基于蚁群算法的航线自动生成方法

利用基本蚁群算法自动生成航线,在搜索的过程中容易陷入局部最优、搜索时间长等问题,引入Adadelta算法,增加了蚁群算法的随机性,改变了信息素的更新规划,将信息素挥发系数进行自适应调整,从而极大改善了蚁群算法的性能。仿真试验结果显示,本文方法比对比方法的搜索能力更强,效率更高,得到的航线不仅有效避开了海上障碍物与禁航区,而且距离更短,是一种有效的航线自动生成算法。     

基于L-M、贝叶斯算法研究溶解氧与其影响因素关系

利用BP网络分别结合L-M、贝叶斯算法研究溶解氧与BOD5、PH值、流量、水温关系,表明利用贝叶斯算法优化的网络更适合于预测。     

一种改进的无线传感器网络安全数据融合算法

首先对无线传感器网络数据融合的相关技术进行比较,在分布式数据融合算法的基础上提出了一种改进高效数据融合算法,利用NS2仿真平台对其传输开销进行仿真测试。仿真结果表明,相比分布式数据融合算法,所提的算法能够更有效地减少传输开销并且节省节点能耗。     

船舶室内导航中的惯性传感器算法仿真

随着航运业的发展,复杂的内部结构对船舶上的日常工作以及应急反应的要求变高。目前采用的一些导航算法存在精度低、误更新等问题。为了有效解决问题,本文首先对船舶步行导航系统的特征进行介绍,对行人步行导航系统中的惯性导航算法进行相应简化;然后,设计基于船舶室内导航系统简要技术架构并给出改进的导航算法,以此来实现对船舶上导航系统中的惯性导航算法的误差进行补偿。其后仿真结果表明,该算法可解决传统零速更新算法中存在的误更新问题,将其运用在船舶室内导航系统中,能够提升船舶应急反应能力以及位置服务的要求。     

MMAS在带时间窗的车辆路线问题中的应用

针对基本蚁群优化算法在物流配送路径优化应用过程中存在的问题,主要是由信息素全局和局部更新策略而导致车辆选择路径时容易陷入局部最优解的现象,本文详细研究了蚁群算法的改进算法,即最大最小蚁群算法;并引入信息素平滑机制来提升算法的路径探索能力,实现此组合优化理论在带时间窗的车辆路径问题中的应用.     

模糊神经网络系统建模

本文基于Ｍｏｄｕｌａｒ神经网络的模糊系统实现技术，对于文献［１］、［２］提出的学习算法进行了改进。最后通过建模实例验证，使用本文改进的学习算法进行学习后建立的模糊系统，有着更强的泛化能力和更高的逼近精度。     

改进蚁群算法及其在船舶最优航线导航中的应用

由于海洋航行环境复杂,同时受到各种风、浪、流等多种因素的影响,使得在通航水域发生的安全事故随之增加,造成巨大的财产损失,同时危及船员的生命安全。为了保障船舶在海洋上安全高速航行,必须设计出最为安全可靠的最优航线。针对传统的蚁群算法在船舶最优航线导航过程中后期存在收敛速度慢、易出现停滞的缺陷,设计一种改进的蚁群算法进行船舶最优航线导航。首先利用混合更新策略,对船舶航线栅格上的信息素进行更新,然后在找到的船舶的所有可行航线中,搜索出最优航线,最后进行仿真测试。实验结果表明,相比较于对比算法,改进蚁群算法搜索到的航线更优,更为安全可靠,所耗费的时间少于对比算法,是一种效率高、可靠性好的船舶最优航线导航算法。     

基于GSA-IPM算法的船舶电力系统无功优化

提出GSA-IPM(万有引力-内点)算法求解船舶电力系统无功优化问题,以降低船舶电力系统的有功损耗,提高电压质量,改善安全经济运行水平。将算法应用于某实际船舶电力系统进行仿真测试,结果与万有引力搜索算法(GSA)、遗传算法(GA)及粒子群算法(PSO)作比较,证明了算法能够使有功网损更低,电压质量更佳,从而验证了方法的有效性。     

基于变步长LMS的频域干扰抑制算法的研究

基于对时域变步长LMS算法、频域块LMS算法的研究分析,给出了一种新的基于变步长频域块LMS的干扰抑制算法,仿真结果和分析表明能实现更好的收敛速度和更小的有用信号损失,并且计算复杂度低,利于工程实现。     

基于PSO-BP神经网络的燃气轮机结垢性能预测

针对传统BP神经网络存在的学习速度慢,容易陷入局部极小的问题,为了提高诊断效率和非线性拟合能力,提出利用粒子群算法、遗传算法和布谷鸟算法优化BP神经网络对燃气轮机积垢性能预测,将各算法所得误差和拟合度进行对比。结果表明:粒子群算法优化BP神经网络的非线性拟合度为0.934 4,优于其他算法,相较于其他算法具有更低的绝对误差平均值,有效避免了局部最优情况。     

自适应蚁群算法求解车间作业调度问题

车间作业调度问题(JSP)是组合优化问题中的NP-Hard问题,应用传统的蚁群算法在求解时存在易于陷入局部最优解、收敛速度慢等缺点.通过在蚁群算法的信息素局部更新策略和全局更新策略两处引入自适应方法对蚁群算法进行了改进,并应用此算法对经典的FT06问题和FT10问题进行了大量的求解试验.试验结果表明该自适应蚁群算法在求解车间作业调度问题时,搜索速度和收敛速度比传统的蚁群算法都有较好的提高.     

