多面体的剖分算法及应用

提出了一种将任意多面体剖分为系列四面体的算法，该算法首先根据多面体类型，查找出符合剖分要求的一个面与一个顶点，构成一个简单多面体，将原多面体剖分为一个简单多面体和一个新的多面体，再对新的多面体重复剖分，直到全部剖分为简单多面体，每个简单多面体再进一步剖分为四面体。文章中给出了算法理论基础的证明、算法具体实现步骤及所用数据结构。最后讨论了该算法在机器人碰撞检测中的应用。     

以熵序列收敛作算法停止判据的码书训练算法

以LBG算法为代表的传统码书训练算法基本上都用量化失真序列收敛作算法停止条件。提出了一种简单、快速的新算法。该算法的基本思想为 ,不必计算量化失真 ,直接用区域序列对应的熵序列收敛作停止条件。与经典的LBG算法相比 ,该算法结构更简单、速度更快、更容易理解。我们用典型的测试图像Lena、Barbara作实验 ,实验结果表明 ,该算法的PSNR与著名的LBG算法相差小于 0 1dB ,但它的运行速度比LBG快两倍以上。     

基于三阶线性微分算子的零空间追踪算法

本文研究了利用一个自适应的三阶线性微分算子把一个复杂信号分解为若干简单信号的和, 这些简单信号属于这个三阶线性微分算子的零空间. 通过三个具体的信号分解的例子,展示了我们所提出算法的实用性.最后通过一个实例,对我们提出的算法与经验模态分解算法进行了比较,实验结果表明我们提出的算法要好于经验模态分解算法.     

基于视域剪裁的三维场景快速消隐算法

提出了一种基于视域剪裁的三维场景快速消隐算法。对于场景中每个物体,通过判断其最小闭包长方体是否和视域相交,以决定是否绘制此物体。在我们的算法中,视域被抽象成一个近似方锥。这种近似并不影响判断效果,而算法的逻辑得到了极大的简化,速度得到了很大提高。在每一次相交判断中,只需进行乘法和加法运算。因为此算法数据结构简单,可以和其他基于层次遮挡的消隐算法一起使用。由于算法逻辑简单,适合采用硬件实现。     

不确定时滞非线性系统的迭代学习控制

针对一类不确定状态时滞非线性系统 ,提出了一种形式简单的迭代学习控制算法 ,从理论上给出了算法收敛的充分条件 ,进一步分析了不确定状态时滞、系统采样频率与跟踪性能之间的关系。该学习算法无需精确已知系统的状态时滞 ,而只要估计状态时滞的界 ,因而具有算法简单、计算量小、易于实现等特点。仿真结果表明了该算法的实用性和有效性。     

EM 算法的拟N ew ton 加速方法

ＥＭ算法是从不完全数据求参数极大似然估计的一种迭代方法。ＥＭ算法简单,但收敛慢。本文讨论了一个加速收敛的算法。     

TD-SCDMA中结合块判决反馈和状态减少的序列估计的联合检测算法

将一个称之为块判决反馈的概念引入了TD-SCDMA的联合检测之中.基于该概念,提出了一种简单版本的和一种高性能的联合检测算法.该简单版本的联合检测算法与传统方法相比,性能相仿然而复杂度大大降低.该高性能检测器结合了块判决反馈和状态减少的序列估计算法,比传统方法复杂度略高然而大大提高了检测性能.该简单版本的联合检测算法适合于在移动终端上实现,高性能版适合于在基站实现.两种算法的性能都得到了仿真验证.     

一种新颖的SVPWM算法及其仿真

针对VPWM算法中的扇区判断与相邻矢量作用时间的求取,提出了一种新颖的简单快速算法.新算法摒弃了传统的三角函数和坐标旋转运算,通过比较三相相电压之间的大小关系进行扇区判断,利用线电压进行相邻矢量作用时间的求取,整个过程只需简单的四则运算即可,从而克服了传统算法计算量大影响计算精度的缺点.给出了各个模块和整个系统的仿真模型,仿真结果验证了所提算法的科学性和有效性.     

基于模拟退火算法的高阶数字微分器设计

通过简单有效的搜索操作和参数,提出了设计高阶数字微分器的一种模拟退火算法.在有效频段最小化二次型误差的意义下,算法能够快速而简单地得到最优滤波器参数.通过与著名的McClellan-Parks算法的比较表明,所提算法不仅能够实现误差函数的全局最优,而且在绝大多数频段能够取得更好的性能,同时具有较强的初值鲁棒性.     

复杂网络中简单路径搜索算法及其应用研究

将复杂网络理论应用于制造业中的产品族零部件关系领域,构建了产品族零部件关系网络.为进一步深入研究零部件关系网络,需要搜索零部件关系网络中的简单路径.提出了一种有向无环网络中任意两节点间所有简单路径的通用搜索算法.编制程序实现了该算法,对算法效率进行了分析.将算法应用于产品族零部件关系网络,对零部件关系网络进行了分析,对算法进行了验证.     

构造网络不交化最小路集的一种新算法

网络系统不交化最小路集的求解是进行网络系统可靠性分析的重要途径.本文以网络计算为基础,根据不交化代数及不交化最小路集的树生成算法提出了一种新的直接求解网络系统不交化最小路集的算法.该算法简便易行,具有分布计算的特点,为大型网络系统的可靠性分析提供了一种新的途径.     

