通信距离受限条件下的无人机集群协同区域搜索

针对通信距离受限条件下的无人机(unmanned aerial vehicle, UAV)集群协同搜索任务, 考虑防相撞约束, 定制了一种能够在搜索过程中根据机间距离切换交互方法的UAV交互决策机制, 实现了动态环境中的搜索航迹规划。首先, 运用栅格化方法建立包含3种属性的环境认知地图对任务区域进行表征。其次, 考虑多种搜索任务需求, 以最大化搜索效率为目标建立UAV集群协同搜索模型。然后, 根据机间有效通信距离定义了UAV协同搜索过程中的通信状态, 设计了一种能够在通信完全有效、局部有效以及完全失效3种典型场景下切换信息交互方法的信息交互与决策机制。最后, 采用滚动时域优化方法, 实现集群各成员的自主决策与交互行为。仿真结果表明, 所提算法能够在通信距离受限条件下有效完成协同搜索任务, 在完成覆盖搜索任务时能够有效兼顾对动目标的搜索。     

基于层级成长单元结构算法的虚拟实践社区知识地图的构建

为了提高虚拟实践社区用户浏览和搜索知识对象的效率,促进社区内的知识共享,提出了一种虚拟实践社区知识地图构建方法.该方法首先改进了成长单元结构算法,利用层级成长单元结构算法对社区内的知识对象进行聚类,然后基于标签自组织映射算法自动确定出每一类所代表的主题,构造出层级知识地图.实验结果表明,所提出方法的聚类效果要优于凝聚层次聚类和增长层级自组织映射算法,能够在虚拟实践社区中构造出合理、有效的知识地图.     

基于粒子群优化算法的USV集群协同避碰方法

针对无人水面艇(unmanned surface vessel, USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。     

运动目标的多无人机编队覆盖搜索决策

针对无人机搜索运动目标时,由于目标运动状态的不确定性,传统静态环境下的无人机覆盖搜索航迹规划算法不再适用的问题,分析了无人机覆盖搜索的基本原则,提出了运动目标垂线搜索（moving target with vertical line search pattern, MTVL）算法,证明了在MTVL策略下的任务完成条件。对MTVL算法进行了改进,通过控制无人机的运动方向与搜索区域边界的角度,提出了运动目标斜线搜索（moving target with slanting line search pattern, MTSL）算法,从理论上分析了在MTSL策略下的任务完成条件并进行了仿真验证。仿真结果表明,提出的两种搜索策略在满足一定条件下都能够完成对指定区域的搜索任务,而无人机完成任务的能力取决于无人机速度与目标速度的比值、无人机数目等因素;完成同样的搜索任务,与MTVL算法相比,MTSL算法对无人机速度和无人机数目的要求更低。     

面向复杂多任务的异构无人机集群分组调配

针对复杂多任务下的异构无人机(unmanned aerial vehicle, UAV)集群分组调配问题,提出一种基于改进K均值和延迟接受(deferred-acceptance, DA)算法的先聚类后匹配方法。在任务聚类分组环节,通过离群点检测和固定初始聚类中心的方法来提高K-means聚类的精度,并设计余量裕度下的分组均衡性调整策略,在最优性的前提下提高分组的均衡性。在集群匹配分组环节,改进了DA算法,通过任务倾向的偏好列表快速生成预中选方案,并设计两阶段冲突消除来保证匹配的稳定性和收敛性。仿真实验表明,所提方法能够快速有效地解决复杂多任务下的UAV集群分组调配问题,具备良好的最优性和时效性。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

考虑韧性的无人机集群自组织区域覆盖方法

为提高无人机集群执行自组织区域覆盖任务成功率,提出一种基于个体相互作用力、边界排斥力、重点区域吸引力3种虚拟力的分布式自组织覆盖算法。在此基础上,进一步考虑无人机个体自身故障或毁伤等失效的影响,将集群韧性指标纳入到覆盖关键阈值调节机制中。仿真实验结果表明,该方法能有效使无人机集群对目标区域及重点区域进行覆盖,且能在集群发生故障或遭受毁伤后迅速进行自组织恢复,获得较高的任务成功率。     

基于人机协作的无人集群搜索方法研究

人与机器人交互是当前一项研究热点,人与无人集群协作搜索是人机交互的典型场景,通过结合人的复杂推理能力和无人集群的重复精确执行能力以完成更为复杂的任务。以不确定场景下高价值目标搜索为背景,给出了人与无人集群协作搜索问题概念定义;为描述多Agent系统如何在人工辅助下进行选择目标区域进行探索,构建了一种先验态势不确定情况下多Agent动态规划问题模型;提出了一种基于顺次分配的动态规划算法。并对该方法进行了仿真实验,实验结果表明：该算法性能明显高于基准算法。     

敏捷成像卫星密集任务聚类方法

面向应急条件下的观测需求,为提高成像任务完成效率,对敏捷成像卫星密集任务聚类问题进行研究。分析了敏捷成像卫星观测过程,给出了任务聚类的俯仰、翻滚观测摆角及任务间过渡时间约束。建立了聚类图模型,给出了模型的构建算法。设计了一种基于最大最小蚂蚁系统的聚类算法,结合聚类模型特点设计蚁群策略,并对重叠和冲突的聚类任务进行处理。实验算例验证了模型和算法的有效性。     

