大型引水工程施工三维可视化仿真系统研究

为了直观、逼真地描述大型引水工程各环节之间复杂的动态时空逻辑关系，提出了大型引水工程三维可视化图形仿真系统。首先，对引水工程三维可视化图形仿真系统进行系统分析，确定系统的开发模式，然后采集数据并进行了仿真计算，再将所得数据以数据库的形式保存并对数据库进行加工处理，将空间数据（矢量数据、形体数据等）和各种属性信息集成在一起，在这些数据库的基础上建立引水工程三维可视化仿真模型及模型库，以方便对模型进行高效的管理，开发了一个能科学、直观、逼真的表现大型引水工程施工的三维可视化图形仿真系统，为工程施工管理决策提供依据。     

星敏感器姿态测量算法研究

针对传统矢量定姿方法精度较低的问题，研究了主流的星敏感器多矢量天文定姿算法，从理论上对奇异值分解(singular value decomposition, SVD)算法、双矢量定姿加研究背景算法、最小二乘(least square, LS)算法、四元数估计(quaternion estimator, QUEST)算法和线性估计算法进行了详细推导。其中，线性估计算法先将各矢量对的坐标变换等式分散表示，推导出对应的四元数形式，再联立所有矢量的坐标变换等式，基于长方矩阵的Moore-Penrose伪逆运算对二次四元数矩阵方程线性化，再在此基础上考虑随机噪声的影响对一次四元数矩阵方程进行鲁棒性操作，具有良好的创新性与实用性。以最小化Wahba损失函数为目标，对定姿算法的性能进行对比分析。仿真和实验结果表明，线性估计算法较之于其余4种算法，具有更快的解算速度、更高的定姿精度。     

无线传感器网络中基于网络编码的数据采集算法

为保证无线传感器网络数据的可获取性,提出一种基于网络编码的数据快速采集新算法。该算法根据最大距离可分码［n,k］生成矩阵中任意k个列向量线性无关的性质,借助网络编码信息线性组合的方法,将［n,k］生成矩阵的列向量分配给传感器网络的n个节点,作为其全局编码向量。传感器节点利用其分配到的全局编码向量,对收到的包含k个数据的环境信息进行线性编码,并将得到的码字存储于传感器节点中。基站进行数据采集时,只需随机采集k个节点存储的码字,即可根据任意k个节点全局编码向量的线性无关性译出环境信息,实现无线传感器网络快速有效地数据采集。     

一种有效的矢量图形SVG的结构化方法(英文)

提出了一种关于基于XML的矢量图形SVG实体类、对象之间的关系结构模型与实现方法,其过程是通过对实体的矢量化描述,将实体层次化,并用基于XML的伪码(pseudo-XML)来表示。设计一种转换算法,将伪码转换为结构化的SVG矢量图形代码。结构化的SVG代码有利于基于内容的矢量图形SVG的存储和检索,增强了SVG代码的可读性和可扩展性。     

无线传感器网络节点随机调度算法研究

针对已有的无线传感器网络节点随机调度算法存在的问题,即由于节点是利用产生随机数的方法加入到不同的工作子集,从而导致初始子集中节点分布不均,在概率感知模型下提出了一种基于节点平均度的随机调度算法。该算法利用邻居节点之间的信息传输,使得每个节点的邻居节点尽量均匀分散在不同的子集中。通过随机概率理论分析了概率感知模型下网络覆盖度与节点数之间的关系,解决了新算法的节点配置问题。仿真实验证明了新算法的有效性及分析的正确性。     

一种改进的星敏感器/陀螺卫星定姿算法

针对传统的四元数估计(quaternion estimation,QUEST)算法在观测矢量之间夹角很小或噪声剧烈增大时,定姿性能显著降低的问题,提出一种基于当前星敏感器观测信息量的滤波算法。该算法通过引入动态增益系数,解决了历史观测信息和当前观测信息之间的比例问题。该系数能够根据当前观测矢量信息量的大小变化自适应调整,从而避免了需要另外一个滤波过程对其进行确定的复杂性。对该算法进行了仿真,对比结果表明,该算法可以有效提高系统的定姿性能。     

一种基于变结构控制的鲁棒制导算法设计

针对平面拦截问题，选择导弹和目标之间的相对速度矢量与导弹-目标视线之间的夹角(称为相对航向误差角)作为将要被控制到零的输出。将与目标运动的加速度和速度方位信息有关的量视为干扰量，基于变结构控制理论设计了一种鲁棒制导算法。该制导算法不需要得到目标精确的加速度和速度方位信息，因而更便于工程实现。仿真结果表明，该制导算法对目标的机动具有强的鲁棒性。     