应用免疫算法进行电网规划研究

将一种新的随机优化方法——免疫算法应用于电网规划 ,利用 IEEE-6节点系统作为样本网络进行分析计算 .并将该方法跟基于遗传算法的电网规划方法进行比较 ,结果表明免疫算法在全局寻优的性能方面要优越于遗传算法 .本文还将基于免疫算法的电网规划方法应用于我国某实际电力网络 ,取得很好的规划结果.     

基于新网络路由算法的通信网可靠性指标计算

解决通信网络"归一化容量加权可靠性指标"全代数化计算的最关键问题,是寻找能够算出网络节点之间全部路由的代数化路由算法。提出一种网络路由新算法,是按照逻辑代数运算规则,以关联矩阵降阶变换方式计算,对于有m个节点的网络,只需m-2次距阵降阶变换运算,就能够算得网络两节点间全部路由,且不会出现闭环路由问题,完全符合通信传输规则。基于该路由算法研究出通信网络"归一化容量加权可靠性指标"的全代数化算法,由于新算法所有环节均实现了代数化运算,所以易于编写计算机程序,可以很方便地计算出大型通信网络的可靠性指标,解决了大型通信网络可靠性分析困难的问题。通过算例对新算法的各计算过程进行了详细说明,验证了其正确性。     

卫星网络连接度与高效路由算法分析与改进

由于卫星网络的连接程度较低,Dijkstra算法在其中应用时存在效率极低的问题。首先研究了网络连接程度与Dijkstra算法计算效率之间的关系。进而对Dijkstra算法进行改进,提出了一种能够适合卫星网络拓扑动态变化和低网络连接度特点的改进路由算法（modified Dijkstra, MDijkstra）. MDijkstra算法避免了大量无效计算,能够极大地提高计算效率。通过理论分析和仿真表明,网络连接程度越低,MDijkstra算法的效果越明显。     

基于嵌入混沌序列的遗传算法

将混沌序列引入遗传算法中,获得了一种新的算法．该算法有效地克服了标准遗传算法中的“早熟”现象,并具有更快的收敛速度．计算机模拟验证了上述特征．同时还将改进了的算法用于多重小波神经网的训练．     

基于概率的覆盖算法的模型及仿真研究

提出的基于概率的覆盖算法--PBcA是一种新的分类算法,它利用学习所得到的样本的概率分布信息,通过投票的方式来决定覆盖边界中样本的类别.从网络结构上看,它是一种混合型的神经网络,由下面三层的前馈网络和上层的反馈网络组成.通过在覆盖中加入一定数量的异类样本和使用概率的方法来扩大覆盖半径,减少拒识的样本数,提高识别率.计算机仿真实验表明,这种方法有效地提高了学习的精度.     

基于模糊神经网络预测转角的无传感器无刷直流电动机换相控制研究

针对位置检测和准确换相是无刷直流电机运行的关键，本文提出一种新的方法来实现无传感器无刷电机的换相控制。即构造一个基于遗传算法训练结构和参数的模糊神经网络，通过检测电机的磁通和电流来预测电机实际转角实现电机的准确换相。仿真结果表明，利用模糊神经网络预测转角来控制电机换相能取得很好的效果。而文章利用遗传算法作为模糊神经网络的训练算法，此算法具有收敛速度快，不易陷入局部极小的特点。     

并购后销售服务网络的优化问题

研究的是企业横向并购后的销售服务网络的优化集成问题,文章以两个公司的横向并购为例,构造了可变策略下的系统优化模型.算法设计思想是:对待合并后的销售服务网络,采用"休克"式设计程序,暂时对所有的销售服务网点"视而不见".假设每个销售服务网点的运营能力相同,那么,所要研究的问题即转化为:在现有客户条件下,若一个销售服务中心可以为k个用户提供服务,求,如何确定客户销售服务中心的关系以使得销售服务中心总的效率最高.基于这种策略,文章给出了问题的优化模型及其求解算法,同时分析了该算法的时间复杂性.所得到结果与已有的研究结果具有较强的互补性.     

一种Ad Hoc网络信道接入排队退避公平算法

移动Ad hoc网络是一种特殊的无固定控制中心的多跳网络。由于其特殊性，传统的CSMA协议直接应用在Ad hoc网络中会带来隐终端、暴露终端和公平性问题。本文基于Ad hoc网络信道接入层已有退避算法，提出了一种新型排队退避公平算法。分析与仿真结果表明，与IEEE802．11标准的BEB算法和其它算法相比，本文算法更为简单实用，且对于合适的参数取值，本文算法能有效地改善信道接入的不公平性，并能在信道吞吐量的下降和信道接入公平性的改善之间达到一个较好的折衷。     

多层前馈神经网络的快速学习算法及其仿真研究

本文主要研究多层前馈神经网络的快速学习问题。文中首先概述了多层前馈神经网络的B—P学习算法,并分析了这种算法的主要缺陷,在此基础上提出了若干克服和缓解这些缺陷的技术方法,由此构造了一种新的多层前馈神经网络的快速B—P学习算法即FB—P算法。通过对FB—P算法学习过程进行较详细的分析,本文还建立了一种改进的FB—P学习算法即MFB—P算法。最后本文以三层前馈神经网络识别五类地面目标图像为例,对文中提出的FB—P和MFB—P学习算法的性能(即学习速度与推广特性)进行了计算机仿真实验,同时与B—P学习算法的性能作比较,理论分析与仿真实验表明:MFB—P与FB—P学习算法比B—P学习算法具有更快的收敛速度,且MFB—P算法收敛最快;MFB—P算法比FB—P和B—P学习算法具有更好的推广特性,而后两者的推广特性则大致相同。