一种能有效规避威胁区的双层A^＊路径规划算法

针对路径规划中A^＊算法遇到威胁区易陷入局部搜索的问题,对扩展点的估计代价计算方式进行了改进,提出了一种基于A^＊的双层A^＊规划算法。在该算法的双层机制中,第一层规划的扩展点估计代价用第二层规划的结果来计算,使得搜索过程中扩展结点的估计代价更接近于真实代价,从而得到该结点更加准确的全代价值,引导算法向更合适的方向扩展,提高了搜索效率。实验表明：在较复杂的规划空间中,该算法能有效解决A^＊算法遇到威胁区陷入局部搜索的弊病。     

基于光学遥感图像的船舶目标检测技术研究

首先分析基于光学遥感图像的船舶目标检测流程,然后利用Top-Hat算法进行目标图像增强,并设计检测系统结构元尺寸自适应选择算法,以此来克服光学遥感图像的不均匀性和局部背景的粗糙性。最后进行不同海况的船舶目标检测试验。试验结果表明,本文算法虽然在实现过程中较阈值分割算法要复杂,但其适用范围更广,并且能够有效提高复杂海况下船舶目标检测的准确率。     

模糊增强的Canny算法在船舶红外图像分割中的应用

航运业快速发展,水上交通密度和船舶速度不断提高,对船舶运营和管理提出了更严格的要求。红外成像系统具有探测能力强、灵敏度高、隐蔽性好等优势,被广泛应用于船舶航行安全、船舶避碰、船舶管理等领域。本文研究船舶红外图像分割算法,提出基于模糊增强的Canny算法的船舶红外图像边缘提取算法。     

抗滑桩基兹布尔格计算方法的不足及其改进

抗滑桩临界桩距的计算对抗滑桩设计有重要影响。基兹布尔格算法考虑了土拱作用,是理论上较为合理的算法。分析了基兹布尔格临界桩距计算公式中不足之处,并对其进行修正。改进算法克服了原有不足,较全面反映了临界桩距与桩宽、滑体性质以及滑坡推力之间的关系。改进后对比验算证明,改进后的算法更切合实际。     

高阶QAM信号盲均衡算法的研究

恒模算法（CMA）具有计算复杂度低、易于实现的优点,但它的缺点是收敛速度慢、稳态剩余误差大。针对恒模算法（CMA）的不足,文章介绍了修正恒模算法（MCMA）和多模算法（MMA）。在此基础上,提出了适合高阶QAM信号传输的双模式盲均衡算法（MMA-DDLMS）和多模CMA。计算机仿真结果表明,这两种算法有良好的性能。     

高分辨估计多目标方位的研究

采用的是加权多目标分类算法(WMUSIC方法)来提高空间方位估计的方法。它利用阵列输出的协方差矩阵中噪声空间较好的估计多目标的方位，是一种超分辨率的方位估计算法，具有比传统MUSIC更好的分辨率和精确度。本文对其进行了详细的阐述及计算机仿真。     

基于粒子群算法的编队防空武器目标分配研究

建立了舰艇编队防空作战的武器目标分配模型,提出了一种基于粒子群的求解算法。该粒子群算法利用粒子群的个体最优和全局最优粒子,采用了编码、交叉、变异和选择相结合的算子操作得到粒子的新个体。通过仿真测试表明了算法的可行性和有效性,尤其是在规模复杂问题中将更能体现算法的优越性。     

模糊最优化算法在船舶控制中的应用研究

首先分析船舶模糊控制系统以及系统参数的选择。引入模拟退火算法,对系统中模糊变量的量化因子和比例因子进行优化,达到最优控制船舶的目的。最后利用本文设计的算法,对不同海域情况下船舶的航向控制进行仿真。实验结果表明,FLC控制比传统的PID控制更接近预定航行方向,并且方差小,更适合在复杂环境中控制船舶航向。     

船舶电力系统无功优化的GSA-IPM算法

提出GSA-IPM(万有引力-内点)算法求解船舶电力系统无功优化问题,以降低船舶电力系统的有功损耗,提高电压质量,改善安全经济运行水平。将算法应用于某实际船舶电力系统进行仿真测试,结果与万有引力搜索算法(GSA)、遗传算法(GA)及粒子群算法(PSO)作比较,证明了算法能够使有功网损更低,电压质量更佳,从而验证了方法的有效性。