Experimental Evaluation of Objective Functions for Well-balanced Mapping

High performance of parallel computing on a message-passing multicomputer System relies on the balance of the workloads located on the processing elements of the System and the minimum communication ovcrheads among them. Mapping is the technology to partition the problem domain wellbalanced into multiple distinct execution tasks based on some measures. In mapping, a good objective function is the criterion to guarantce the distinct execution tasks equitable. In this paper, we evaluate five categories of those existed objective functions with three different problem subjects using experiments and find an objective function is much suitable for all kinds of problems.

A new heuristic algorithm for general integer linear programming problems

A new heuristic algorithm is proposed for solving general integer linear programming problems. In the algorithm, the objective function hyperplane is used as a cutting plane, and then by introducing a special set of assistant sets, an efficient heuristic search for the solution to the integer linear program is carried out in the sets on the objective function hyperplane. A simple numerical example shows that the algorithm is efficient for some problems, and therefore, of practical interest.

基于高分辨率类激活映射算法的弱监督目标实时检测

受益于深度学习的发展,目标检测技术在各类视觉任务中得到广泛关注。然而,获取目标的边框标注需要高昂的时间和人工成本,阻碍了目标检测技术在实际场景中的应用。为此,该文在仅使用图像类别标签的基础上,提出一种基于高分辨率类激活映射算法的弱监督目标实时检测方法,降低网络对目标实例标注的依赖。该方法将目标检测细划分为弱监督目标定位和目标实时检测两个子任务。在弱监督定位任务中,该文利用对比层级相关性传播理论设计了一种新颖的高分辨率类激活映射算法(HR-CAM),用于获取高质量目标类激活图,生成目标伪检测标注框。在实时检测任务中,该文选取单镜头多盒检测器(SSD)作为目标检测网络,并基于类激活图设计目标感知损失函数(OA-Loss),与目标伪检测标注框共同监督SSD网络的训练过程,提高网络对目标的检测性能。实验结果表明,该文方法在CUB200和TJAB52数据集上实现了对目标准确高效的检测,验证了该文方法的有效性和优越性。

改进偏好多目标优化算法在直流偏磁抑制装置优化配置中的应用

基于偏好的多目标优化算法能够定向搜索符合决策者需求的Pareto解集,是多目标优化算法与工程实际联系最为紧密的方法之一。为准确地将决策者偏好需求反映到最终Pareto解集,提出一种偏好映射点动态更新策略,通过动态更新偏好映射点来降低算法对初始参考点位置的依赖。为实现输出Pareto解数目可调可控,引入偏好解集过滤器,使得算法能够得到解集数目符合决策者要求、分布均匀的Pareto解。最后,利用所提算法求解ZDT系列测试函数和浙北区域直流偏磁抑制装置优化配置问题。结果表明,所提算法能有效收敛至决策者偏好对应的Pareto解集,可以为直流偏磁抑制装置优化配置工程实际问题提供符合决策者需求的优秀候选方案。

基于GA-DE-PSO优化算法的停车场车辆高效引导研究

传统停车引导方法受到寻优搜索算法本身缺陷的影响,设计的引导路径无法实现全局最优。针对该点不足设计了一种基于GA-DE-PSO优化算法的停车场车辆高效引导方法。利用栅格法建立停车场环境栅格地图。在原有停车时间最小化目标的基础上,增加一个避碰目标函数,由此建立一个多目标函数模型。将GA与DE融合到一起后利用GA-DE优化PSO算法,通过GA-DE-PSO优化求解停车场车辆最佳引导方案。结果表明与三种传统方法相比,GA-DE-PSO优化算法求出的方案所耗费的停车时间更短、效率更高,能够引导驾驶员快速识别出最近车位。

协同围攻策略改进的灰狼算法及其PID参数优化

针对灰狼优化算法(GWO)在求解优化问题时收敛速度慢和全局搜索能力弱的缺点,提出一种基于Chebyshev融合狼群协同围攻策略的改进GWO算法(CCA-GWO)并成功应用于PID参数优化。首先,通过对比三种混沌映射优缺点并最终将Chebyshev映射用于算法初始化中以增强初始解的多样性;其次,为平衡算法的全局勘探和局部开采能力,通过模拟灰狼群狩猎时头狼和次头狼的交替行为,提出一种新的非线性策略对控制参数A和C及位置更新方程进行修正;最后,将改进算法应用于PID参数优化。通过8组基准测试函数在10维、30维和100维下进行实验,并与BOA、MFO、ASO、MVO、WOA、GWO进行对比,数值实验结果表明,CCA-GWO不仅在求解不同维度的基准测试函数上具有更好的寻优性和稳定性,而且在PID参数优化中相较于6种元启发式算法表现出更好的优化性能。

