融合熵聚类和增广变邻策略的蚁群优化算法

针对蚁群算法求解大规模旅行商问题时存在收敛速度慢、易陷入局部最优的问题,提出一种融合熵聚类和增广变邻策略的蚁群优化算法。首先提出融合信息熵的聚类策略,利用熵确定最佳截断距离对数据集进行合理划分;通过求解每个子簇形成初始路径,并为全局寻优提供导向信息素,从而提升收敛速度。其次提出增广变邻策略,将蚂蚁分为爬行蚁和滑翔蚁,滑翔蚁引入的增广变邻策略在迭代后更新节点和邻居信息素,而且通过邻居数量随最优解质量动态匹配,来强化邻居节点探索,以平衡收敛速度与解的质量。当算法陷入停滞时,利用路径相似性机制平滑非公共路径信息素,帮助算法跳出局部最优。通过对旅行商问题数据集进行实验仿真表明,所提算法有效平衡了收敛速度与解的精度,尤其对于大规模问题,显著提高了解的质量。

基于增广卡尔曼滤波器的时域传递路径分析方法

时域传递路径分析方法用于解决瞬态工况下复杂系统振动噪声问题不仅未能解决自然频率附近频响函数矩阵的病态问题,而且利用现有频域信息转换提取得到的所需时域信息精度较低,因此提出一种基于增广卡尔曼滤波器的时域传递路径分析方法。该方法采用增广卡尔曼滤波器辅以遗传算法估计时域工况载荷,通过最小二乘算法辨识单位脉冲响应函数,将时域工况载荷和对应的单位脉冲响应函数进行线性卷积以计算各传递路径的时域贡献量。算例表明,所提方法采用的增广卡尔曼滤波器载荷识别误差小于传统方法的去卷积滤波器所识别载荷的误差,最小二乘算法辨识的单位脉冲响应函数误差小于对频响函数直接进行快速逆傅里叶变换或者构造有限单位脉冲响应滤波器的误差,且所提方法在复杂结构上也同样具有较小的误差。

改进无锚点的彩色遥感图像任意方向飞机目标检测算法

针对彩色遥感图像上飞机目标体积小、分布密集、背景复杂导致的检测精度低问题,提出了一种改进无锚点的彩色遥感图像任意方向飞机目标检测算法。采用BBAVectors为基准模型,以ResNet50为主干网进行特征提取,在特征金字塔网络FPN后增加一条自上而下的路径扩展网络PANet模块,缩短信息路径并用低层级准确位置信息增强特征金字塔。其次,引入注意力机制CBAM模块,通过抑制噪声和突出目标特征,实现复杂环境下的飞机目标检测精度的提升。在DOTA数据集上分别进行消融实验和对比实验,并使用DOTA_devkit对数据集分别进行0.5以及1倍比例的裁切,提高模型的检测精度。改进后的模型在彩色遥感图像测试数据集上的检测精度达到了90.35%。相较于原模型,检测精度提升了0.82%。实验结果表明,该方法在彩色遥感图像中的飞机检测任务中具有更好的检测效果。

A New Method of Global Path Planning for AGV

Path planning is important in the research of a mobile robot （MR）. Methods for it have been used in different applications. An automated guided vehicle（ AGV） , which is a kind of MR, is used in a flexible manufacturing system （FMS）. Path planning for it is essential to improve the efficiency of FMS. A new method was proposed with known obstacle space FMS in this paper. FMS is described by the Augmented Pos Matrix of a Machine （ APMM ） and Relative Pos Matrix of Machines （ RPMM）, which is smaller. The optimum path can be obtained according to the probability of the path and the maximal probability path. The suggested algorithm of path planning was good performance through simulation result： simplicity, saving time and reliability.

基于邻域交互和图神经网络的推荐模型

异质图中包含丰富的关系,图神经网络(Graph Neural Networks,GNNs)能够自然地整合节点关系,因此图神经网络在推荐领域显示出巨大的潜力.然而,现有基于图神经网络的推荐大多聚焦于学习用户和项目的表示,忽略了用户和项目间的交互信息.其次,这些模型很少学习元路径的明确表示.为了解决上述问题,本文提出一种基于邻域交互和图神经网络的推荐模型NGRec.该模型学习用户和项目的表示,并通过元路径引导的邻域来获取用户和项目间的交互,最后将节点表示和交互信息进行融合用于推荐.该模型在得到节点有效表示的基础上,融合节点间的交互,增强了推荐效果.在3种不同类型的异质图上进行大量的实验,证明了所提模型在性能上的提升.

点故障增广立方体中2条点不交覆盖路

大型互联网系统在运行中某些元件或连线发生故障难以避免,故障的发生对网络的稳定性和数据传输时效性会产生影响.因此,研究网络容错性的参数尤为重要.研究了增广立方体在点容错条件下嵌入2条无故障点不交路覆盖问题.运用假设归纳法得到:当n≥4,增广立方体AQ_(n)中的点故障集F满足|F|≤2n-8时,若在AQ-F中任取个顶点x_(0),x_(1),y_(0),y_(1),则在AQ_(n)-F中存在2条内部点不交路P0=(x_(0),…y_(0)),P1=(x_(1),…y_(1)),使得V(P_(0))∪V(P_(1))=V(AQ_(n)-F).

