一种基于链队列的种子填充法

在此提出两种对递归种子填充算法的改进算法，在该算法中使用链队列而不是递归，而且采用先填充后入队列，减少了很多不必要的操作，使得改进后的算法无论是时间还是空间效率都远远优于递归种子填充算法，而且也可以填充任意大小、任意复杂边界的区域。     

种子填充算法的改进

针对种子填充算法程序存在的重复入栈以及对一类连通区域不能进行正确填充的问题,提出了改进方法:修改入栈顺序来解决重复入栈问题,修改入栈数据结构添加标志数组来防止对某条线重复扫描,改进算法对种子所在扫描线分上下两个区域进行分别逐行扫描;提出扫描线种子填充算法的改进算法,对非空的凸形区域特殊情形给出了单独的算法,使填充速度得到很大提高。     

VB实现不规则区域填充

本文提出的横向搜索算法是一种简单的不规则区域填充算法。该算法解决了以往给出的种子算法(纵向搜索算法)需要占用较大的存储空间和传统的递归算法在大区域时栈溢出的缺点。实现了填充区域的形状、大小均未知的情况下,对区城的填充。     

扫描线种子填充算法的问题及改进

指出扫描线种子填充算法程序对一类连通区域不能进行正确填充,通过分析其原因提出修改入栈数据结构的方法对原算法进行改进,改进后的算法避免了原算法存在的问题,而且不增加复杂度。     

非洪泛的基于区域标记的图像分割与填充算法

提出了一种对大分辨率图像有效的、基于区域标记的图像分割与填充算法,能分割并填充高分辨率图像中任意形状的连通区域。算法不使用栈结构,不使用递归方法,仅通过一次标记和一次填充过程即可完成对主连通区域的分割和填充,不仅易于实现还克服了基于洪泛的种子填充算法和扫描线填充算法容易出现栈空间溢出的缺点,具有较强的实用性。     

平面区域简单种子填充算法的改进

介绍了对计算机图形学中平面区域简单种子填充算法的改进，解决了该方法的同一个种子重复入栈的问题，节省了内存，加快了算法速度。     

区段端点入栈的区域填充扫描线算法的问题及改进

针对压入区段端点的区域填充扫描线算法有可能出现的漏填,分析了漏填现象产生的原因,并在不增加算法复杂度的情况下提出相应的改进办法,给出了具体的算法流程,从而实现了对任意4-连通区域的正确而快速的填充,而且该算法的运行效率比递归种子填充算法以及经典的扫描线种子填充算法有明显提高。     

一种无重复入栈的种子填充法

对基于栈结构的种子填充法进行分析 ,并提出改进算法 ,增加一个一字节状态变量用于标记相邻象素的填充状态 ,从而大大缩小所用的栈空间。     

一种基于Bresenham算法的圆内区域填充新算法

为了克服计算机图形学中的基于种子点的圆内区域填充的递归算法的不足,提出了一种基于改进的Bresenham圆生成算法的非递归的圆内区域填充新算法。实例证明,相对递归填充算法,新算法具有简单、快速、精确且占用内存空间小的优点。     

扩充堆栈结构的种子点区域填充算法

采用扩充填栈结构的方法,对已有的扫描线种子点区域填充算法进行改进,改进后的新算法在几何上的填充单连通区域时避免了任何重复操作,对几何上的多连通区域仅需要复检查少量的像纱,使扫描线种子点区域填充算法臻于完善,最后给出了新算法的类Ｃ语言的算法描述和说明。     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。     

基于改进的嵌入式零树小波变换的图像压缩算法

经过对嵌入式小波零树编码(EZW)算法的基本理论分析,对原图像EZW算法进行了改进,提出了一种把小波系数向下取整后并将出现频次较多的系数置零的改进方法,从而减少了EZW算法中扫描次数,节省了存贮空间.实验仿真结果表明,此算法一方面提高了编码效率,另一方面重构图像的质量也并无明显下降.     

一种改进的BGP路由收敛算法

针对BGP路由协议慢收敛严重影响Internet性能的问题,研究BGP路由的收敛时间,分析造成路由收敛延迟的原因,在简单路径向量协议SPVP模型的基础上提出改进BGP路由模型及其算法.通过检测AS失效链路的根源节点来提高BGP路由收敛速度,减少路由更新消息开销,改进后的Tdown收敛时间上限值下降为O(d).并且在不同节点数的全连接网络拓扑中进行仿真试验,证实所得结论的正确性.     

