量子K最近邻算法

为减少经典K最近邻算法的时间复杂度,提出了量子K最近邻算法(QKNN)。介绍了QKNN算法的构造步骤,然后为减少量子计数子程序的运行时间,进一步将固定的K值修改为可变的k,形成改进的k可变的量子最近邻算法(QkvNN)。为弥补由于最近邻个数K变化带来的分类错误率上升的影响,在Boosting算法框架下,用三个由QkvNN算法训练的弱分类器,去构造了一个强分类器,从而提高单独运行QkvNN的分类精度。在此算法中,由于利用了量子计算的强大能力,使得经典K最近邻算法的时间复杂度从O(N)减小为O(N)。     

一种新的大规模网络最短路径的近似算法

平均最短路径长度是复杂网络的一个重要特性,但是对于大规模网络的平均最短路径长度的计算是困难的.在最近的一次对中国教育网的研究中.建立了一个有2 354 934个网页和26 816 209个链接的网络.要想计算该网络的平均最短路径长度,无论是传统的Floyd、Dijkstra算法,还是基于MPI的并行算法,在现有的计算机资源下都难以实现.提出了二级网络的概念,并基于此给出了一种针对中国教育网的新算法,使得在可以接受的时间内完成平均最短路径的近似计算,经试算效果令人满意,说明这种方法对于计算大规模网络的平均最短路径是有效的.     

The Grid Algorithm of the Development Coefficient and the Combination Coefficient of Background Value in GM（1,1） Model

This article gives the algorithm of the sector in which the development coefficient is, and the steps to simultaneously calculate the development coefficient and combination coefficient of background value. Unifying the development coefficient and the background value＇s coefficient of combination to optimize the model together, avoiding the malpractice to separate the two in traditional method, and avoiding the error brought out by matrix multiplication because of matrix＇s illness and so on in the traditional way, therefore increases the precision of the model.     

一种适用于高阶QAM信号的双模式多模盲均衡算法

为了克服常数模算法(CMA)收敛速度慢、稳态误差大的缺点,利用QAM信号信道利用率高及高阶QAM信号模值不为常数的特点,提出了一种适用于高阶QAM信号的双模式多模盲均衡算法(DMMA).该算法以常规的CMA为基础模式,以多模算法(MMA)为第二模式,用该模式对于处在不同模值上的信号,以相对应的模值为参数分别进行均衡.另外,两种模式是同时对信号进行均衡的,并且在第二模式中,利用判决条件对均衡器的输出信号进行判决,使得模值能自动进行切换.利用水声信道对DMMA和CMA进行仿真实验,结果表明,与CMA相比,DMMA能针对性地对位于不同模值上的信号分别进行均衡,且收敛速度快、稳态误差小.     

一种改进的TRIAD飞行器姿态确定方法

为了提高飞行器姿态测量精度和简化姿态确定的复杂性,提出了一种基于加权矢量和的TRIAD飞行器姿态确定算法。该算法基于TRIAD姿态确定原理,通过对观测矢量加权求和的方式以获得一个较传感器观测矢量更精确的矢量,并以此矢量作为TRIAD算法的基准矢量,然后运用TRIAD算法进行姿态计算。仿真结果表明,这种算法获得的飞行器姿态精度优于传统的TRIAD算法,与优化的TRIAD算法精度近似,但简化了姿态确定的过程,提高了姿态确定的速度。     

求解同时取货和送货车辆路径问题的改进遗传算法

同时取货和送货车辆路径问题(VRP_SPD)是经典车辆路径问题(VRP)的一个扩展,在VRP_SPD中,顾客可能要求同时取货和送货服务。本文针对这类问题,提出一种以集成方式处理取货和送货操作的改进遗传算法,通过采用一种改进的边重组交叉算子,保证了算法在遗传进化中保留父代路径上边之间邻接关系的映射信息,从而改进了算法性能;并通过在遗传进化控制参数中应用自适应策略,提高了算法的稳健性。仿真分析表明,本文算法比现有算法能取得更好的优化结果,且具有很好的稳定性。     

基于神经网络和PSO的机器人路径规划研究

提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法。采用小波网络和RBF网络相结合的四层神经网络结构,克服了传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点,当障碍较多且环境动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点。利用粒子群对神经网络的参数进行训练,在规定的代数内对网络参数优化,使得机器人在移动过程中能够快速响应环境的变化。通过对移动机器人在动、静态不同环境下的仿真实验,证明了方法的有效性。     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

三维粒子测速系统中遗传匹配法的设计

提出了基于遗传算法的三维粒子图像匹配方法及实际中的优化设计。该方法以视差为编码、结合SSD(sum of square difference)与SAD(sum of absolute difference)法对结果进行评估,并通过单点、多点的双交叉、变异与序列的混沌化处理达到对分析空间的搜索;最后,局部处理结合全局唯一性迭代检测进一步增加了匹配结果的可信度。利用优化前后所提算法对空间粒子图进行了对比及误差分析。结果表明:所提算法适用于粒子测速系统的立体匹配,能够给出较准确的视差信息。     

基于GA优化的质量矩拦截弹模糊滑模姿态控制

质量矩控制是一种全新的飞行控制方法,与广泛应用的空气动力控制相比,可以避免飞行器在超高马赫数飞行时舵面的气动加热问题,而且,可以提高飞行器的机动性、敏捷性和制导控制精度。以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统,利用滑模控制设计了拦截弹飞行时的姿态控制系统,提出采用模糊逻辑算法抑制系统抖振的同时,把控制系统的多个设计目标转化为不等式约束,采用遗传算法优化控制参数,控制系统性能满足设计要求。仿真结果验证了这种方法的有效性。