线性走时插值射线追踪算法的改进

在LTI(Linear Travel-time Interpolation)射线追踪算法基础上提出的扩张-收缩扫描算法能正确追踪直达波、绕射波和回波的射线路径,但其存在计算效率低、收敛速度慢的问题.采用交叉扫描方式对扩张-收缩扫描算法进行改进,并由此提出了基于交叉扫描方式的扩张-收缩扫描改进算法.理论分析及数值模拟结果表明:改进算法在保留了原扩张收缩扫描算法所有优点的同时,具有更高的计算效率;当模型网格尺寸划分较细时,改进算法在计算效率上的优势更为显著.     

动态网络最短路径射线追踪算法中向后追踪方法的改进

动态网络最短路径射线追踪算法中的向后追踪方法能够解决线性走时插值算法(LTI)向后追踪过程不稳定的问题,但是其计算效率较低.综合利用节点次级源的位置信息以及波的传播规律,提出了改进方法,排除了动态网络最短路径射线追踪算法向后追踪过程中存在的大量冗余计算.数值算例表明,改进的向后追踪方法具有较高的计算效率,是动态网络最短路径射线追踪算法中向后追踪方法的几倍至几十倍;若将改进后的向后追踪方法应用于动态网络最短路径射线追踪改进算法,则该算法的计算效率将提高一倍左右.     

一种新型矢栅转换的平行线扫描算法

目的矢量数据向栅格数据转换的问题.方法在射线法和扫描法的基础上提出了平行线扫描算法,详细地论述了该算法的基本思想和特点.结果减少了大量的栅格判断的计算,数学判断简单可靠,还保证了运算的准确性.结论是一个矢量向栅格的数据新的转换算法,大大提高了运算的效率和精度.     

基于边界线性走时插值的射线追踪算法

在传统的基于线性走时插值(LTI)的射线追踪算法中,由于线性假设,射线经过多个网格单元会导致误差累积.将其应用于工业探伤的超声计算机断层成像时,待检测材料往往是背景区域和少量缺陷区域组成的集合.为减小累积误差,文中提出了一种新的基于边界LTI的射线追踪算法.该算法通过在不同区域的边界上插入节点来确定射线的折射角度,以减小累积误差,同时借鉴多方向循环扫描的思想来解决逆射问题.模拟实验结果表明,文中算法的走时计算及射线路径追踪精度、运行时间均优于传统LTI算法和交叉扫描LTI算法.     

基于混合遗传算法的模糊需求车辆路径问题

针对模糊需求的车辆路径问题,以模糊可信性理论为基础,设计了混合遗传算法。引入扫描算法进行种群的初始化,结合配送分队数和剩余载重因素提出了混合交叉算子。借鉴差分进化和扫描思想构建了基于整数序规范的差分扫描变异运算。以Solomon标准集为算例,通过实验确定了主观参数的最优取值为0.4。改进前后的阶段效果比较表明,混合交叉算子和差分扫描变异算子提高了算法的性能,采用可信性理论研究模糊需求问题有一定的优越性。     

基于滤波反投影的超短锥束CT扫描算法

分析了现有的一些超短扫描算法,提出一种基于滤波反投影(FBP)方法的超短扫描算法和实现这种算法的圆周分段联合的扫描方式.用该算法对感兴趣区域实施超短扫描所获取的数据可以进行精确的体积重建,并且对噪声不敏感.所提出的圆周分段联合的锥束投影扫描是一种把圆周轨道的半扫描和超短扫描进行合并的组合扫描方式,这种方式有助于提高病灶区域的空间分辨率和密度分辨率,并可降低病人所受X射线照射的剂量.     

惯性权重线性调整的局部收缩微粒群算法

针对微粒群优化算法存在陷入局部极小点和搜索效率低的问题, 给出一个新的速度更新策略局部收缩策略, 并提出一种改进的微粒群优化算法, 该算法保持微粒群优化算法结构简单的特点, 改善了微粒群优化算法的全局寻优能力, 提高了算法的收敛速度和计算精度. 仿真计算结果表明, 改进的算法性能优于混沌微粒群优化算法、 微粒群优化算法和带有收缩因子的微粒群算法.     

KMP扫描算法的改进

通过对字符串模式匹配BF和KMP算法的分析,提出了改进KMP扫描算法的方法,并通过对算法的复杂性进行分析,结果表明：改进后的算法KMPA比算法KMP更有效。     

低碳型机场接送服务的改进二维扫描算法

以航空客票公司接送顾客到机场的服务为背景,研究通过管理优化降低车辆碳排放量的方法.在车辆碳排放量定量表示的基础上,建立了低碳型机场接送服务的数学模型.借鉴经典扫描算法,并针对低碳型机场接送服务空间维和时间维的二维属性,提出了一种改进的二维扫描算法ITDSA(improvedtwodimensionalsweepalgorithm).利用改进的二维扫描算法对实例进行了计算,并通过对实例结果的分析,探讨了机场接送服务中顾客满意度和碳排放之间的关系,当顾客满意度为85%时,碳排放量相对较低.     

频繁项目集发现算法Apriori的研究

为了提高Apriori算法的效率,从减少数据库扫描次数的角度出发,提出了一种动态自适应的改进算法.通过比较,该改进算法有效地减少了数据库的扫描次数,明显地提高了Apriori算法的效率,当数据库中总项目数目较大时,该算法更为有效.