基于层次聚类的WiFi室内位置指纹定位算法

提出一种利用WiFi信号指纹实现对室内区域进行定位的CL-KNN(complete linkage K-nearest neighbor)算法.该算法先采用层次聚类方法对测试环境进行区域划分,再根据相应的WiFi信号指纹信息进行匹配,最后通过加权计算确定定位结果.实验结果表明,在WiFi热点数量足够多的情况下,与原始KNN算法和kmeans-KNN算法相比,CL-KNN算法可以获得更高的定位精度和准确率.     

面向全自动控制交通系统的车辆调度算法

结合遗传算法和贪婪算法的优点,提出了聚类贪婪遗传算法,构建了一个全自动控制交通系统的仿真系统;针对遗传算法、贪婪算法和聚类贪婪遗传算法分别进行实验,并比较其实验结果.结果表明:当系统趋于稳定时,聚类贪婪遗传算法能够提高叫车请求的平均响应时间,从而避免叫车请求饿死的情况;聚类贪婪遗传算法可用于全自动控制交通系统车辆的调度.     

基于中心定位算子遗传算法的模糊聚类方法

针对聚类算法易陷入局部优化的缺点,将中心定位算子遗传算法与模糊聚类方法结合,通过遗传算法的全局寻优特点弥补聚类算法的不足。算法对样本进行降维预处理,提高了算法的效率和准确性。     

基于农田特征的多模型交互粒子滤波跟踪算法

从农田垄线等间距地形特征着手,基于粒子滤波提出了一种基于低成本定位器的高精度跟踪算法.对农机工作路线进行优化设计的基础上,确定了适合农田作业的2种运动模型,并采用交互式多模型(IMM)粒子滤波算法对田间运动目标进行了定位滤波处理;然后以粒子滤波算法为基础,将农田地形特征作为一个限制因素融入到算法中,在滤波过程中对穿越垄...     

基于位置指纹的WiFi室内定位算法研究

本文主要探讨分析基于位置指纹的WiFi室内定位算法,该算法主要是通过层次聚类方式划分测试环境区域,再匹配对应的WiFi信号指纹信息,之后利用加权计算确定定位位置。按照此次研究结果显示,在充足的WiFi热点数量之下,对比分析k-means-KNN算法以及原始KNN算法,位置指纹室内定位算法在地位给精准度以及准确率方面表现良好,此外,还分析加权最近邻算法和最近邻算法等相关内容,希望可以为位置指纹的WiFi室内定位算法研究提供参考性价值。     

新疆兵团精准农业发展与北斗卫星导航技术的应用

精准农业是信息技术与农业生产相结合的一种精细农业。新疆兵团农业生产采用规模化生产,具备良好的机械化和信息化条件,在选种、播种、施肥、灌溉、田间检测、收获环节持续推广精准农业技术。在精准农业中卫星导航技术主要应用于智能化农业机械控制、精准病虫防治和灌溉、农田资源的普查和规划。北斗卫星导航技术已在新疆兵团精准农业中得到应用,依托北斗卫星导航与位置服务平台、地基增强系统,为基层农机管理部门、采棉机公司和农机合作组织提供作业农机实时信息服务,具有定位精度高、作业标准高、适应能力强的特点。拖拉机自动驾驶技术在新疆兵团广泛应用于播种、喷施除草剂、苗期化控和植保、喷施脱叶催熟剂、受灾棉田重新播种、中耕施肥作业、残膜回收、分层施肥、棉花测产、采棉机实时监控等农业过程,生产实践证明具有良好的经济、社会和生态效益。对比试验的结果表明,在棉花生育期的主要阶段,采用精准对行分层施肥技术棉田的主要指标具有一定优势。新疆兵团在精准农业的方面应注意两点:一是用信息化技术提升精准农业装备的设计和制造水平;二是用信息化技术提高农业机械化的管理水平。提出建议如下:加强政策引导,加快人才培养步伐,加大科研力度,建立完善的用户服务体系,拓宽应用领域,强化新疆兵团的辐射带动作用。     

蚁群与遗传算法融合的聚类算法研究

目的 通过将蚁群与遗传算法融合,以解决蚁群聚类算法参数众多且与问题域相关,搜索容易出现停滞现象等问题.方法 将主要影响蚁群聚类算法性能的5个参数作为遗传算法中的染色体进行编码.首先设计遗传算法的选择、交叉、变异算子,进而将用于聚类结果评价的F-measure函数作为适应度函数,通过多次迭代找出最优的参数组合.结果 在仿真实验中,获得了较好的聚类效果.结论 蚁群与遗传融合的聚类算法较蚁群聚类算法有更大的优势.     

