基于小波蚊子的车联网性能评价方法

数据传输可靠性已成为车联网研究的热点问题,首先给出了车辆之间数据传输可靠性的评价方法,并结合小波变换和群蚊子算法对数据评估模型进行求解,同时通过引入分类机制和决策权来引导搜索方向,以此加快算法收敛速度.最后利用仿真实验平台深入研究了影响该算法的关键因素,并讨论了数据包大小、车辆间距、发送功率和车辆速度与数据成功发送率之间的关系.与其他算法比较,该算法显示出较好适应性.     

基于相似度的快速网页排序算法

将经典的PageRank算法和汉明距离相似度算法结合,提出一种新的网页排序方法。通过结合汉明距离(Hamming distance)相似度算法,计算检索词和网页文本相似度,提高搜索查准率;在增加检索词的同义词的搜索过程中,通过改进汉明距离相似度算法,提高搜索查全率。实验结果表明,该方法与PageRank算法相比,拥有了更好的效果。     

基于节点转移的ZigBee网络路由改进算法

ZigBee网络的一个主要的目标就是降低网络的耗能,以延长网络的使用时间.但ZigBee协议中的网络结构和路由算法并没有完整的讨论能量消耗问题.该文提出一种改进的分布式路由算法,该算法尽可能通过电源供电路由节点转发数据,最终减少电池供电路由节点的能量消耗来延长网络的生存时间.仿真结果表明,该算法只需少量的通讯开销就可以明显地减少电池供电路由节点的耗能.     

增删边对最短路径影响的研究

在有向图中加入或删除一些边时,可能有多种可选的方案,通过对各种方案影响最短路径的大小进行研究;给出联通权重值的定义和对最短路径贡献大小的规定,并给出在多种可能方案中选择最佳方案的具体算法     

一种改进的Gardner定时恢复算法研究

为了提高基于Gardner算法的定时同步系统的性能,采用Matlab和Simulink对该算法进行建模和仿真,针对定时同步环路中能够影响环路等效带宽的环路滤波器,提出了一种在定时同步的捕获和跟踪阶段具有不同等效带宽的环路滤波器结构,从而在缩短定时捕获时间的同时提高了跟踪阶段的同步精度（即减小了定时抖动）。通过与经典Gardner定时恢复算法的对比分析,验证了该结构的有效性。     

基于混沌天牛群算法优化的神经网络分类模型

针对传统BP神经网络受初始权阈值影响大且易陷入局部极值,标准天牛须搜索算法局部搜索能力差、寻优精度低等问题,提出一种自适应步长因子的混沌天牛群算法用于优化BP神经网络分类模型。通过增加天牛种群,引入自适应步长更新策略优化天牛须搜索算法的局部搜索能力,使其跳出局部最优,提高算法的计算精度;利用Logisitic混沌映射产生新个体,替换性能较差的个体,增强全局搜索效果。为了改善BP神经网络对非均衡数据集中少数类的分类效果,采用SMOTE算法处理非均衡数据集。将改进的天牛须搜索算法用于优化BP神经网络中的初始权值和阈值,建立IBAS-BPNN（Improved Beetle Antennae Search and Back Propagation Neural Network）分类模型,提高BP神经网络分类模型的准确率。为验证分类模型的性能,将改进的BP神经网络分类模型与其他六种典型的分类算法进行比较,实验结果表明IBAS-BPNN分类模型的平均分类正确率高于其他算法。改进的混沌天牛群算法泛化能力强,鲁棒性好,具有一定的优越性。     

蚁群算法在排课问题中的应用研究

首先对蚁群算法和排课问题进行了简要概述，同时针对基本蚁群算法在解决排课问题中存在的弊端，提出了一种新的改进型蚁群算法——优劣蚁群算法，并对该算法的优越性进行了阐述。最后通过真实的排课数据对该算法与基本蚁群算法及其相应的改进算法的性能分析比较，应用该算法排课系统运行效率得到了提高，冲突现象明显减少，大大提高了教务管理人员的工作效率。     

基于信号到达时间的UWB定位算法

首先分析讨论了两种基于信号到达时间的超宽带定位方法--最小二乘法和DFP算法,最小二乘定位方法计算简单,但在存在测距误差的情况下定位精度较低;DFP算法的定位结果通常与初值有关,还易陷入局部最优点.因此,作者提出了基于遗传算法的UWB(超宽带)定位方法,通过与前两种算法进行仿真分析和比较,表明该方法能有效提高定位精度.     

关于合肥市“出租车拼车”问题的优化研究

以合肥市出租车拼车问题为研究对象,着重研究拼车路线优化问题和拼车费用分摊问题;针对拼车路线优化问题,首先,利用模糊层次分析法确定每条边权重,构造出赋权路线图,然后利用分步的Floyd算法并结合类似于最邻近算法的想法给出最优拼车路线方案;而针对费用的分摊问题,将结合按人数定折扣和按路程的远近两种方式,并考虑乘客的优先级指数来解决。     

图像压缩与重构小波算法的另一种实现:实例编码及结果对比

采用Daubechies小波,用MATLAB语言对二维图像压缩与重构Mallat算法的另一种实现进行编程处理。实验结果表明,与流行算法比较,新算法的计算复杂度有所降低,而且达到了流行算法同样的效果。