基于机会性中继的加权协同路由算法

协同路由技术通过节点间相互中继转发数据,可以有效地提高网络的性能。提出了一种无线Ad hoc网络中的机会性加权协同路由算法,加权的量度分别是中继的剩余能量和节点间的信道状态信息,同时给出了协同路由模型及策略, 并基于NS 2进行了仿真。相对非协同的目的序列距离矢量路由协议,比较了机会性加权算法与最佳信道状态以及最大剩余能量算法的性能差异。结果表明,该算法获得了以上两种算法服务质量（递交率和网络寿命）之间的折衷,并且通过调整加权因子,可以权衡两个量度的比重以满足不同网络性能的需要。     

基于矢量传感器阵列的“矢量-空间”预处理算法

首先建立了位于反射界面附近的三维圆柱形矢量传感器阵列的数学模型;基于此阵列的“矢量-空间”域,提出了一种新的相干信号预处理算法,并分析了算法的性能。数值仿真验证了在不同的阵列参数下算法的有效性。理论推导和数值仿真表明此算法具有减少整个阵列空间孔径的损失,增加平滑相干信号的数目等优点。     

递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

运输问题新解法的探讨

在求解运输问题中，传统的解法比较繁琐，为了克服这一缺陷，提出了快捷新解法，快捷法求解运输问题不仅比表上作业法计算步骤少、简单，而且比广义匈牙利法(常规法)的计算步骤还少、还简单、快捷法是根据约束条件的要求，基本上是一步到位造出每行及每列所需要的零元素，然后检验是否满足约束条件，满足可得最优解，否则需进一步造零，快捷法总是比表上作业法计算步骤少、简单且便于掌握。     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

生物免疫理论及其在网络入侵检测系统中的应用研究

生物免疫理论被深入研究并广泛应用于计算机安全等领域。通过对基于生物免疫理论的G-T算法和线性时间算法的介绍，提出了多特征匹配算法并将其应用于网络入侵检测系统中。实验表明，优化的算法不仅解决了G—T算法生成检测器的效率过于低下的问题，而且克服了线性时间算法在处理较大的l和r时过于缓慢且需要较大空间的缺点。     

A GREEDY GENETIC ALGORITHM FORUNCONSTRAINED GLOBAL OPTIMIZATION

The greedy algorithm is a strong local searching algorithm. The genetic algorithm is generally applied to the global optimization problems. In this paper, we combine the greedy idea and the genetic algorithm to propose the greedy genetic algorithm which incorporates the global exploring ability of the genetic algorithm and the local convergent ability of the greedy algorithm. Experimental results show that greedy genetic algorithm gives much better results than the classical genetic algorithm.     

煤矿物资配送车辆路径问题的人工鱼群算法

对郑州煤电物资供销公司危险品运送的车辆路径问题进行了分析,建立了相应的数学模型,运用人工鱼群算法求解出运费最小的方案。该算法首先初始化一个鱼群,并在初始化的过程中给出了一种修复算子,使鱼群中每条鱼当前的状态代表一种可行的配送方案,然后执行本文设计的随机行为、觅食行为、聚群行为和追尾行为进行全局寻优。最后,把该算法与扫描算法、遗传算法求解进行比较,证明了人工鱼群算法求解车辆路径问题的有效性;同时,该算法也拓展了求解VRP问题的算法空间。     

可计算一般均衡CGE模型的遗传算法研究

简单讨论了求解 CGE模型的早期 Scarf算法和牛顿算法、以及新近流行的 CGE模型求解工具软件 GAMS和 GEMPACK中的典型算法 ,并且分别指出它们的优缺点 ;最后给出了一个基于模拟进化思想体系的 CGE模型竞争求解算法 ,并给出了算例.     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

采用梯度平滑措施的自适应符号算法

以自适应回波对消为对象 ,讨论了两种自适应符号算法的梯度估计平滑方法。从理论上对其中一种平滑方案导出的自适应算法的性能进行了详尽的分析。在输入为联合高斯的情况下 ,给出了权值一阶矩和二阶矩的收敛特性公式。结果表明 ,与符号算法相比 ,平滑算法的收敛速度与符号算法基本一致 ,但稳态误差更小 ,自适应步长的取值范围更大。     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.