗传算法

浮点数编码具有精度高、便于高维大空间搜索的优点,在函数优化和约束优化领域明显有效于其他编码。浮点数编码遗传算法在操作环境中产生的噪音和对算法性能的影响尚不被人们所认识。将小波用于浮点数编码遗传算法的消噪变异是解决该问题的有效途径。单一小波对浮点数编码消噪变异泛化能力低,且对浮点数编码遗传算法性能改进有一定的局限性。研究证明了用酉变换可构造正交多小波,将正交多小波用于浮点数编码遗传算法的消噪变异,提出了FGAMW方法,并进行了实验。理论研究和实验结果表明,提出的FGAMW方法理论上是可靠的,技术上是可行的,对于拓展浮点数编码遗传算法的应用空间具有积极的意义。

2-Adic MRA的浮点数编码遗传算法

通过2-Adic多分辨率分析,构造正交小波基;证明所构造正交小波用于浮点数编码消噪的正确性;提出用正交小波在浮点数编码遗传算法中进行消噪变异操作,以消除浮点数编码在遗传环境中所产生的噪音对算法性能的影响;构建基于2-Adic多分辨率分析的遗传算法,并进行了实验。仿真实验表明,提出的算法可明显提高浮点数编码遗传算法的收敛速度和精度,具有较高的可靠性。

TWFBD的浮点数编码遗传算法

近年来,有关浮点数编码遗传算法的消噪变异研究有了一定的进展,取得了一些成果。浮点数编码消噪变异的理论和方法研究一直是该领域研究的重点,需要有更新更有理论和应用价值的研究成果出现。有界域的紧小波框架用于浮点数编码消噪变异尚处于无人问津的研究领域。着重分析了有界域的紧小波框架的性质,用有界域的紧小波框架在算法中进行消噪变异操作,提出了基于有界域紧小波框架的遗传算法,并进行了实验。研究和实验结果表明,将有界域的紧小波框架用于浮点数编码消噪变异,具有可靠的理论基础,与其他方法相比,其效果也十分明显。

C语言中浮点数的表示范围浅析

浮点数是C语言中的一种数据类型,但在标准C中并没有给出其具体的描述,即数的存储格式及表示范围。部分经典的C语言程序设计教程中给出了浮点数的表示范围,但存在不严谨和值得商榷的地方。结合IEEE754标准,就C语言中浮点数内在存储格式进行分析并给出结论。

小波分解的浮点数编码遗传算法消噪变异研究

遗传算法的应用领域越来越广泛,其编码问题是遗传算法研究的难点之一。浮点数编码具有精度高、便于大空间搜索的优点,在函数优化和约束优化中明显优于其他编码,但浮点数编码在遗传环境中产生的"噪音"和对算法性能的影响,常常被人们所忽视。基于小波分解原理,将"噪音"映射到Haar小波基上,对算法消噪变异,并编程予以实现。研究及实验结果表明,这种方法明显优于其他算法,在理论上是可靠的,技术上是可行的。

GFMRA的浮点数编码消噪变异

MRA是构造小波的重要方法,而GFMRA可以构造任何具有单一母波的正交小波。浮点数编码在函数优化和约束优化领域明显有效于其他编码,但浮点数编码在遗传操作环境中产生的"噪音"严重地影响着遗传算法的性能。在理论分析的基础上,提出基于GFMRA构造的正交小波对浮点数编码消噪变异的FPRGAG方法,并进行了实验。理论研究和实验结果表明,无论是收敛速度还是收敛精度,FPRGAG都远远优于传统算法。该方法理论上是可靠的,技术上是可行的。

深度卷积神经网络的数据表示方法分析与实践

深度卷积神经网络在多个领域展现了不凡的性能,并被广泛应用.随着网络深度的增加和网络结构不断复杂化,计算资源和存储资源的需求也在不断攀升.专用硬件可以很好地解决对计算和存储的双重需求,在低功耗同时满足较高的计算性能,从而应用在一些无法使用通用CPU和GPU的场景中.在专用硬件设计过程中仍存在着很多亟待解决的问题,例如选择何种数据表示方法、如何平衡数据表示精度与硬件实现代价等.为解决上述问题,针对定点数和浮点数建立误差分析模型,从理论角度分析如何选择表示精度及选择结果对网络准确率的影响,并通过实验探究不同数据表示方法对硬件实现代价的影响.通过理论分析和实验验证可知,在一般情况下,满足同等精度要求时浮点表示方法在硬件实现开销上占有一定优势.除此之外,还根据浮点表示特征对神经网络中卷积操作进行了硬件实现,与定点数相比在功耗和面积上分别降低92.9%和77.2%.

浮点类型有效位数计算与应用分析

为弄清浮点类型数据在应用中存在"异常"现象的原因,研究了浮点类型数据在内存中的存储形式,得到与其在内存中存储规范一致的结果。分析浮点类型数据在内存中存储形式对应的理论区间并进行实验验证,得出浮点类型数据的精度(对于规范化浮点类型数据,float15～17位),进而对浮点类型数据在应用中的一些异常现象进行合理解释,比如"大数吃小数"、输出格式控制以及输出结果与预期不一致等。通过对浮点类型数据在计算机内存中表达形式的理论分析和实验验证,实现对实际数据进行离散化处理,为计算机内存中的表示和相关计算带来帮助。