一类变幂率的无标度网络模型构建和分析

依据网络中节点的局域特征,提出了一种简单的节点重要性的度量方法.其主要原则是网络中节点的重要性不但与节点本身的度具有一定的关系,而且与节点的邻居节点的度也存在一定的关联.实验结果表明:该方法能够在不了解网络全局拓扑架构的基础上,比较细致地描述网络中各节点之间的差异性,而且算法时间复杂度仅为o(m+n),因此对于大型复杂网络也可以获得理想的计算能力.     

基于模拟机的空中交通管制复杂度预测模型

为改进管制工作负荷预测方法在探究主、客观量映射关系方面的局限性,提出了一种空中交通管制复杂度预测模型.定义空中交通管制复杂度为管制员工作负荷与其阈值之比;组织一线管制员及资深专家进行多组模拟机实验,获取其对各实验场景下管制复杂度的主观定性评估,利用MATLAB处理得到相应场景下的复杂因子;通过BP(back propagation)神经网络对样本数据进行非线性拟合.拟合模型的平均绝对误差为0.025,预测偏离程度为3.75％.研究表明该模型能够较准确地反映空中交通管制复杂度(主观量)与各复杂因子(客观量)之间的映射关系,为空域规划与管理提供科学理论支持.     

基于背景复杂度分析的智能跟踪器研究

传统基于图像处理的成像目标跟踪系统中,为了提高目标跟踪的可靠性,更多关注的是目标本身的特性,通过分析目标在不同阶段的成像特点,采用相应的算法进行自动提取与跟踪。由于不同目标提取算法在不同复杂程度的背景条件下具有明显的优劣性,实际跟踪过程中需要同时依据目标以及背景两方面的特性才能做出最合理的选择,然而,目前对于影响跟踪的背景特性研究却显得不足。针对这一问题,提出了一种基于结构相似度的背景复杂度判决方法,结合背景复杂度,完成了算法间的自动切换,实现了一个根据目标特性与背景特性的自适应实时多算法跟踪器。仿真测试与外场试验表明,该方法显著提高了对目标跟踪的可靠性。     

HEVC帧内预测块尺度的快速选择方法

针对高效视频编码(High Efficiency Video Coding,HEVC)中帧内尺度模式选择计算复杂度高的问题,提出了一种HEVC帧内预测块尺度的快速选择方法。基于图像的纹理复杂度,通过提前检测帧内预测块的绝对误差均值,选择预测块尺度类型,减少穷尽搜索代价计算过程。实验结果表明,该方法能够有效降低帧内预测块尺度模式选择的计算复杂度,在比特率平均提高3.09%的情况下,编码时间能平均减少29.87%,峰值信噪比平均提高0.031%。     

对“货郎担问题”的研究

“货郎担问题”是不少学者研究的世界难题之一。本文指出“货郎担问题”的描述及经典解法与实际应用上的差距,从而给出与实际应用相符合的“货郎担问题”：的研究义及其有效的算法,从而使该问题更具有重要的实用价值。     

一种寻找平面图形中最小封闭线框的方法

提出确定平面图形中最小封闭线框的算法。该算法巧妙、简练,时间复杂度是O(n)次乘法。     

一种新的2-路插入排序算法

详细分析2-路插入排序算法,给出了一种改进的2-路插入排序算法及其实现．这种插入排序算法不论时间复杂度还是空间复杂度,相对原2-路插入排序算法都有较好的改善。     

搜索二叉树中最长路径算法的非递归模拟

采用递归方法设计算法具有较高的开发效率和良好的可读性,但递归层次多到一定程度将耗尽系统内存资源,因此递归算法的实用性较差。通过分析递归算法的特性和实现机制,简要介绍了实现递归消解的几种方法,重点研究了搜索二叉树中最长路径的递归算法,给出C语言编写的利用堆栈结构和循环结构实现的非递归模拟算法,并给出递归消解前后算法的时间效率对比。     

基于改进Floyd算法的物流运输路径规划

当站点较多时,物流运输路径规划存在困难,传统Floyd算法路径规划的时间复杂度过高．鉴于传统Floyd算法规划时间复杂度高是因节点数量过大导致,提出一种结合改进K-means聚类算法的Floyd算法,该算法在节点数量较大情况下,运用改进K-means聚类算法分割物流区域,降低规划所需考虑节点数量,从而降低Floyd算法的时间复杂度．在复杂环境下进行传统Floyd算法和改进算法的对比实验,仿真分析结果表明,改进算法可以在更少的时间内找到一条较优的路径．     

基于环境复杂度的移动机器人变步长RRT路径规划算法与仿真研究

针对移动机器人路径规划算法不能根据环境自适应调整步长的问题,提出一种基于环境复杂度的变步长路径规划算法。以快速搜索随机树(RRT)算法为例,引入衡量路径规划性能的参数,通过遗传算法寻找最优步长与环境复杂度之间的关系,建立最优步长与环境复杂度的函数表达式。针对局部环境的特殊性,提出基于滑动窗的变步长RRT路径规划算法。基于该算法,移动机器人能够根据实时局部环境动态改变路径规划的搜索步长,提高了算法的整体性能。最后通过Matlab仿真实验验证了所提出的RRT算法较传统RRT算法具有高效、平稳、代价小的优点。