混合粒子群优化算法和案例推理方法的多机器人学习（英文）

以未知环境下多机器人学习为研究平台,因案例推理方法可存储以前的问题和解信息,用该方法的长期记忆特性可帮助粒子群优化算法更好地解决新的问题。在特定的仿真环境里,粒子群优化算法可训练机器人的几个基本行为,经过学习使机器人具有更好的鲁棒性和自适应学习能力。根据机器人不同行为在复杂环境下的性能指标,CBR可从案例库中选择特定的行为,并将其参数传送到粒子群优化算法的初始解库,从而加速整体的学习过程。利用机器人仿真软件MissionLab,采用基于行为的多机器人编队任务,用来测试该算法的有效性。仿真和实验结果表明,案例推理方法和粒子群优化算法相结合,使机器人获得更优的控制参数,同时在未知环境下的多机器人编队具有更好的性能。     

物联网中压缩感知算法的云加速方法

为了减少采集的数据量,提出在物联网中引入"边采样边压缩"的新型采样方法——压缩感知。针对压缩感知理论中信号重建算法计算复杂度较高的问题,设计并实现了一个基于云平台和代码迁移的算法加速方案;该方案解决了代码并行化的自动翻译、算法向云端迁移、本地和云端执行同步等问题,对可并行化的算法,仅需要增加几个新定义的接口及插入一些描述性的注释,就可以利用云资源实现算法的加速;实验表明,该方案是可行的、有效的。该文还研究了基于物联网资源的云加速方法,提出了基于云加速方案、结合多核/多CPU方法和GPGPU方法,能充分利用已有物联网资源的混合压缩感知算法加速框架,并初步设计了理论运行流程。     

基于双十字TV模型的图像修复算法(英文)

当前的各种TV(total variation)算法均只利用待修复点及其邻域的4个点的信息进行修复,由于所提供的参考信息有限,使得修复后的图像精确度欠佳。该文提出的双十字TV算法利用原始的TV算法,将待修复点邻域中的8个点分为两组,分别利用每组4个点的参考信息计算待修复点的像素值,然后将这两个像素值进行加权平均得到最终的修复值。实例验证结果表明,在不增加时间复杂度的情况下,双十字TV算法有效提高了修复后图像的精确度。     

第三方物流参与限时蔬菜配送问题研究

根据我国第三方物流的发展现状,结合蔬菜运输企业的实际运营情况,建立一种有第三方物流企业参与的限时蔬菜配送模型。考虑配送成本及蔬菜配送的特殊性,对比有第三方物流企业参与的统一蔬菜配送与现阶段蔬菜配送的形式,采用RSG—GA混合算法对建立的模型进行求解。通过对比运算结果和运输时间的稳定性,分析第三方物流参与蔬菜配送问题的价值所在,探讨第三方物流在蔬菜配送问题中的影响及意义。     

带时间窗约束的道路危险品运输路径选择研究

对已有危险品运输模型进行分析,针对当前危险品类物流配送网络的特点,提出了在时间窗约束条件下城市道路网络中的危险品配送模型,该模型以整个网络中事故发生的期望和影响人数最小为目标。设计了目标集成方法和对集成后目标函数求解的扩展标号法来计算该多目标问题的Pareto最优折衷解,最后用实例对算法进行了验证。     

动态定量称重技术控制策略和算法

在物料包装的动态定量称重过程中的一个关键性问题是称重速度和称重精度不能有效的结合起来,而解决这个问题的基本途径是根据物料的不同特性选择不同的控制策略和算法。文中主要是回顾了传统的控制策略和算法,重点介绍了4种比较先进的控制策略和算法,分析了这4种控制策略和算法的优缺点,最后简单介绍了现代先进控制策略和算法的发展趋势。     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

基于动态补偿的矩形广义系统模型预测控制

针对线性矩形广义系统,研究了基于动态补偿的有限时域模型预测控制问题,给出了存在合适维数的动态补偿器使得闭环系统正则、无脉冲、稳定的充要条件.在有限时域性能指标中引入一个终端有限权矩阵来保证稳定性,并利用矩阵不等式和Lyapunov方程求解优化问题,将提出的Lyapunov方程转化为双线性矩阵不等式形式(BLMI),以便采用路径算法最小化性能指标,保证了闭环系统是容许的.数值算例验证了方法的有效性.     

利用三次B样条曲线造型技巧生成花朵

为实现对植物花的几何建模,通过对花朵形态结构的分析,提出了一种基于三次B样条曲线造型技巧的植物花造型方法,实现了对花朵模型的建立,并利用三次B样条的局部调整性实现了对花瓣形状以及内部花纹样式的自由调节;利用扫描线种子填充算法对花瓣进行填充,且对每个花瓣可填充不同颜色,模拟生成了多种花朵.