基于蚁群几何优化算法的全局路径规划

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题;设置自适应路径长度,筛选规划路径的优劣;提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.     

支持数据动态更新的XML编码研究

提出一种支持数据动态更新的编码方案SDUE,该编码将结点位置信息进行分解,避免记录冗余信息,从而有效地节省了存储空间.此外,SDUE还能有效地支持数据更新.在查询方面,由于SDUE编码记录了结点路径信息,在路径查询中避免了结构连接操作,有效地提高了查询效率.实验结果表明,与其他编码相比,SDUE编码在空间存储利用率、结点更新效率和查询速度方面都有较明显的优势.     

高校难美类体育课程教学美学渗透的路径选择

美学在难美类体育项目教学中的合理运用和有效渗透对高校体育教学改革意义重大,对教师在教学中更高层次地把握审美元素和培养学生美的思想形成与发展拓展了新的思路.通过总结分析,从教师审美修养、教学内容、教学方法和手段、多样化教学过程、教学信息反馈五个方面提出了美学渗透的途径.     

点迹-曲线关联算法的旋转对称群目标分辨

基于微多普勒效应分析的弹道目标识别得到了广泛研究,然而传统的微多普勒特征提取技术大都难以解决空间群目标的分辨与识别。针对这一问题,提出了一种基于点迹-曲线关联算法的空间群目标分辨方法。在以旋转对称群目标为研究对象的前提下,建立了具有滑动散射特性的目标模型并分析推导了散射点的微动表达式,利用点迹凝聚处理抑制了一维距离像旁瓣,在此基础上,提出了点迹-曲线关联算法分离出混叠的群目标微多普勒曲线,通过各曲线的极值包络特性差异实现了旋转对称群目标分辨。实验仿真验证了本方法的正确性和可行性。     

利用生产动态数据识别储层非均质性

目前我国大部分油田经历了数十年的生产,现已进入高含水开发阶段,部分地区储层非均质性明显,导致油田的开发投资、成本增加,经济、社会效益大大降低。通过对储层非均质性与油田生产动态数据之间的相关性进行研究,利用数据相关性原理提出一套全新的判别砂岩油藏储层非均质性的思路方法;运用丼间相关性模型通过动态生产数据快速、准确的判别储层非均质特性。将该方法应用于油田现场,预测结果与实际结果相同,证明了方法的准确有效。与传统识别储层非均质性的方法相比,无需测试额外数据、方便快捷、简单有效,可以节约大量的研究费用与时间,具有较好的现场应用价值。     

基于状态空间分割的两部件系统机会维修优化

针对"硬失效"故障的两部件串联系统,制定了周期性视情预防更换、机会更换和故障更换相结合的维修策略,提出了劣化状态空间分割方法以分析机会维修模型中系统的各种维修组合的维修概率,并给出了系统稳态联合概率密度的数值近似求解方法.应用该方法建立了基于半更新过程理论的系统长期平均费用率模型,求解最优维修策略对应的检测周期、机会和预防维修阈值.数值实验表明了劣化状态空间分割法和费用率模型的正确性和有效性,分析了优化结果对各种费用参数的灵敏程度.     

基于尺度空间粒子滤波器的多参考#br# 直方图目标跟踪算法

在基于直方图的序列图像目标跟踪算法中,目标的直方图通常都是在跟踪初始化时从目标所在的区域获得,然而单个直方图难以适应跟踪全过程中目标的各种变化。针对事先已知目标几种典型外观的跟踪问题,提出了一种基于粒子滤波器的多直方图尺度空间跟踪算法。利用多个典型直方图的线性加权来表示目标的直方图,根据目标的当前区域估计加权系数,生成下一帧的目标概率分布图,在目标概率分布图上运用尺度空间粒子滤波器,来估计多尺度规范化Laplacian滤波函数的极值,从而实现目标的定位。通过在真实序列上与现有算法的对比,表明了此算法不仅可以适应目标的色彩和明暗变化,而且能更准确地描述目标的大小,显著提高跟踪的精度。     

基于AGIMM的临近空间机动目标跟踪滤波算法

由于临近空间高超声速目标的机动形式复杂,单一模型很难满足高精度跟踪的需要。因此需要使用基于多种模型进行交叉耦合的交互式多模型算法,这种算法特点与临近空间目标高速、高机动特性相适应。提出了一种自适应网格交互多模型跟踪算法用于临近空间高超声速机动目标的跟踪问题。所提方法能够处理自适应时变模型集合,随时调整当前时刻使用的模型数量,相比于固定结构交互式多模型算法极大减少了计算量,计算效率和跟踪精度更高,数值仿真结果验证了所提算法的有效性。     

大规模无线传感网络数据收集的无人机路径规划

针对部署在地表交通困难的大规模无线传感网络,采用目前可控无人机(unmanned aerial vehicles, UAV)进行数据收集能够达到更好的效果. 然而,考虑到无人机自身有限的资源,以及网络中存在大量传感器节点的情况,无人机飞行路径规划对于顺利完成数据收集任务具有重要作用. 无人机路径规划可以看作经典的旅行商问题(traveling salesman problem,TSP). 针对部署具有均匀性特点的大规模无线传感网络,提出了一种规则化快速路径规划(fast path planning with rules, FPPWR)算法. 该算法通过网格划分,将全局区域飞行路径的求解划分到多个较小的方格中进行,并通过成对算子路径优化算法在初等飞行路径上将方格区域中的路径合并为全局路径. 实验证明,该算法在保证了较高精度的同时,显著提升了路径规划的效率.      

Lp(I,E)上的最佳联合逼近

设G是Banach空间E的自反子空间,Lp(I,E)(1≤p<∞)表示定义在区间I=[0,1]上且值域为E的所有p-Bochner可积函数构成的空间. 给出Rm(m≥2)上的一个范数N(·,…,·),其中N在集合R₊m上的每一坐标是非减的,证明Lp(I,G)是Lp(I,E)上的N-联合逼近.