基于蚁群算法的无人船平滑路径规划

为解决无人驾驶船舶在复杂环境中规划路径时存在的转向角度大、路径拐点多、航行能耗高等问题,文中提出一种基于改进蚁群算法的平滑路径规划方法。该方法采用栅格法进行环境建模,通过在启发函数中引入路径平滑度、距离启发因子以及在路径转移概率中引入障碍物启发因素,提高路径寻优和静态避障能力。结合启发因素改进信息素更新标准,设置可调节信息素挥发因子增加算法的自适应性。提取输出的最优路径关键节点并对其进行平滑处理,进一步保证路径平滑度和安全性。根据不同栅格环境下的避障仿真结果可知,与传统算法相比,文中改进蚁群算法的路径寻优速度提高了45%~62%,转向次数减少了25%~44%,平滑处理后的路径安全性和可行性得到了提升,较好地实现了不同环境下无人船自主路径规划。

基于改进A~*算法在AGV路径规划中的应用

为了解决复杂环境下A~*寻路算法存在搜索节点多,搜索时间长,路径曲折的问题,提出了一种改进的A~*算法。首先,在具有障碍物的栅格地图中引入象限的概念,通过限制当前节点只朝目标节点所处的一个象限进行节点扩展,有效降低了寻路过程中搜索的节点数量。其次,在估价函数中考虑了AGV行驶和转向时间消耗成本,从而有效的搜索最短时间路径。通过仿真实验分析比较了文中算法与A~*算法以及另一种改进A~*算法的搜索性能。仿真结果表明,文中算法能有效减少寻路过程中的搜索节点数和转向次数,提高了路径搜索效率和平滑度。

有交货期的Job-shop调度问题的改进的倒排算法

在提出的以“加工效率”为主要参数,并引入“虚工序”、“虚机器”求解有交货期的单件车间调度问题的逆序算法的基础上,进一步改进了该算法,并在VBAForProject中实现了该算法.经分析实例验证,该算法具有一定的优度,并且在工程中是可行的。

混沌映射与t-分布变异策略改进的海鸥优化算法

针对海鸥优化算法(SOA)求解精度较低、迭代后期收敛速度慢、易陷入早熟收敛的缺点,提出一种基于混沌映射和t-分布变异改进的海鸥优化算法(CtSOA),采用tent映射策略使初始海鸥种群均匀分布在搜索空间中,采用t-分布变异策略平衡算法的探索和开发能力,综合两种改进策略提高了算法的全局搜索精度和跳出局部极值的能力。在14个测试函数上分别与SOA、其他五种元启发式算法、单一策略改进的SOA以及其他学者改进的SOA进行对比,实验结果表明,综合两种改进策略的CtSOA具有更优的收敛精度和更快的收敛速度。

基于调和A*算法在移动机器人中的研究

为了提高复杂环境下移动机器人路径的安全性,缩短搜索时间和路径长度,文中提出一种调和A*算法与七次样条插值曲线融合的路径规划方法。首先进行避障设计,在栅格地图下通过消除对角线与障碍物碰撞的路径提高A*算法的安全性;其次引入余弦方向因子改进启发式函数,通过约束搜索方向来减少搜索节点从而提高实时性;最后采用七次样条插值函数对路径进行平滑处理,形成一条连续的移动机器人行驶路径。经Matlab仿真验证,相较传统A*算法,文中算法有效地减少了27.05%的搜索节点,缩短了33.97%的搜索时间和3.63%的路径长度,提升了路径的搜寻效率,说明文中方法有效、可行。实验结果表明,改进的A*算法具有较快的收敛速度,能更快速地得到移动机器人最优路径,更符合实际的应用场景需求。

基于A＊算法的游戏地图寻路实现及性能比较

在A*算法描述的基础上,给出了基于分层寻路思想的A*算法优化方法及划分游戏地图的6种方式.针对26×20=520个节点的游戏地图,利用栅格法按8方向连接对游戏地图进行了划分,分别采用Dijkstra算法、双向宽度优先搜索算法、A*(曼哈顿距离)算法、A*(欧氏距离)算法、A*(切比雪夫距离)算法和动态A*算法5种算法进行了寻路仿真实验,对比分析了各种寻路算法的性能.实验结果表明A*算法是各种寻路算法中扩展节点数量最少和计算耗时最短的一种算法;当采用不同的启发式函数,A*寻路时扩展的节点数量也不同,因此选择一个高效的启发式函数对A*算法是至关重要的.