基于集群的集中调度式RSOM并行训练方法

聚类算法常需处理海量和高维的大数据集,为了提高算法的效率,设计并行的聚类算法,以提供更好的计算能力是十分必要的。集群系统是目前流行的高效并行计算环境,针对大数据集聚类问题,集群系统的运用是一种很好的选择。由于RSOM(recursive self-organizing mapping,RSOM)模型具有内在的层次化及分布式结构特点,本文研究了基于集群的集中调度式RSOM树并行算法,并通过视频图像特征集实例证实了算法的可行性。     

基于置信椭圆的无人艇区域覆盖搜寻规划优化

为解决水上遇险目标搜寻存在搜寻区域过大、搜寻代价过高等问题, 提出一种基于置信椭圆的无人艇区域覆盖搜寻规划方法。首先, 利用高斯混合模型聚类算法划分搜寻区域, 再基于腐蚀膨胀的置信椭圆确定最佳搜寻区域边界, 实现目标包含概率和单位面积粒子数全局最优。然后, 构造适应椭圆搜寻区域边界特征的无人艇转向模型, 优化非工作路径。最后, 以搜寻探测概率和总路径为优化目标, 采用带精英策略的非支配排序的遗传算法(nondominated sorting genetic algorithm II, NSGA-II)优化得到最佳搜寻规划路径, 实现无人艇高效区域搜寻规划。与常规矩形区域覆盖搜寻规划对比, 能够在达到相同搜寻成功率下显著减少搜寻代价投入。     

基于SNIC的双时相SAR图像超像素协同分割算法

针对面向区域的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题, 提出了一种基于简单非迭代聚类(simple non-iterative clustering, SNIC)的双时相SAR图像超像素协同分割算法。首先, 构造一幅包含双时相SAR图像特征的融合图像, 计算待处理像素点到聚类中心的像素强度相似度和空间距离相似度。其次, 采用一种高效的多尺度弱边缘检测算法, 对双时相SAR图像分别进行边缘检测并融合边缘检测结果。最后, 将像素强度相似度、空间距离相似度和边缘信息进行加权以替代原始SNIC算法中的距离测度, 实现对SAR融合图像的超像素分割, 得到与双时相SAR图像中真实地物边缘均贴合的协同分割结果。基于一组仿真和一组实测双时相SAR图像的超像素协同分割实验结果表明, 该算法的边缘贴合率、欠分割误差和可达分割准确率均优于其他7种经典方法。     

基于多维伪F统计量的基因表达动态聚类分析方法研究

K-均值聚类分析算法是一种广泛应用于基因表达数据聚类分析中的迭代变换算法，它通过指定类别数K-基于给定的聚类目标函数，并采用迭代更新的方法，使得最终的聚类结果的目标函数值为极小值，达到较优的聚类效果。针对K-均值聚类分析算法存在参数依赖性强，且在整个聚类过程中类的数目无法改变的缺点，引入动态调整聚类个数的思想和多维伪F统计量，提出了一种基于多维伪F统计量的基因表迭动态K-均值聚类算法。实验结果表明该算法可以动态调整聚类个数，给出最佳聚类数目，从而获得较好的聚类质量．     

无线传感器网络的重叠分簇与边界搜索

无线传感器网络（wireless sensor networks, WSNs）由大量微小的传感器节点组成,分簇的网络架构能较好地处理大规模网络的自组织问题,因而成为WSNs提升性能和扩展性的标准方法。在拓扑发现、地理路由和目标追踪等应用中,重叠分簇能更好地满足要求,同时,辨别出WSNs的边界节点是重要的任务。与先前的基于节点的边界搜寻算法不同,提出了一种应对节点随机分布情况的自组织分簇算法。建立了重叠分簇,进而对重叠分簇进行分簇的边界融合,最后形成整个WSNs网络边界。仿真结果表明,该算法能够生成更为均衡的分簇,显著提高网络生存周期,并能有效的实现网络边界节点的搜索。     

有人/无人机任务联盟分阶段形成方法

针对有人/无人机任务联盟形成问题,采取任务聚类-平台匹配的分阶段形成策略。首先,给出问题要素定义,并进行相关数学描述。其次,基于对问题的分析,以最小化任务距离和为优化目标建立任务聚类的数学模型;以最小化指挥决策能力代价和资源能力代价为优化目标建立平台匹配的数学模型。然后,对任务聚类问题和平台匹配问题,分别采用优选初始簇中心的贪心聚类算法和多目标模糊人工蜂群算法进行求解;最后,通过仿真案例下的3组实验,验证了提出方法的有效性和优越性。     

基于引力的入侵检测方法

将万有引力的思想引入聚类分析，提出一种基于引力的聚类方法和度量聚类异常程度的引力因子概念，同时给出了一种计算聚类闽值的简单而有效的方法，在此基础上提出一种新的入侵检测方法GBID，GBID关于数据库的大小、属性个数具有近似线性时间复杂度，这使得GBID具有好的扩展性。在KDDCUP99数据集上的测试结果表明，GBID在准确性方面优于文献中已有无指导入侵检测方法，且对新的入侵有一定的检测能力。