基于蚁群算法的无人机任务规划优化模型研究

【目的】为了研究无人机在灾情巡查中的航径优化问题。【方法】设计了一个蚁群算法求解该问题,并通过仿真实例进行验证。【结果】无人机的航径优化问题是一种具有多约束条件的复杂任务规划问题,将时效性和均衡性为核心的评价体系考虑到问题中,构建一个双目标优化模型,实现了无人机的外部合理分配和内部航径优化。【结论】仿真结果表明提出的模型与算法在解决无人机巡查灾情飞行航径方面具有一定的应用价值。
     

基于改进A*算法的地图游戏寻径研究

【目的】对 A*算法进行研究和改进优化,以提高基于 A*算法的地图游戏寻径效率。【方法】使用最小二叉堆和标记数组两种混合数据结构优化OPEN表的存储和遍历,用夹角余弦值作为新的启发信息,减少搜索过程中对非最有节点的考察量,通过仿真实验对标准 A*算法、改进 A*算法地图寻径进行数据对比分析。【结果】综合地提高了路径搜索的效率。【结论】通过对 A*算法进行改进优化,有效提高了基于 A*算法的地图游戏寻径效率。
     

基于改进A~*算法的地图游戏寻径研究

【目的】对A~*算法进行研究和改进优化,以提高基于A~*算法的地图游戏寻径效率。【方法】使用最小二叉堆和标记数组两种混合数据结构优化OPEN表的存储和遍历,用夹角余弦值作为新的启发信息,减少搜索过程中对非最有节点的考察量,通过仿真实验对标准A~*算法、改进A~*算法地图寻径进行数据对比分析。【结果】综合地提高了路径搜索的效率。【结论】通过对A~*算法进行改进优化,有效提高了基于A~*算法的地图游戏寻径效率。     

基于范数标量化方法的多目标次梯度算法

【目的】提高多目标优化问题的收敛速率及解的精度。【方法】在欧式空间中基于范数标量化方法提出了求解多目标优化问题的次梯度算法。【结果】在每个目标函数与相应最小值的差的平方为凸函数的假设下，证明了多目标次梯度算法的Pareto弱有效解的收敛性。【结论】数值实验结果表明：提出的多目标次梯度算法在求解多目标线性优化模型时具有更快的收敛率，并且在求解非光滑多目标优化问题时具有更高的解的精度。     

基于满意度的可持续物流设施选址问题的多目标优化方法

【目的】为了研究可持续物流设施选址问题研究对企业供应链管理和物流配送服务中心的可持续性发展的影响。【方法】基于传统的无容量物流配送服务中心选址问题，引入满意度函数衡量客户对物流配送服务中心提供服务水平的平均满意程度，建立了以经济成本最小化、客户平均满意度最大化和二氧化碳排放量最小化为目标的一个多目标优化模型。【结果】基于多目标优化问题经典的ε 约束标量化方法和贪婪算法思想提出了多目标优化模型的一个求解算法。【结论】提出的多目标优化方法能够在较高的满意度下获得更优的经济成本和碳排放量，为更好地解决无容量物流配送服务中心选址问题提供了一个新的方法。     

一种自适应混合变异的引力搜索算法

【目的】针对引力搜索算法在求解优化问题时易陷入局部极值问题,提出了一种自适应混合变异的引力搜索算法。【方法】采用动态调整粒子速度和位置的更新公式,提高算法搜索精度。引入变异算子,对最优粒子进行高斯变异,对非最优粒子进行自适应 t 分布变异。【结果】提高算法在求解函数优化问题时的全局探索能力和局部开发能力。【结论】用 9 个标准测试函数的仿真实验,与标准 GSA 及改进算法进行比较,结果表明所提出算法具有较强的收敛精度和鲁棒性。
     

一种自适应混合变异的引力搜索算法

【目的】针对引力搜索算法在求解优化问题时易陷入局部极值问题,提出了一种自适应混合变异的引力搜索算法。【方法】采用动态调整粒子速度和位置的更新公式,提高算法搜索精度。引入变异算子,对最优粒子进行高斯变异,对非最优粒子进行自适应t分布变异。【结果】提高算法在求解函数优化问题时的全局探索能力和局部开发能力。【结论】用9个标准测试函数的仿真实验,与标准GSA及改进算法进行比较,结果表明所提出算法具有较强的收敛精度和鲁棒性。     