两种改进的最优路径规划算法

在对经典Dijkstra算法和A*算法分析的基础上对它们分别进行了改进.在经典Dijkstra算法中,针对当前不相连节点间路径长度为无穷大这一特点,首先对两个节点是否相连进行判断;若发现两个节点并不相连时,则舍去相应计算,从而减小计算量.针对A*算法在实际应用中搜索效率低的缺点,将经典A*算法搜索出的原始最优路径中的节点依次进行封堵后,再按照经典A*算法搜索出相应的新最优路径,最后再将原始最优路径与这些新最优路径进行对比,以便确定最终的最优路径.仿真研究表明:改进的Dijkstra算法可以减少大量的无关节点计算,提高运算的效率;改进的A*算法则可以提高搜索到最优路径的成功率.     

基于差分GPS的局部区域无人车路径跟踪算法

为确保无人车在弯曲度变化较大的路径上运行的平稳性及速度变化的连续性,基于差分GPS定位导航系统,综合考虑前视距离、速度和弯曲度之间的关系,提出了一种改进的Pure Pursuit算法。首先,通过差分GPS对局部区域内的路径信息进行采集,基于NMEA协议对GPS接收机输出数据进行坐标转换;其次,结合车辆运动学自行车模型与Pure Pursuit改进算法进行路径跟踪。试验结果表明,无人车以30 km/h的最高车速与5 km/h的最低车速跟踪既定路径时,最大横向跟踪偏差相比既有算法降低55. 4%,平均横向跟踪误差相比既有算法降低23. 98%,达到了较好的跟踪效果。     

一种求解交通网络中最短路径问题的人工蜂群算法

用人工蜂群算法解决寻找时间依赖网络中两点之间的最短路径问题, 针对时间依赖网络中先入先出网络的特性, 改进原算法中的路径选择策略, 以优化生成的个体质量. 该算法使用的策略为每个个体（即每条路径）添加一张散列表, 用于记录搜索路径时遇到的路段, 通过查找该表可发现当前个体的更优解. 实验结果表明, 该改进方法能有效提升算法最终解的质量, 并极大缩短运行时间.     

基于瀑布型混合技术的异常检测算法

针对隔离森林(iForest: isolation Forest)算法对局部异常点检测能力较低, LOF(Local Outlier Factor)算法 检测时间较长的问题, 提出了基于瀑布型混合技术的隔离森林算法 iForest-WHT(isolation Forest based on Waterfall Hybrid Technology)。 该算法借鉴瀑布型混合技术思想, 将隔离森林算法作为过滤器, 以分割路径为阈 值判断依据, 将路径小于阈值的数据放入候选异常子集, 继而使用考虑极值影响的改进的 LOF 算法对候选异 常子集进一步精化, 得到更加精确的异常点。 实验结果证明, 该算法能以较高的效率识别局部异常点, 提高了 算法的 F 1 值, 并且降低原 LOF 算法的误检率。     

改进Q-Learning 算法在路径规划中的应用

针对Q-Learning 算法在离散状态下存在运行效率低、学习速度慢等问题,提出一种改进的Q-Learning 算法。改进后的算法在原有算法基础上增加了一层学习过程,对环境进行了深度学习。在栅格环境下进行仿真实验,并成功地应用在多障碍物环境下移动机器人路径规划,结果证明了算法的可行性。改进Q-Learning 算法以更快的速度收敛,学习次数明显减少,效率最大可提高20%。同时,该算法框架对解决同类问题具有较强的通用性。     

基于改进导航圆算法的光伏阵列清扫机器人路径跟踪控制

为解决光伏阵列清扫机器人行进时易受组件间边框和光滑组件表面的影响,出现偏移原轨迹的问题,首先给出针对光伏阵列清扫机器人的运动学模型和超宽带定位系统,之后通过仿真分析原导航圆算法机器人调节距离较长的问题,提出一种基于改进导航圆算法的光伏阵列清扫机器人路径跟踪算法,对原导航圆算法的纠偏角重新修正,然后对修正后的纠偏角进行调...