基于密度分类的JPS+移动机器人全局路径规划算法

针对传统全局路径规划中扩展节点多、寻路时间长等问题,提出一种基于JPS+(jump point search plus)算法的全局路径规划算法,旨在提高机器人在复杂环境的智能性、高效性的要求。首先引入了一种基于密度的判断障碍物角点规则,实现对于主要跳点的识别数目,减少搜索路径过程中的可扩展节点,同时在路径求解过程中对目标跳点的判定规则进行了修改,最终实现了减少计算量、缩短计算时长的目标。为验证所提改进型JPS+算法的有效性,将A~*、JPS+算法在不同类型地图中与改进型JPS+算法进行了比较。仿真结果表明,改进型JPS+算法与A~*算法相比,在路径长度、寻路时间和扩展节点数量上都有明显改进;在生成相同路径的基础上,与传统JPS+算法相比,在障碍物占比33.25%的地图中搜索时间降低了7.58%,节点扩展数量减少了9.38%,能够满足移动机器人快速全局路径规划的要求。     

消拖船节油航速优化研究

针对港口作业消拖船主机的高油耗问题,从船舶管理节能的角度出发,提出了基于改进天牛须算法的消拖船节油航速优化方法。通过分析消拖船的船、机、浆的能量传递机制,建立了其主机燃油消耗的优化模型,并对消拖船某航次中各航段的航速开展优化研究。天牛须搜索算法(beetle antennae search algorithm, BAS)是近年来出现的智能优化算法,在处理结构复杂的数学模型优化中优势很明显,但是也存在收敛慢、容易进入局部最优状态等问题,为此建立了一种改进的天牛须搜索算法(improved beetle antennae search algorithm, IBAS),以更好地满足应用要求。通过实例计算分析,采用所提出的优化算法进行消拖船主机燃油消耗优化。结果表明：所提算法的收敛速度快,寻优效率高。与天牛须算法和蚁群算法(ant colony algorithm, ACO)对比分析,所提出的优化算法保持较快的运算时间的同时,提高了优化结果的准确率。     

基于Logistic混沌映射的改进麻雀算法

针对麻雀搜索算法(SSA)在迭代后期种群多样性减少,易陷入局部最优等难题,提出了一种基于Logistic混沌映射的改进麻雀算法(LCSSA).利用Logistic混沌映射初始化种群,提高了初始解的质量,增加了种群多样性,利用线性递减权重法,降低了群体智能算法容易早熟的风险,避免算法后期容易在全局最优解附近发生振荡现象....     

椭圆轮廓度误差几何遍历搜索算法

结合椭圆几何特性及其相关的评定问题的研究现状,提出了椭圆轮廓度误差的遍历搜索算法。该算法的原理是以最小二乘椭圆两焦点为初始参考点,按一定的规则分别布置一系列的网格点构造辅助焦点,依次以各辅助点为假定理想椭圆焦点,构造一系列的辅助椭圆作为假定理想椭圆。计算测量点到这些假定理想椭圆的距离极差,最终实现椭圆轮廓度误差的最小区域评定。实例验证表明:该算法可以有效、正确地评定椭圆轮廓度误差。     

GIS技术在考虑碳排放配送路径优化中的应用

分析B2C电子商务模式下物流配送的特点,对考虑碳排放的带时间窗车辆路径问题进行描述,建立有时限的路径优化模型。应用GIS与禁忌搜索算法集成技术求解该模型,开发B2C电子商务模式下的物流配送路径优化系统,并以厦门市某B2C电商企业物流配送基础数据为范例,进行系统的初步应用研究。结果表明:传统的配送路径安排中存在很大的碳排放改善空间;GIS技术与禁忌搜索算法的有效集成不但实现了较优的配送路径优化决策,还能为管理者提供相应的辅助分析。     

一种改进的全局和声搜索算法求解线性互补问题

给出求解线性互补问题的一个新方法。将线性互补问题等价地转化为绝对值方程,进而转化为一个不可微优化问题。提出了一个改进的和声搜索算法,算法使用位置更新和小概率变异策略。实验结果表明,本算法具有较强的全局搜索能力、数值稳定性好、参数少等优点。本方法对矩阵M无限制,适用于各类线性互补问题。     

基于吸引度搜索的汽车滚装码头堆场车位分配优化

为加快滚装运输过程中汽车装卸滚装船舶的周转率,促进滚装码头堆场车位资源的高效利用,研究了滚装码头堆场车位分配问题.按照成组集中分配原则,以提高成组汽车停放集中度为目标,建立了衡量成组汽车停放集中度的混合整数规划模型.进而设计吸引度搜索算法对模型进行了求解.与分支定界法相比,吸引度搜索算法在高效求解规模化算例的同时可实现解的质量较优.以上海海通汽车滚装码头堆场的车位实际布局及作业情况为背景,验证了所提模型与算法的合理性及有效性,拓展了汽车滚装码头堆场车位分配管理的理论研究.     

混合方法优化的自适应引力搜索算法

针对引力搜索算法存在的易早熟收敛、易陷入局部最优、搜索精度有待提高等缺陷,提出一种混合方法优化的自适应引力搜索算法（gravitational search algorithm,GSA）。首先利用Sobol序列初始化种群,增强算法全局搜索能力;其次引入Hamming贴进度计算种群成熟度,判断种群是否早熟;然后引入Logistic混沌对种群作混沌搜索,变异已陷入局部最优的粒子位置;最后基于早熟收敛判断因子改进引力系数,并为粒子位置公式添加收缩因子,促使种群加快脱离局部最优。对9个不同类型的基准测试函数做仿真实验,结果表明新算法能有效改善种群的早熟问题,具备更好的寻优性能。     

基于无人机的移动边缘计算任务卸载

无人机具有高移动性,能帮助移动用户在基础通信设施缺乏的环境中快速部署边缘云。为降低基于无人机的边缘计算成本,提高能量利用效率,提出了一种移动边缘计算(Mobile Edge Computing, MEC)系统的任务卸载方案。首先基于排队论模型构建了多用户边缘计算模型,引入等待概率构造了移动边缘计算系统的成本函数,然后采用权重系数将多目标优化问题转化为求解卸载策略的单目标非线性规划问题,最后采用蒙特卡洛剪枝算法进行求解,并引入决策树剪枝算法降低了算法的复杂度。实验结果表明,文中提出的任务卸载方案在CPU性能较低、任务到达率较大的情况下均能降低成本开销,为基于无人机的边缘计算提供了一种低成本的解决方案。     

一种模糊高斯混合说话人识别模型

为了研究模糊聚类算法在高斯混合模型（GMM）参数获取方面的应用,采用模糊C均值算法（FCM）进行语音特征矢量的聚类,并结合Tabu搜索算法得到全局最优的聚类结果,进一步用EM算法得到GMM模型参数.使用TIMIT数据库中的语音进行测试,开集和闭集说话人辨认实验都表明,该方法获取的GMM参数比普通EM算法获得的GMM模型参数性能更优,能有效降低说话人辨认系统的误识率.