基于记忆化搜索的分层网络最大流算法

当前,路由选择算法、计算机视觉图像切割以及机器学习领域的许多问题都可以归结为求解网络最大流.为了提高基于分层网络最大流算法的效率,提出了一种基于记忆化搜索策略的最大流算法,针对传统EdmondsKarp算法和Dinic算法重复搜索无效路径所导致的额外开销问题,设计了一种能够记录搜索状态的记忆化搜索策略,来避免重复搜索流网络中的无效部分.实例分析表明了记忆化搜索策略的高效性与可行性.最终实验结果表明,基于记忆化搜索的最大流算法执行效率优于传统的Dinic算法.

融合元学习和双路径注意力的太阳电池缺陷生成

针对太阳电池缺陷图像数据少导致深度学习模型过拟合,从而造成小样本缺陷检测困难的问题,该文提出一种融合元学习和双路径注意力的生成对抗网络(MAGAN)作为数据增强策略。所设计的元学习调参模块(MTM)优化生成器中权重参数;所设计的双路径注意力模块(DPAT)在特征提取过程中更关注图像中微小微弱缺陷特征;在改进网络构架的同时提出一种聚类约束损失函数解决训练过程中梯度消失问题。实验和研究结果表明,所提方法能够针对小样本缺陷生成有效目标数据集并优于其他生成对抗网络,最后通过分类准确率验证了该网络的有效性。

最大流问题的DNA计算两阶段法

给出了最大流问题的DNA计算两阶段法:第一阶段采用路序问题DNA算法得到包括所有增广路的路集,算法有两点改进,即采用等码长编码和不进行排序,这减少了生化实验时间.第二阶段算法思路是:设置一个逐步减小的增量Δ,对每个确定的Δ值从第一阶段得到的路集中寻找并增广容量不小于Δ值的增广路,对整数容量网络,当Δ<1时获得最大流.证明了算法的正确性和复杂性,并指出在以增广路为基础的最大流算法中,本算法复杂度最低,这说明DNA计算和电子计算相结合的巨大优势.

基于一个网络图最大流算法的改进

现有的求解网络最大流算法,存在由于增广链选取的顺序不当而无法得到理想的最大流,且在计算过程中每步都需要画一个网络图等问题。针对上述问题展开讨论,并对一些最大流算法进行改进。利用分层网络及容差的概念,在选择增广链的时候优先选择路径最短且容差较大的路径,并将已饱和的弧画上终止符。最后通过具体的算例验证了改进算法可以简单快速地找到增广链,且避免了标号过程,只需要在一个图上即可完成。整个运算过程,直观性强,计算方便。改进的算法较其他的算法具有高效性和实用性的优势。

用独立通路法确定矿井通风网络的极值流

确定矿井通风网络极值流的常用算法有Ford-Fulkerson法、Edmonds-Karp法和Dinic法。所谓独立通路就是采用深度优先搜索法在找通路的过程中,后面的通路至少要含有一条前面的通路所不含有的分支。独立通路法确定网络的极值流,就是利用找独立通路的思想来找增广路,找增广路时每次至少有一个分支达到饱和。从网络的源点开始进行寻边,找分支的可增广量为最大的出边,将该出边的末节点作为新的寻边始节点,继续找可增广量最大的出边,该搜索过程一直到所寻找的分支的末节点为网络的汇点为止,一条增广路即一条通路确定完毕,将该通路中分支的最小增广量作为通路的增广量对通路的各分支进行增广。增广后至少有一条分支达到饱和,删除饱和分支,用导出的网络继续找新的增广路并增广。

一个新的最大流问题增载轨算法

通过放松Ahujia和Orlin算法的约束，给出了一个新的增载轨算法．该算法实质上提供了一个构造、阻塞无环网络的策略，它可以在每次构造无环网络中得到更多的增载轨．从而进一步降低了找到每条增载轨的代价．实验表明，新的算法比Dinic算法快2～5倍，和目前实验性能最好的预流推进算法基本相近．说明增载轨类算法在实际性能方面未必落后于预流推进类算法．

网络优化的最大利润问题及其增广路算法

仿照最小费用最大流问题的物理意义,将网络上的费用参数转化成为一种利润参数,提出一个最大利润流问题,并建立了该问题的数学规划模型;给出一个求解该问题的最大利润增广路算法,该算法能快速有效地求得该问题的最优解及目标函数值。用示例对算法的求解过程进行了演示,结果表明该算法比一般的线性规划方法更加的方便,且直观得多。

运输网络中有流量需求的转运结点最大流分配算法

运输网络中有流量需求的转运结点不遵从流量守恒条件,也不能按源、汇及中间结点归类.为解决这类转运结点的最大流分配问题,将这类转运结点分为汇结点和中间结点.根据Ford-Fulkerson算法寻找增流链的原理,提出了寻找这类转运结点增流链的方法、调整量计算公式和流量调整方法,形成了有流量需求的转运结点最大流分配算法.

