改进A^(*)算法在路径规划中的应用

针对大规模多AGV路径规划的应用场景,为解决多个AGV在路径规划时因抢占节点,导致该节点负载过高,造成局部拥塞,致使整个系统的运行效率降低的问题。提出了一种结合节点负载情况的改进A*算法。各个节点的负载从初始值开始,根据相应的动态负载计算公式,动态更新该节点的负载。在A^(*)算法的启发函数中引入负载,使节点负载影响AGV路径选择,避开高负载节点。通过相应的仿真模拟实验,证明了该算法能够有效地均衡各节点的负载,提高系统运行效率。

改进遗传算法在AGV路径规划的应用

为了解决遗传算法在规划AGV路径时存在陷入局部最优,收敛速度慢,且忽略多AGV和真实运行路况的影响,对算法进行改进。采用三交换启发交叉算子代替传统的两交换启发交叉算子,防止陷入局部最优并能提高收敛速度。在适应度函数中引入拥堵系数和路径平滑程度,提高适应度的判断能力,使规划的路径更加符合实际。仿真结果表明,与传统蚁群算法相比,提高跳出局部最优解的能力;与传统遗传算法和Dijkstra算法相比,所规划的路径长度下降52.2%,收敛时间减少19.4%;并能选择较少的转弯数和最少AGV数量的路径,从而减少AGV总体运行时间。

多密度自适应确定DBSCAN算法参数的算法研究

DBSCAN算法的Eps和MinPts参数需要人为设定,取值不当会导致聚类结果准确度不高,且在密度分布差异大的数据集上,由于参数的全局性,错误地应用于不同密度的簇,导致不能正确地发现簇。针对以上问题,提出一种多密度自适应参数确定算法,利用经过去噪衰减后的数据集的自身分布特性生成候选Eps和MinPts参数列表,并在簇数趋于稳定的区间内根据去噪级别选取对应的Eps和MinPts作为初始密度阈值。对在该密度阈值条件下聚类产生的噪声数据使用同样的方法生成候选参数列表,选取最优参数,得到新密度阈值,循环该步骤直到噪声数据的数量或密度阈值低于一定程度为止。将不同密度阈值下的聚类结果进行合并。实验结果表明,该算法能够自适应地选取合适的多密度阈值,并在密度分布差异大的数据集上有很好的聚类效果。

面向智能合约漏洞检测的改进符号执行研究

由于区块链不可窜改的特性,部署到区块链上的智能合约不可更改。为了提高合约的安全性,防止智能合约出现整数溢出、短地址攻击、伪随机等问题,在合约部署之前需对合约进行漏洞检测。针对智能合约的整数溢出漏洞利用符号执行进行分析研究,对现有符号执行方法进行调查发现检测速度较慢,从而提出一种自底向上求解约束的改进符号执行方法,并结合深度优先与广度优先进行路径选择从而提高符号执行的代码覆盖率。实验结果表明,改进符号执行在选取的100份含溢出漏洞的智能合约中检测正确率达84%,平均检测效率提高了20%,在中等规模智能合约中检测效率提升显著,检测结果正确率较高。

基于区块链智能合约的安全投票系统

针对目前线上投票系统中存在的投票人身份认证、数据隐私和恶意刷票问题,文中提出并设计一种基于区块链智能合约的安全投票系统。所提方法与创新点是结合区块链技术与密码技术实现一个安全投票方案,使用SM2椭圆曲线公钥密码算法加密投票者的注册码与投票选择信息,并且该系统不再依赖于可信的统计机构或可信的硬件,而是构建去中心化的PKI体系,通过区块链交易承载证书签发、证书验证来保障选民身份验证。在区块链上为该投票方案设计了安全投票智能合约,并且开发了投票系统DAPP,通过实验证明该投票方案能够解决投票系统出现的上述问题,确保投票系统的安全性,提高投票系统的吞吐量,降低投票过程的交易消耗。该方法能够解决投票过程中选民的身份验证问题,也可避免刷票和数据隐私泄漏问题,能够保证投票系统的安全。

基于遗传算法优化BP神经网络的中国企业OFDI投资额预测模型

中国企业对外直接投资是一个复杂且具有挑战性的问题,往往受到多个层面的影响,是一个多因素决策的过程。传统的金融统计方法难以解释多变量之间的关系。为了有效解决这个问题,将金融背景与计算机方法有机结合,采用自组织映射与模糊C均值对2004-2015年参与对外直接投资的1000多家中国企业的投资区位进行了划分,分别建立基于遗传算法优化BP神经网络的投资额预测模型。并与传统的BP神经网络进行比较,验证该模型的有效性,为中国企业对外直接投资提供新思路。