基于独狼蚁群混合算法的移动机器人路径规划

针对移动机器人路径规划问题,提出了一种基于独狼搜索机制的自适应精英蚁群混合算法.首先,在精英蚁群算法中引入了独狼视场机制并设计了自适应增强函数,用以改进精英蚁群算法搜索机制中蚁群的寻径能力.然后,为了消除混合算法中的停滞现象,引入了独狼逃跑策略并构造了一种信息素优化机制,用来提高混合算法的全局搜索能力,帮助寻径个体突破当前的路径停滞问题,避免算法陷入局部最优.最后通过仿真分析和测试,进行了针对性的对比试验,结果表明:混合算法在多种环境下的路径规划均拥有较好的收敛速度和高效的寻径能力.     

A~*算法在游戏寻径中的应用

图搜索技术能够从图中寻找一条从起点到目标点的路径.围绕游戏寻径问题,介绍了如何确定启发式函数进行启发式搜索,并把A*算法用程序加以实现,从而证明A*算法可以解决游戏中的寻径问题.     

学习式搜索：一种新的搜索策略

本文将模式识别技术引入到启发式搜索当中,开展一种新的搜索——学习式搜索——的研究。我们给出了一个学习式的搜索算法SCDF,并证明了该算法的平均复杂度可达到线性。     

基于Q-IGA动态拟合贝塞尔曲线的路径规划

为在路径规划过程中得到一条适用于实际情况的最优路径,并克服遗传算法自身固有的易收敛于局部最优解和复杂度较高的缺点,提出一种基于Q-IGA（Q-standard Improved Genetic Algorithm）算法动态搜索贝塞尔曲线控制点的路径规划算法. 该算法摒弃利用贝塞尔曲线直接拟合最优路径的静态方式,使路径搜索与控制点搜索两个过程同时进行;并且在选择算子中添加一个判断准则,利用Q值检验法剔除相似度较高的解决方案,增强种群的多样性;与此同时,优化适应度函数,加入机器人体积及转弯角度带来的代价,使选择出的路径是一条距离较短且与障碍物保持安全距离的合理路径. 仿真结果表明,Q-IGA算法比改进人工势场法和混合遗传算法得到的路径更为合理,可降低机器人耗能,减少搜索时间,更适于实际的工业应用.     

改进的时延约束Steiner树算法

针对现有时延约束Steiner树算法时间复杂度较高以及生成的组播树代价较高的问题,提出了一种改进的时延约束Steiner树算法.该算法采用Dijkstra算法路径递增的基本思想和链路共享的方法,在快速搜索阶段,依次搜索到当前树有最小可行代价的节点,将目的节点通过最小可行代价路径加入组播树;在异常处理阶段,将遗漏的目的节点通过最小时延路径加入组播树,进而生成满足时延约束的Steiner树.理论分析和实验结果表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较好的组播树代价.     

基于Dijkstra算法的最优路径搜索方法

针对传统Dijkstra算法在应用中存在的不足,提出了一种基于Dijkstra算法的最优路径搜索方法.该方法设计了区域限定模型,以避免大量无用结点参与计算带来的时间和空间的浪费.在此限定区域内使用优化的存储结构实现了含有启发式信息的搜索策略.路网实验结果表明,应用启发式搜索策略使搜索的路径结点总数和计算时间明显减少,搜索过程能够快速地趋于目标结点.     

A算法在游戏地图寻径中的几种改进策略研究

A^＊算法是目前游戏地图寻径中应用最广泛的算法。分析了A^＊算法，针对游戏开发指出了标准A^＊算法的不足，研究并提出了几种改进策略和编程实现的方法。实验结果表明，提出的改进方法确实提高了算法的搜索效率和路径的平滑程度，更加适合游戏开发。     

基于地理信息的最少倒乘次数公交线路搜索算法

本文通过分析以往算法的在公交线路最少倒换次数路径查询方面的盲目性，提出了一种基于地理信息的最少倒乘次数公交线路搜索算法，该算法将以站点为线索的搜索算法改进为以线路为线索的搜索方法。基于出发和到达站点，建立了出发线路集和到达线路集，并结合地理方位信息定义了一个线路趋势函数，进一步地通过该函数来缩减上述两个集合的规模，进而改变了算法的运行效率。     

限制搜索区域的距离最短路径规划算法

提出一种时间复杂度为O(n)的限制搜索区域距离最短路径规划算法(n为路网节点数).算法设计的基础是,经典Dijkstra算法搜索时的无方向性及实际城市道路网络特有的空间分布特性.算法实现采用邻接表数据结构和限制搜索区域的搜索机制,即利用实际城市道路网络的空间分布特性,合理限制算法的搜索区域.结合路径规划算法在实时车辆导航系统中的实际应用,给出了该算法的应用实例,实验结果表明,该算法能将路网中任意两点间的最短路径解算时间控制在3 s以内.     