基于图论的预约-分配的模型和算法研究

【目的】随着日间手术病房的就医人数的快速增加,针对患者的预约分配要求,医院的处理过程正变得越来越困难和复杂。传统方法通过人工填表进行预约分配,耗时长、效率低,并分散了对医疗方案的注意力,所以迫切需要新的计算科技来解决预约分配中存在的问题。【方法】采用网络和图论的方法,将患者和日间手术病房之间的预约分配问题,合理表示为一种患者和病床之间的资源优化管理。即把患者和病床之间对应关系,构成二部图(Bipartite-graph)的模型和算法。【结果】采用了改进的算法后,通过在计算机上对数据进行仿真模拟,表明基于该模型和算法基础上给出的排序结果优化了的预约分配方法。【结论】采用二部图模型和改进算法,有效解决目前在日间手术病房的预约分配中存在的困难问题,优化了医疗资源管理。     

基于混沌遗传算法的航迹优化研究*

在实际作战环境中,如何选择最优的航迹路线是无人机任务规划系统中最重要的问题之一。首先,在有效巡查区域中建立以总路程最少和时间均衡度最小的双目标航迹优化模型,然后提出一种基于混沌遗传算法的航迹规划;该算法利用Logistic混沌序列确定遗传算法交叉和变异点,保证了算法收敛精度,削弱了因交叉强度大而产生的抖振问题,并将该算法应用到了航空规划问题上进行实验仿真,仿真结果表明该方法提高了遗传算法的精确度。     

动态步长BI-RRT的无人机航迹规划算法

为解决传统RRT算法收敛速度慢、生成的航径距离过长等问题,提出动态步长BI-RRT算法。首先,采用引向目标的采样策略对空间进行探索以得到采样点,利用动态步长策略确定该采样点的增长步长以确定新节点;之后,通过树枝裁剪策略对新节点进行调整,当探索到目标节点时,算法返回初始航迹,对于初始航迹,应用贪心算法对航迹点进行筛选,以减少无人机(UAV)的无效节点与总航迹长度;最后,利用B样条进行平滑处理,得到一条可行航迹。搭建了二维和三维环境下的仿真地图模型,验证了该算法在保证无人机避障的基础上获得一条有效航迹。动态步长BI-RRT算法在无人机航迹规划方面不仅有实时性强、航迹光滑的优点,而且与分段优化RRT算法相比,在优化航迹节点个数的前提下,提高了收敛速度且降低了航迹距离。     

一种优化的量子蚁群算法在旅行商问题上的应用

【目的】量子蚁群算法是一种常见的智能仿生算法，广泛的应用在数学优化、工程技术等领域。该算法在求解旅行商问题时也表现出良好的效果，但当城市规模变大时求解该问题就会出现算法收敛速度慢、早熟、全局寻优能力较弱等问题，为了解决这方面的问题，提出了一种优化的量子蚁群算法。【方法】将部分量子蚁群算法中信息素更新机制与量子旋转角更新机制结合，改进量子选择策略，并将轮盘赌法应用在状态转移规则模型中。【结果】分别使用标准库中的样本和自定义样本，利用Python平台进行实验仿真，通过与其他算法进行比较，并在给出了详细的对比过程。在求解旅行商问题时，提出的算法在最优值差别不大的情况下，减少了早熟，大幅度提高了算法的收敛速度。【结论】提出的算法是有效的，具有一定的实践意义。     

综合考虑服务水平和资源占用的平行机调度问题

【目的】对综合考虑服务水平和资源占用的平行机调度问题进行研究，建立以最小化总延误和机器使用数量之和为优化目标的优化模型。【方法】针对该问题的特点，设计了一种改进的模拟退火算法进行求解。采用不同规模的数值实验测试算法的性能，并对问题参数展开灵敏度分析。【结果】改进的模拟退火算法具有良好的求解效率和求解质量。【结论】灵敏度分析表明，增加资源储备可以使企业更好地平衡服务水平和资源占用。模型能够对企业实现资源节约型制造提供指导和决策支持。     

基于离散粒子群算法的应急物资选址与调度

【目的】为了提高应急管理水平,有效降低突发事件的不良影响,研究了应急物资储备库的合理布局与物资调度问题。【方法】针对应急物资储备库与物资调度问题的特点,建立了考虑物资供应约束以及转运平衡约束的多目标优化模型,目标函数为储备库建设成本、维护成本与物资运输成本之和最小,整体风险程度和整体灾害处置难度最小。【结果】设计了带惯性权重的离散二进制粒子群算法对模型进行了求解。【结论】仿真实例表明了模型以及算法的有效性与收敛性。
     

基于改进VGGNet卷积神经网络的鲜花识别

【目的】提出一种基于VGGNet的改进算法Small VGGNet（S VGGNet），使得在最高运算效率和检测结果的同时，有效减少VGGNet模型超参数的规模，并用于花草树木等植物分类问题。【方法】在原VGGNet模型的基础上减少了一个全连接层，改进了最大池化层，优化了模型结构并减少了网络参数。将新算法用于花草树木等植物分类问题上，进一步分析该算法的预测时间、运行时间、分类准确度等。【结果】无论在训练样本规模、运行时间或者分类结果的准确度上，与多种传统方法和改进VGG算法相比，S VGGNet算法均有明显提升。【结论】提出的S VGGNet算法是有效的。     