求解柔性作业车间调度问题的免疫遗传算法

通过对柔性作业车间调度问题(FJSP)进行分析,借鉴生物免疫机理提出一种求解柔性作业车间调度问题的免疫遗传算法(IGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过抽取疫苗和接种疫苗等免疫机制,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度.仿真实例表明,免疫遗传算法能有效解决柔性作业车间调度问题.     

用遗传算法C-均值聚类分割医学彩色图像

图像分割和对象提取是从图像处理到图像分析的关键步骤 .经典的C -均值聚类算法 (CMA)是将图像分割成C类的常用方法 ,但依赖于初始聚类中心的选择 .该算法通常得到的是局部最优解而非全局最优解 .遗传算法是一类全局优化搜索算法 .通过将遗传算法 (GA)与CMA相结合 ,对医学彩色图像直接按红绿蓝 (RGB)三色空间进行聚类 ,用遗传算法搜索全局最优解 ,有效地避免了C -均值聚类算法收敛到局部最优的问题 ,并在此基础上实现了对医学病理彩色图像的分割和对象提取 ,得到了比较满意的效果     

基于遗传算法的数据挖掘方法及应用

车间作业调度问题的研究不仅具有重大的现实意义,而且具有深远的理论意义.该文采用数据挖掘算法从大量的车间作业调度中抽取一些有价值的信息或知识,然后应用这些知识来辅助车间作业调度.该研究的目的就是应用数据挖掘算法从车间作业调度最优方案(基于遗传算法的求解结果)中抽取出最优调度方案的一些模式知识,然后基于这些模式知识发展一些规则集来辅助车间作业调度.这些规则可以看作是隐含在车间作业调度最优方案中的事先未知的潜在有用的信息,根据这些规则可以产生比简单指派更好的车间作业调度方案.最后的数据实例表明本文方法无论在调度质量还是在计算速度上都具有非常好的性能.图3,表4,参15.     

混合并行遗传算法在多文档文摘中的应用

提出了一种基于改进混合并行遗传算法的多文档文摘方法.该方法将k-means聚类算法的高效、局部搜索特性,和并行遗传算法的全局优化能力有机结合,解决了k-means算法对初始聚类中心的选择较为敏感,易于陷入局部最优等问题,提高了多文档聚类算法的效率和精确度.     

全局最优警车巡逻区域最大覆盖调度策略

针对警车的配置和巡逻区域覆盖问题,通过引入k-means聚类算法、最小顶点覆盖和遗传算法等,提出一种警车优化配置和全局最优的巡逻区域最大覆盖调度方案。利用k-means聚类算法生成的N个中心点作为警车初始位置的参考点,完成警车初始化配置。接着采用遗传算法优化选取出全局最优的巡逻参考路线,进而引入Dijkstra算法计算出满足要求的巡逻部署线路,同时给出了任意两个交叉路口间的最短路径和警车在某一时刻所在位置的计算方法,以及警车巡逻的区域覆盖率和行车时间。通过详细的模拟实验验证了其有效性,实验结果表明该方案优化选取得到的巡逻路线具有较好的鲁棒性,可有效提高巡逻效果的显著性,且巡逻路线保持多变,具有较好的隐蔽性。     

一种新的混合蚁群聚类算法

针对蚁群聚类算法存在收敛速度慢、易陷入局部最优等缺陷,通过在蚁群聚类算法的每次迭代过程中引入遗传算法,提出一种混合蚁群聚类算法.它利用遗传算法全局快速收敛的特性,提升了蚁群聚类算法的收敛速度,同时,遗传算法中的交叉、变异操作扩大了解空间的搜索,帮助蚁群算法跳出局部最优.仿真试验验证了算法的性能.     