基于改进蚁群算法的移动机器人路径规划研究

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。

基于改进A*算法的高速公路互联网地图最短路径搜索研究

为解决高速公路互联网地图中最短路径的搜索问题,根据高速公路互联网地图的特点,对传统A*算法中的网络节点、数据库、启发式函数进行了改进,并通过重庆市高速公路互联网地图实例对改进A*算法进行了应用验证。结果表明,采用改进A*算法可找到高速公路互联网地图中的最短路径,且最短路径的搜索时间控制在毫秒级,能够满足大区域高速公路互联网地图最短路径的搜索要求。

分片Lorenz混沌轨道堆栈聚集变密度振荡搜索算法

混沌优化算法是一种可用于求解复杂连续函数极值的智能优化算法,相对经典优化算法如遗传、模拟退火、蚁群算法等具有更强的全局搜索能力.但现有混沌优化算法存在边缘游走现象,削弱了混沌优化算法的优势且求解能力有限.故首先改进设计了分片Lorenz混沌模型,通过仿真实验验证该模型具有优于Logistic系列混沌模型的搜索均匀度与鲁棒性;其次围绕该模型,利用优序堆栈产生修正解规避褶皱局部最优,并构造变密度振荡搜索法则,设计了一种新型混沌优化算法.通过多轮低、中等复杂连续函数的极值求解实验,证明了新算法能在更短时间内以满意概率找出复杂连续函数极值优化问题的全局最优解.该算法综合性能优于对比组算法,达到预期的要求.

基于模糊调度法则的单件车间作业计划排序算法

研究了单件与组装件混合制造系统中普遍存在的有优先顺序约束的单件车间调度问题.深入分析了传统启发式算法存在的缺陷,提出调度法则模糊化思想.在此基础上,构造了具有一定优度的作业计划排序算法求解问题.通过实例分析,说明了这一算法在工程中的可行性.

多面体寻优方法在石油工程领域中的应用

本文介绍了一种简单有效的多参数寻优方法,该方法不需要目标函数以及参数变化梯度的信息,通过对计算点组成的多面体进行反转等操作即可进行寻优运算。同时,通过实际例子对该方法的运算规律以及限制条件进行了深入的研究分析。该方法已被成功的应用到采油工程以及钻井工程的某些优化问题上,并具有广泛的应用前景。

多目标启发式狼群算法求解不相关并行机分批调度问题

针对考虑机器加工约束的不相关并行机分批调度问题,以工件种类切换次数和机器启停评价函数为优化目标,提出一种多目标启发式狼群算法进行求解。该算法在生成初始种群的过程中,融入列表反向学习和基于机器加工效率的启发式策略,并设计了一种不规则实数矩阵编码方式来实现任务分批。采用局部和全局邻域搜索相结合的方式实现狼群算法中智能行为搜索,通过分批调整学习机制对当前结果进行邻域搜索,利用改进整数解Pareto非支配排序方式循环迭代。最后通过不同规模实际算例测试和相关算法比较,验证了该算法的有效性和优越性。

基于对立搜索和混沌变异的磷虾觅食优化算法

针对磷虾觅食算法存在容易陷入局部极值、收敛速度慢的问题,提出一种新的改进算法.首先,给出启发式二次对立点的定义并证明其性能优势,进而构造一种启发式二次对立搜索算子,以加快算法的收敛速度,提高全局探索能力;然后,采用分段线性混沌映射(PWLCM)混沌函数构造一种变尺度混沌变异算子,以增强算法跳出局部极值的能力.仿真实验表明,所提出算法能有效避免陷入局部极值,在收敛速度和寻优精度上得到大幅改善.

月面巡视机器人快速安全路径规划

为提高月面巡视机器人自主探测任务的效率及安全性,提出了一种基于月面数字高程地图的大范围自主探测快速安全路径规划算法。首先根据获取的月面数字高程地图设计了一种地形可通过性分析方法,并生成了欧几里得距离地图(EDM)为安全路径规划提供参考。然后针对A^(*)算法解决月面巡视探测问题时搜索速度慢、未考虑路径安全性的问题,提出了FSA^(*)算法,改进了A^(*)算法的搜索机制以适用于月面大范围路径的快速搜索,并结合EDM地图设计了一种安全启发式函数,可使生成路径尽量远离危险区域,提高了巡视机器人自主探测过程的安全性。最后选取月球艾特肯盆地区域作为仿真场景,验证了该算法的有效性。