启发式搜索中一种新的加权技术

本文提出一种新的加权算法——ＷＳＡ法，它是在Ａ（或Ａ＊）搜索中引入一种新的加权技术。根据［１］中提出的原理，可以把启发式搜索看成某种随机取样过程，所以通过某种统计推断的方法，可以估计出搜索树中各子树包含目标的可能性．然后把某个权值加到不大可能是解路径上节点的估价函数上，从而使搜索集中在最有希望的路径上。在一致ｍ一枝树上；我们证明了这种加权方法可显著提高效率。     

随机网络中分布式节点高精度自定位算法研究

随机网络不确定性高,较为复杂,当前节点定位算法无法准确对随机网络中分布式节点进行准确定位,且适应性差。为此,提出一种新的基于标记传递的随机网络中分布式节点高精度自定位算法,标记传递算法将随机网络中的分布式节点用有标记数据和无标记数据进行描述,依据节点间的相似度将节点标记传递至其相邻节点。对节点定位问题进行描述,介绍了标记传递算法,在此基础上通过标记传递算法对随机网络中分布式节点进行高精度自定位,定位过程主要分为离线训练阶段与在线自定位阶段,给出定位详细实现过程,对定位结果进行滤波处理。实验结果表明,所用所提算法对随机网络中分布式节点进行自定位,定位精度高,适应性强。     

基于跳距修正与差分进化优化的改进DV-Hop定位算法

为了提高传统DV-Hop(distance vector-hop)算法的定位精度,提出一种基于跳距修正和差分进化优化的改进DV-Hop(differential evolution distance vector-hop,DEDV-Hop)算法。由DV-Hop的算法原理可知,锚节点间的距离测量误差是算法定位误差的主要来源,由此根据锚节点间的不同跳数引入权重因子,从而减小平均每跳距离误差,并且利用差分进化算法对最小二乘法计算出的节点坐标进行二次优化,最终提高系统的整体定位精度。为了验证算法的有效性,在相同实验条件下,通过设置不同的定位参数将提出的算法与同类的经典算法进行实验对比。实验结果表明,DEDV-Hop算法可以有效减少节点平均定位误差,其定位精度明显优于其他几种算法。     

网格中多副本数据的后向预测调度算法

针对网格环境下追求最快响应时间的多副本数据检索应用,提出了一种调度算法,该算法考虑了数据副本分布状况对负载均衡的影响.在被检索数据的多个子集分布在网格中多个节点,并且以数据子集为单位存在不定数目的副本情况下,给出了一种估算存放副本的网格节点动态负载和延时的方法.基于估算出的这些参数,算法根据对响应时间的计算和对后向任务的预测将任务分配到网格节点.后向预测考虑了网格节点被选中访问其上各个副本的可能性.最后通过仿真程序分析了该算法的性能.     

基于消息的加权负载均衡算法

在研究EAP协议与Diameter协议的基础上,为解决分布式认证系统节点间会话一致性的问题,以及尽可能减少服务节点数量改变时产生的会话迁移数量,提出了一种基于消息的加权负载均衡算法(MOLB)。该算法使用散列法、虚拟节点和红黑树相结合的技术,实现了客户端请求在服务节点间的合理分布。Diameter网络环境中的实验结果表明:与其他常用的负载均衡算法相比,本文算法具有较小的负载均衡度和会话破坏度以及较低的会话破坏分布度。     

基于网络编码的多源多核点光组播路由算法

针对现有多源组播网络编码路由方法的链路代价、波长消耗等性能受目的节点数目变化影响过大的问题,提出一种基于网络编码的多核组播路由算法。该算法通过选取多个核点构造编码子图,并将为目的节点选择的核心节点设为解码节点,以减小目的节点数量对编码子图大小的影响。结果表明,在目的节点较多的多源网络中,该算法能有效地减少网络总链路代价和波长资源消耗。     

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。     

基于遗传算法的二部图判定算法

应用遗传算法来判定二部图的具体过程是首先将无向图G的节点随机分配到两个不同社区中,然后用遗传算法进行进化操作,优化无向图G的模块化函数Q,当Q取最小值且无向图G的边只存在于两个社区之间,则无向图G为二部图.实例分析结果验证了算法的有效性.     

基于蚁群的无线传感器网络概率路由算法

针对多数无线传感器网络路由算法易在网络中形成关键节点,而节点的失效往往导致整个网络的失效问题,提出了将随机思想与蚁群算法的特征相结合的一种新的概率路由计算方法.实验表明,该算法对延长整个网络的有效生存时间的效果较好.     

遗传算法的DV-Hop算法改进

DV-Hop算法中,平均每跳距离是影响定位精度的因素之一。针对平均每跳距离带来的定位误差,对锚节点和未知节点的平均每跳距离进行了改进和优化。首先引入遗传算法计算锚节点的平均每跳距离;然后利用跳数小于等于3的锚节点的平均每跳距离加权处理未知节点的平均每跳距离,减少平均每跳距离带来的误差。仿真结果表明,在不增加硬件开销的基础上,改进算法能够有效提高算法的定位精度,并且具有较好的稳定性。     

移动自组织网中一种平均节点度分簇算法

针对移动ad hoc网络现有分簇算法容易造成通信瓶颈的现象,在最高节点度分簇算法的基础上提出了基于平均节点度的分簇方法,通过选举具有合适节点度大小的节点作为簇头来平衡网络负载,应用Glomosim做的仿真结果显示该算法能较好维持网络的稳定性.