混合蚁群遗传算法在车间作业调度的应用研究

提出了一种解决车间调度最短完成时间的有效的混合算法.将遗传算法与蚂蚁算法的融合,采用遗传算法生成信息素分布,利用蚂蚁算法求精确解,优势互补.应用该算法对Job-Shop车间作业调度问题的解进行编译,通过实例表明该算法是可行有效的.     

一种基于改进遗传算法的WSN负载均衡聚类算法

针对无线传感器网络簇首需承担额外负载的问题,为了最大化网络寿命,提出了一种基于改进遗传算法的聚类算法.首先,将染色体表示为网关的一个字符串,通过考虑传感器节点与簇首之间的连接限制初始化种群;然后,构建适应度函数来评估初始种群的各个染色体;最后,利用遗传算法对染色体进行选择、交叉、突变,利用迭代算法完成聚类.结果表明,相比分布式自组织负载均衡聚类算法,本算法的执行时间可降低18.5%;相比基站控制自适应聚类算法,本算法收敛速度可提升50%;相比低占空比多管道调度算法,本算法平均负载标准差降低了81.2%;当网络轮数达到2 500时,相比其他几种较新的算法,本算法可降低至少40%的能耗.因此,本算法在WSN应用中可以很好地解决额外负载问题,延长了网络寿命.     

基于项目拆分决策的多模式资源投入

结合一类实际生产决策需求,提出了基于项目拆分决策的多模式资源投入调度问题,并以资源投入最小化为优化目标,建立了问题的数学模型.针对模型特点,提出了包含项目拆分算法和多模式资源投入型项目调度算法的双层优化算法,其中项目拆分算法通过将作业在不同子项目之间有效移动获得合理的拆分方案,多模式资源投入型项目调度算法通过分析不同作业对时间约束和资源约束的影响来确定优先级规则,进而得到最佳调度方案.应用PSPLIB标准算例进行数据实验,结果证明了算法的有效性和可靠性.     

基于并行遗传算法的车间作业调度

研究了并行遗传算法在车间作业调度问题中的应用,通过对传统的迁移策略进行改进,给出了运用该算法求解车间作业调度的具体过程。最后给出了计算机仿真结果,与普通遗传算法求得的结果的比较,证明了该算法的有效性和先进性。     

系统聚类树算法在网络拓扑判定中的研究

网络拓扑结构的判定是网络层析成像技术在大规模网络中应用的关键问题.主要讨论通过对网络上的主机进行单播的测量来获得网络的逻辑拓扑,提出运用系统聚类分析法进行拓扑判定的新方案.首先介绍了基于延时的“三明治”网络测量方案及相关网络拓扑判定方案,在此基础上提出更为高效准确的运用统计聚类模型进行拓扑判定的系统聚类树算法,最后通过实验将该算法与合并似然树算法进行了比较与分析.     

一种基于余弦因子改进的混合聚类算法

为了解决传统的K-means聚类算法全局优化性差,容易陷入局部最优的问题,用具有全局自适应优化特点的遗传算法与K-means算法结合来改善聚类效果.在此基础上提出了基于余弦因子改进的混合聚类算法(SGKM),在交叉和变异操作时用基因余弦因子(GCOS)进行个体控制,确保差的个体不会被引入下一代,并采用交叉和变异概率的自适应控制,结合了K-means算法的高效局部搜索和遗传算法的全局优化能力.实验结果表明,与其他基于K-means算法改进的聚类算法相比,SGKM算法能获得更小的簇内距和更大的簇间距,且数据对象的分类准确率有一定的提高.应用SGKM算法进行聚类不易受到不良个体的干扰,可以有效地改善聚类效果.     

基于正逆序策略求解Job Shop的遗传调度算法

针对标准遗传算法在求解车间作业调度问题中易陷入局部极值点的缺点,提出了一种基于领域知识的动态双种群遗传算法. 由于最优调度必定是活动调度,算法利用活动调度技术来进行空间缩减;两个子种群分别采用正、逆序调度策略来提高种群的多样性. 算法采用一种新的染色体编码来表示活动调度方案,并给出了相应子种群的初始化策略、遗传操作,以及子种群之间的交叉方式. Benchmark算例的仿真实验与分析表明,该算法在计算时间和求解质量上均具有较好的效果.