交巡警最短路径模型的建立

【目的】提高一般SPFA算法(Shortest Path Faster Algorithm)的效率,缩短出警时间。【方法】用离散化道路法优化辖区分配策略,在道路上设置虚拟路口,把每条道路离散成若干个点,然后把这些新增加的点作为新的路口,由此得到新的道路地图。【结果】多次仿真实验数据显示离散化的优化策略可以缩短出警时间。【结论】基于离散化的改进SPFA算法提高了一般SPFA算法的效率,优化了服务平台,具有一定的实用价值。     

基于є-支配的昂贵超多目标黑箱问题代理优化算法

【目的】本文研究昂贵超多目标黑箱优化问题的算法。【方法】基于SOCEMO算法，将?-支配用于目标值采样策略，提出?-SOCEMO算法。【结果】在42个超多目标测试问题上对算法?-SOCEMO和SOCEMO进行了数值实验，结果显示?-SOCEMO在算法性能评价指标上具有较好的表现。【结论】数值实验表明这种改进的目标值采样策略可以提升SOCEMO算法在昂贵超多目标黑箱优化问题上的计算效果。     

无人机航高对落叶松毛虫虫害遥感监测精度的影响

【目的】探究无人机航高对落叶松毛虫(Dendrolimus superans)虫害监测精度的影响机制，以期构建先进的森林虫害监测技术框架，为无人机近地面森林虫害遥感监测提供重要参考。【方法】以大兴安岭落叶松毛虫虫害频发区为试验区，以无人机不同航高下采集的多光谱遥感影像为基础数据，获得健康、轻度和重度虫害的386株落叶松树冠层光谱指数和纹理特征，通过方差分析法(ANOVA)及连续投影算法(SPA)提取对虫害严重程度敏感的光谱特征，结合随机森林(RF)和支持向量机(SVM)算法构建虫害严重程度监测模型，揭示航高对监测精度的影响。【结果】(1)光谱指数和纹理特征的总体(轻度+重度)监测精度均随航高上升呈下降趋势，而轻度和重度虫害的监测精度却有不同变化态势。(2)光谱指数(修正型三角植被指数2、绿光归一化差值植被指数2、绿光归一化差值植被指数、差值植被指数、简单比值指数1)+纹理特征(MEA 3)组合的虫害监测精度达到最优(总体精度和Kappa值分别为92.3%和0.891),但其总体和轻度的监测精度随航高上升呈下降趋势(下降速率分别为0.04%/m和0.03%/m),重度的监测精度有上升趋势...     

基于扰动的自适应粒子群优化算法

【目的】针对标准粒子群优化算法在应用中暴露出的缺点,如在迭代后期收敛速度慢、搜索精度不高、容易陷入局部最优等,提出一种基于扰动的自适应粒子群优化算法。【方法】该算法将扰动因子加入速度更新公式中,使种群搜索范围扩大;采用自适应的惯性权重,以起到平衡全局和局部寻优能力的作用;对最优粒子进行自适应的柯西变异,拓展最优粒子的搜索空间,降低粒子陷入局部最优的可能性;最后对算法进行仿真实验。【结果】新算法能够增强全局搜索能力,有效避免局部最优,具有更快的收敛速度。【结论】新算法克服了标准粒子群优化算法的缺点,为进一步研究粒子群优化算法的改进和应用提供科学依据。     

逆向物流订单分配排序优化研究

【目的】讨论了如何对订单合理分配实现货物的低成本及高效回收的问题,为作为闭环供应链逆向物流订单货物的高效回收提供可借鉴方法。【方法】通过对逆向物流车辆与货物订单分配问题的分析,利用现代排序论的思想和方法将逆向物流订单和车辆分别看作工件和机器,构建了逆向物流订单分配排序优化模型,设计了模型求解算法并做了算例模拟。【结果】算例模拟结果表明:所设计的模型及算法能够有效解决订单货物的高效回收。【结论】基于分支定界法的改进的FBLPT算法能够给出问题的最优解,对解决逆向物流订单分配排序优化问题有一定参考价值。     

基于改进蚁群算法的无人机航迹规划

针对无人机在指定地点执行侦察、 巡逻或攻击等任务, 将无人机执行任务的航迹代价模型转化为旅行商问题, 采用改进蚁群算法实现航迹规划。通过引入去交叉禁忌搜索策略, 对基本蚁群算法进行改进, 以解决在收敛后期易陷入局部最优的问题。同时, 利用数值仿真对所研究的基于改进蚁群算法的无人机航迹规划算法进行验证。仿真结果表明, 该算法能提高了无人机航迹优化能力。