基于用户偏好的最优路径搜索

本文研究基于用户偏好的最优路径搜索,在预算约束下寻找一条满足用户偏好即关键字和权重偏好的最优路径.此研究问题是NP-hard.为了高效地解决这类查询问题,本文提出新的索引建立方法,在查询阶段利用索引结构过滤出候选节点集.另外,提出基于A*的路径搜索算法来做路径查询,并利用几个有效的剪枝策略加快算法的执行速度.在两个真实的签到数据集上的实验结果证明了本文提出方法的有效性.当预算时间设置为4～7h时,与已有最好的PACER算法相比,本文的路径搜索算法消耗的查询时间更短.     

基于弹簧质点模型的自由曲面四边形网格平面化研究

为实现对自由曲面的平面四边形网格划分,提出了一种基于力学模拟的网格优化算法,建立了包含杆件长度的约束力、边界固定质点约束力、曲面对质点的吸附力、网格平面化作用力的弹簧质点计算模型.首先,采用映射法或其他方法对曲面进行初始四边形网格划分,在获得曲面的初始网格划分的基础上根据不同网格性能的侧重要求,计算出相应的弹性系数k_(ij)、边界约束刚度k_c、对网格点的吸附刚度k_m、平面化控制系数p_c,建立以平面化为目标的网格弹簧质点模型,通过动力松弛法,经多次迭代得到平面化网格;然后结合四边形平面化指标,以流畅性指标和均匀性指标对网格进行质量综合评价,同时引入网格偏离指标对网格的形状进行控制;最后,进行了算例验证,算例表明,弹簧质点平面化网格计算方法可以很好地适应自由曲面,通过调整参数,在一定条件下可使网格平面化的许允误差限制达到合理范围,同时可以兼顾流畅性和均匀性的要求.     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

结合蝙蝠算法改进的密度峰值聚类算法

密度峰值聚类算法(Denisity peaks clustering,DPC)具有聚类速度快、实现简单、参数较少等优点,但该算法的截断距离参数需要人工干预,并且参数的选取对于该算法的结果影响较大。为了解决这一缺陷,该文提出了结合蝙蝠算法改进的密度峰值聚类算法。该算法利用蝙蝠算法较强的寻优能力,寻找合适的截断距离取值,同时对蝙蝠算法的速度更新公式加入了自适应惯性权重来加强全局搜索能力。该算法选择多种数据集进行了实验仿真,并与其他同类算法进行对比。经过对比验证,结合蝙蝠算法改进的密度峰值聚类算法在聚类准确率上要明显优于其他算法。     

基于遗传算法的钢水“脱氧合金化”成本优化研究

随着钢铁行业中高附加值钢种产量的不断提高,在保证钢铁质量的同时尽可能减少成本尤为重要。本文基于低碳钢HRB400B的历史数据记录,构建BP神经网络-脱氧合金化预测模型。根据16种合金原料的元素含量和单价,建立"脱氧合金化"总成本最优化模型,并采用遗传算法进行求解。结果显示,相同成本的不同方案中,各合金原料的用量可能存在较大差别,故应根据炼钢厂的实际情况确定合理的合金配料方案。     

求解分布式并行机调度的新型帝国竞争算法

提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.     

高精度IMU车载激光测量系统在高速公路改扩建中的应用

针对车载移动激光测量系统的特点和高速公路改扩建数据精度的要求,本文对高精度IMU车载移动激光测量系统在高速公路改扩建中的应用进行分析,通过对车载激光测量系统中的关键器件IMU的原理和特性进行分析,阐述了车载移动激光测量系统在高速公路改扩建项目中彩色激光点云数据获取与联合解算的技术方法,并通过工程实践验证了该方法的精度。     

制造服务中服务协作链构建与优化研究

制造服务是制造与服务的融合,是面向制造的服务,并且可进行分解和重构;根据制造服务的特征,以制造企业外协加工制造服务为例,构建了制造服务服务协作链,定义了多元组的服务协作链,利用Petri网建立了五元组服务协作链模型,针对服务协作链优化这一N-P Hard问题,运用贪婪算法选取服务时间作为贪婪因子进行了优化,并进行了实例验证;通过算例验证了服务协作链优化的可行性,结果表明:构建制造服务中的服务协作链以及对服务协作链进行优化可实现制造服务中业务协作优化决策,为实现智能化制造系统奠定坚实基础。     

基于优化BP神经网络的高准确度软件缺陷预测应用研究

针对软件缺陷测试任务中的准确度问题,提出一种基于优化BP神经网路的软件缺陷预测方法 .该方法首先采用4层BP神经网络构建多层感知模型,并结合模糊控制原理实现任意复杂非线性关系逼近.然后通过灰狼优化算法克服BP神经网络的局部搜索陷入,从而解决其参数设置依赖性问题.实验结果表明,相比于PSO-BP算法和SA-BP算法,该算法的仿真拟合效果最优,表现出了更高的软件缺陷预测准确度.