基于遗传算法的曲线曲面光顺

以能量和曲率作为双重条件来考察曲线和曲面的光顺性问题，应用模糊罚函数将有约束多目标优化问题转化为无约束多目标优化问题，采用遗传算法对曲线进行光顺，得到了最优解；并进一步将该光顺算法推广到曲面的光顺。     

C-B样条曲线的光顺逼近算法研究

本文基于弹性均匀细梁的应力能和扰动能的光顺优化,提出了一种光顺C-B样条曲线的算法。该算法的基本思想是:通过调整控制参数α和控制顶点使得曲线的能量最小,得到最优的光顺逼近曲线。通过最小二乘法和非线性泛函的极小值优化计算,对平面数据点进行光顺逼近,达到光顺的目的。最后,给出了由数据拟合的C-B样条曲线光顺的实例。实例结果表明,该算法为C-B样条曲线的光顺问题提供了一种有效的新方法。     

平面NURBS曲线的自动光顺算法

目的 给出平面NURBS曲线的自动光顺算法。方法 基于节点消去、插入和重新确定权因子等基本算法，根据给定的光顺准则，自动选择需要光顺的节点，局部修改控制顶点和权因子。结果 建立保凸节点消去算法，实现了平面NURBS曲线的自动光顺。结论在给定误差范围内．该算法既可保证节点结构不变，也可对曲线进行微调，达到光顺目的。     

B样条曲线曲面的一种光顺算法

文章给出了一种新的B样条曲线曲面光顺算法,该算法以型值点的变动量为未知量,以型值点变动量的变动范围为约束条件,给出能量函数;通过遗传算法对能量函数最小化求解,直接得到光顺后的新的型值点;最后给出实例,表明该B样条曲线曲面光顺算法是一种有效的光顺算法。     

局部插值的H-Bézier曲线分段光顺拟合

文章提出了一种基于局部插值的光顺拟合方法,通过对给定的离散数据点进行逐段拟合,可以完整地表现出已知数据点的分布情形;还给出一种改进的光顺准则,针对不同情况确定光顺约束方程之后,通过调整控制顶点及可能存在的曲线控制参数,使曲线的光顺能达到极小,从而得到较为理想的光顺拟合曲线.数值实例说明了该文算法的有效性.     

平面三次NURBS光顺曲线的权因子优化算法

给出了平面参数三次NURBS光顺曲线的一种权因子优化算法，目的是使曲线的曲率变化均匀的同时，使光顺后的曲线与原曲线的偏差尽量小，此算法简单易行，计算量较小．     

一种特征保持的自适应三角网格模型光顺算法

提出了一个基于双边滤波器的特征保持的自适应三角网格模型光顺算法，该算法为了加强保持特征的效果．结合网格局部顶点一阶邻域的几何特征并将改进后的双边滤波算子应用于顶点的位置更新操作．在光顺过程中有效地避免了三角网格模型的过度光顺现象．给出了几个实验实例来说明该算法在去除网格噪音的同时保留特征的有效性．     

关于三次Bezier曲线一次修改两个数据点的光顺算法

在一次修改一个数据点光顺算法的基础上,用两种方式分别研究三次Bezier曲线一次修改两个数据点的光顺问题,给出相应的光顺算法并对光顺算法的特性进行分析．结果表明,算法有较好的光顺作用．     

关于三次Bézier曲线一次修改两个数据点的光顺算法

在一次修改一个数据点光顺算法的基础上,用两种方式分别研究三次Bezier曲线一次修改两个数据点的光顺问题,给出相应的光顺算法并对光顺算法的特性进行分析.结果表明,算法有较好的光顺作用.     

鲁棒的模糊C均值和点云双边滤波去噪

提出了一种将模糊C均值(FCM)聚类算法与双边滤波方法结合进行三维点云数据的去噪算法.该算法首先用模糊C均值聚类算法对大尺度噪声进行去除,并对小尺度噪声进行一定程度的光顺;然后用点云双边滤波器对小尺度噪声进行光顺.该算法将噪声分成大尺度和小尺度分步处理,不需迭代计算,提高了计算效率,也避免了光顺过程中产生过光顺问题.实验结果表明,本文方法可以在较好地保留尖锐特征的同时,有效地去除噪声.     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

LLR-BP算法的简化译码算法研究

研究了基于Gallager方案的LLR-BP算法及其简化的译码算法,应用Matlab仿真比较了基于Gallager方案的LLR-BP算法及其三种简化译码算法的性能,仿真结果表明:基于Gallager方案的LLR-BP算法与归一化BP算法和偏置BP算法的误码率性能相差不多,当信噪比大于2dB时,归一化BP算法和偏置BP算法比基于Gallager方案的LLR-BP算法的误码率性能稍好,最小和算法误码率性能相对最差。     

一种混合遗传禁忌搜索的模糊聚类算法

传统基于目标函数法的模糊聚类算法是一种迭代的“爬山”算法，容易陷入局部最优解．提出了基于遗传算法与禁忌搜索结合的模糊聚类算法，综合运用遗传算法的多出发点和禁忌搜索的记忆性来改善聚类的效果，并通过迭代的遗传禁忌搜索算法产生最优聚类中心，实验中分别通过人工数据和标准数据测试验证了该算法的有效性．     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．     

一种改进的BNS网络论坛搜索算法

为了提高网页在互联网中的搜索效率,基于非结构化P2P网络的多种搜索算法和网络蜘蛛搜索算法,提出了一种广度优先搜索(BFS)和非贪婪性搜索(NGS)相结合的改进搜索算法(BNS)。并通过该算法的性能分析与大理学院校园BBS的应用测试,结果表明,BNS算法在搜索速率、相关度和准确率上都优于BFS和NGS算法,该算法的实际应用提高了网络论坛运行效率。     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

用混合遗传算法实现神经网络快速训练

快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。     

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法．通过对二维波动方程的数值试验，发现该算法具有无条件稳定性，其数值计算结果与整个区域上采用隐格式的计算结果相当，计算精度明显好于Kuznetson算法和改进的Kuznetson算法，计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少，且小于隐格式计算时间的一半．     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。