离散度量空间的性质A和粗嵌入(英文)

郁国梁教授对离散度量空间引进了性质A的概念,并且证明了具有性质A的离散度量空间能够粗嵌入到可分的希尔伯特空间.离散度量空间的粗嵌入与性质A之间的关系是一个大家都非常关注的问题.通过构造一系列能够粗嵌入到可分的希尔伯特空间但不具有性质A的离散度量空间,将Nowak的构造由非平凡的有限群推广到了任意非平凡的且能bi-Lipschitz粗嵌入到l1的离散度量空间上(如有限度量空间).     

基于点群分割的空间方向计算模型

提出一种基于点群分割的空间方向计算模型。该模型把目标图形离散成点群, 利用平均分割点群的方法对空间目标之间的空间方向进行定量计算。实例研究说明此模型易于实现, 具有较高的计算效率, 适合地理信息系统在空间关系方面的计算要求, 可以为空间数据检索和匹配查询提供有力支持。     

基于点群分割的空间方向计算模型

提出一种基于点群分割的空间方向计算模型。该模型把目标图形离散成点群,利用平均分割点群的方法对空间目标之间的空间方向进行定量计算。实例研究说明此模型易于实现,具有较高的计算效率,适合地理信息系统在空间关系方面的计算要求,可以为空间数据检索和匹配查询提供有力支持。     

基于分形维数的多尺度面目标匹配对相似性度量

多尺度空间数据联动更新技术已经成为提高地图数据现势性的一种重要手段,为了解决该技术中目标匹配结果的质量评定问题,重点针对其中的面状要素,提出了一种基于分形维数的地图数据面实体相似性度量方法。基于分形维数的多尺度面目标相似性度量方法,以分形维数来刻画面目标的几何形状特征,结合其空间位置、大小和分布模式等信息,对多尺度同名面目标之间的相似性进行定量度量。该方法既考虑了面目标的局部结构特征,又兼顾了面目标的整体分布特性,还具有旋转、平移和尺度不变的特性。最后以某地居民地数据匹配对为试验数据进行试验,并通过与紧致度形状描述方法进行比较,结果表明,该方法在面目标相似性度量方面具有很好的实用效果,为多尺度地图面目标匹配结果评价提供了一种有效手段。     

空间点与线目标间方向关系的定量表达

针对现有多种表达模型不能定量表达空间目标间方向关系问题,采用统计模型的定量表达方法,通过AUTOLISP语言编程计算得到折线目标相对于点目标的方向值分布范围,对这组统计值进行排序,求出中值方向,实现以点为参考目标、折线为源目标的方向关系的计算.研究结果表明:该程序能确定出描述折线相对于点的方向关系的分布范围与中值这两个度量,实现方向关系的定量表达.研究结论初步突破了对传统的定性表达目标间方向关系的认识,有助于寻求定量表达算法的有效途径.     

置换流水车间调度问题的离散粒子群优化算法

提出了一种求解置换流水车间调度问题的离散粒子群优化算法.在该算法中,定义粒子的位置为作业的置换,粒子的速度为置换中作业的交换,根据离散量运算的特点,对粒子的运动规则进行了重新定义.采用变邻域搜索算子和逆序算子来保持粒子群的多样性和提高算法的局部求精能力,使算法在空间探索和局部求精间取得了较好的平衡.在Taillard测试问题集上对算法性能进行了仿真实验,结果表明,离散粒子群优化算法具有良好的性能.     

一致空间中的代数结构

一致空间作为介于拓扑空间与度量空间之间的一类空间,它与拓扑空间和度量空间有着密切的联系,从群这个侧面去研究了一致空间的代数特征,在一致结构上建立了群结构,讨论了它与一致空间和拓扑群的联系,即当拓扑中有群结构时,便可产生一致结构,并给出了一致空间的同态定理,这为进一步探讨拓扑空间以及度量空间的关系和结构创造了一定的条件.     

基于信息熵的粗糙集连续属性离散检验算法

为提高大数据粗糙集挖掘能力,提出基于信息熵的粗糙集连续属性离散检验算法﹒在云计算环境下进行粗糙集连续属性大数据挖掘,采用特征空间重组方法进行粗糙集连续属性离散数据的模糊特征重构,提取粗糙集连续属性离散数据的信息熵,并得到其分布序列特征;对所提取的信息熵进行聚类分析,采用空间决策树模型,获取离散数据闭繁项关联分析度量;通过数据特征权重的决策树分布特征量化集,得到粗糙集连续属性离散数据空间重组;采用大数据挖掘方法,将离散数据空间重组的信息融合,得到优化的粗糙集和连续属性离散数据检验输出;根据粗糙集连续属性的融合结果,实现离散检验优化﹒仿真结果表明:在迭代次数为400时,收敛程度为0.265%,远远高于其它方法,证明采用该方法进行粗糙集连续属性离散检验的数据聚类性较好﹒     

一种融合分布估计的离散粒子群优化算法的配电网重构

将基于分布估计的离散粒子群优化算法运用于配电网重构,以降低网损为目标函数,对于新的种群,随机从概率模型和至今全局最优信息项中获取解信息。仿真实验结果表明提出的关于配电网重构的新算法优于其他几种优化算法。     

文化算法在有人/无人机协同作战目标分配中的应用

针对有人/无人机协同作战目标分配问题,基于文化算法提出一种遗传算法和离散粒子群算法相结合的目标分配方法。根据有人/无人机协同目标分配问题的特性,结合文化算法的基本框架,建立了遗传算法和离散粒子群算法的交互机制,充分利用遗传算法和离散粒子群算法对优化问题的搜索能力,改善了2种算法易陷入局部最优的缺点,对约束条件下的有人/无人机协同作战目标分配问题进行了有效求解。实验结果表明,基于遗传和离散粒子群相结合的文化算法优于遗传算法和粒子群算法,收敛速度更快,能够快速找到目标分配问题的最优解。