基于自适应粒子群优化算法的测试数据扩增方法

针对在回归测试中原有测试数据集往往难以满足新版本软件测试需求的问题,提出一种基于自适应粒子群算法(APSO)的测试数据扩增方法。首先,根据原有测试数据在新版本程序上的穿越路径与目标路径的相似度,在原有的测试数据集中选择合适的测试数据,作为初始种群的进化个体;然后,利用初始测试数据的穿越路径与目标路径的不同子路径,确定造成两者路径偏离的输入分量;最后,根据路径相似度构建适应度函数,利用APSO操作输入分量,生成新的测试数据。该方法针对四个基准程序与基于遗传算法(GA)和随机法的测试数据扩增方法相比,测试数据扩增效率分别平均提高了约56%和81%。实验结果表明,所提方法在回归测试方面有效地提高了测试数据扩增的效率,增强了其稳定性。

基于增广链修复的最大流求解算法

NW小世界网络及BA无标度网络是现实中常见的两种网络,这两种网络中任意两点之间有极大可能存在多条路径,若舍弃饱和增广链并重新寻找增广链,则效率不高,因此针对网络的这一特性提出了一种增广链修复的最大流求解算法。该算法沿最短增广链调整流量后,保留路径上残余的非饱和弧,并用贪心法则选择合适的中继节点修复断开的增广链,提高增广链使用效率。通过对NW小世界网络和BA无标度网络建模仿真,得到并验证了所提算法在这两种网络上的运行速度数倍于Ford-Fulkerson算法且其空间复杂度仅有Dinic算法的一半,因此所提算法能够高效处理更大规模网络流问题,以适应日益膨胀的通信网络和交通运输网络。

动态网络中最大流快速增量求解

利用损毁网络与原网络的结构包含性,提出了一种基于增广路径选择树的最大流增量算法MFIA-ART.算法在原网络最大流的求解过程中,对简单路径集等相关的中间结果给予缓存,构成增广路径候选集,当网络拓扑改变时直接在其中查找有效的增广路径,无需对新的残余网络进行复杂计算.同时为了避免遍历包含饱和边的简单路径,进一步利用增广路径选择树ART来组织所有可能的增广路径集,从而可以通过一条从根节点到某个叶节点的路径找到所有需要的增广路径,获得最大流量.其遍历的深度为ART树的高度H,远小于所有增广路径的数量,因而显著地提高了求解最大流的效率.实验结果表明,MFIA-ART相对于采用经典的Dinic算法重新计算最大流的方法,在时间性能方面有数量级的提高,尤其适合应用于简单路径数量较少的稀疏性网络.

聚丙烯酰胺水凝胶隆乳术后取出路径及影响再次隆乳原因探讨

目的探讨聚丙烯酰胺水凝胶(PAHG)隆乳术后取出路径及影响再次隆乳原因。方法在彩超、CT的指导下,对52例PAHG隆乳术的患者分别采用经腋窝、乳晕、乳房皱襞下等切口清除,同时对23例患者同期作了硅凝胶假体隆乳,11例患者在半年后作了硅凝胶假体隆乳。结果 47例患者术后自觉症状消失,彩超、CT检查乳腺、胸大肌及其间隙未发现PAHG,34例同期或延期隆乳的患者乳房形态满意,未出现术前的症状及心理问题。结论术前经彩超、CT检查了解PAHG的分布情况,根据分布情况采取适当的取出路径,胸大肌及其后间隙是否完整影响再次隆乳。

基于深度优先的一种网络最大流求解法

网络最大流问题在工程和科学领域应用广泛,许多线性规划的实际问题都可转化为网络最大流的模型来求解,开辟了图论应用的新途径。为了解决现有的求解网络最大流算法存在的步骤繁复、计算量大、由于增广链选取的顺序不当而无法得到理想的最大流等问题,文中在原有算法的基础上作了一些改进,应用图的深度优先搜索原理,提出一种新的求解最大流问题的算法。该算法可以简单快速地找到增广链,提高了算法效率和可控性,易于实现,且避免了标号过程,只需要在一个图上即可完成,整个运算过程直观性强,计算方便。

求最小费用最大流的改进标号法

针对现有网络最小费用最大流算法存在的针对性差、步骤繁复、计算量大的问题,根据赋权有向图的最短路算法,提出并证明了一种寻找最小费用增广链的改进标号法。此方法可以直接在网络图上使用,避免了传统方法中需要反复将网络图转化为赋权有向图的操作。将此方法应用到求网络最小费用最大流的计算中,可以简化计算过程,提高运算效率。