基于RSSI与ZigBee技术的公交车定位方法研究

采用无线传感技术搭建基于ZigBee的智能公交网络,并在此基础上针对公交车载节点的定位问题提出一种带修正的三角形加权质心定位算法.改进的算法中利用高斯滤波器来提高RSSI测距精度,将RSSI与质心算法相结合确定出车载节点所在的定位三角形范围,以测距和的倒数作为权值系数估算出车载节点位置,并通过引入4个参考节点来进一步修正车载节点坐标以减小定位过程中单个参考节点产生的影响.经Matlab仿真实验表明,改进后的算法相较于传统算法误差更小,稳定性更高.     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

基于改进灰色马尔可夫的港口货物吞吐量预测研究

为了提高港口货物吞吐量的预测精度,以宁波舟山港为例对灰色马尔可夫组合预测模型进行了优化研究。首先,用中国统计年鉴中宁波舟山港货物吞吐量的历年数据建立灰色GM(1,1)模型;其次,对模拟误差值用一阶马尔可夫链进行修正并确定误差的转移状态,建立复合灰色马尔可夫预测模型;最后,用粒子群算法对该复合模型进行迭代寻优并优化改进,使模型能够根据实际情况对每个灰区间分别进行分析计算,并实时动态更新其区间参数;最终,提高改进后的模型误差精度。结果表明,用粒子群算法改进的灰色马尔可夫模型误差均值下降了37%,预测值与实际值的拟合度更高,预测结果更符合实际情况。     

一种改进型粒子群算法求解资源优化配置问题

针对粒子群算法在求解优化问题时难以兼顾收敛精度与收敛速度这一问题,提出对目标的惯性权重进行修正和引入随着惯性权重变化的惯性学习因子的方法,该算法充分利用了上一代速度与位置、自我认知和群体间信息共享3部分内容,来影响算法的优化结果,提高了算法的全局和局部的搜索能力.最后将改进的粒子群算法应用于工程项目中的资源优化配置问题中,证明了该算法的有效性.     

RSSI传感网络在智能物流配送中的关键技术研究

目前企业物流成本得不到有效的控制,运输工具的利用率较低,迂回、对流等不合理运输现象普遍存在。文章分析无线传感网络定位原理和在智能物流中的应用,提出一种基于RSSI粒子群的无线传感网络节点定位算法,将最小二乘法转换为利用粒子群求解全局最小误差优化的问题,从而实现对物流配送节点的精确定位,最后通过仿真实验验证新算法在物流节点定位的可行性和配送优势。     

细菌觅食机制粒子群优化算法

针对基本粒子群优化算法易陷入局部极值的缺陷,提出了一种细菌觅食机制粒子群优化算法.其基本思想是在粒子群优化算法中引入细菌觅食行为机制,提高PSO算法跳出局部极值的能力,借以改善PSO算法的寻优性能.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.     

基于免疫粒子群优化算法的多约束路由选择算法

受生物体免疫系统免疫机制的启发,把免疫系统的免疫信息处理机制引入到粒子群优化算法中,设计了一个基于免疫粒子群优化算法的路由选择算法。这种免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制,实现简单,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法进化过程中的收敛速度和精度。     

基于均值平移和自适应预测的运动目标跟踪

针对运动目标跟踪算法不足之处,提出结合改进的均值平移与自适应预测的目标跟踪算法,基于Bhattacharyya系数值进行Kalman滤波器与粒子滤波器之间的切换.引入Kalman滤波器为Mean Shift算法估计初始点,在跟踪稳定的情况下进行模板更新,根据Kalman残差大小判定是否发生遮挡：部分遮挡情况下即结合Kalman滤波器实现对快速运动目标的实时跟踪;完全遮挡情况下结合均值平移和粒子滤波进行鲁棒跟踪.实验证明,改进的算法可以有效地提高跟踪算法的效率,并且能很好地解决遮挡问题.     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型（Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM）.首先支持向量机（Support Vector Machine,SVM）参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化（Particle SwarmOptimization,PSO）算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

基于多种方位角计算方法的超短波AOA定位比较

考虑到方位角计算是AOA （angle of arrival）定位的基础之一，首先，提出了以大地坐标计算方位角的球面近似法和正轴圆柱投影-平面法；进而，建立了球面精确AOA定位方程、球面近似AOA定位方程和正轴圆柱投影-平面AOA定位方程；最后，采用无约束非线性规划方法建立了基于大地坐标的分别与上述方程相对应的3个最优化AOA定位模型，并以网格逐点搜索求解法进行了模型验证. 验证结果的分析表明:在不考虑测向误差时，球面精确AOA定位模型的精度最高，且与纬度无关，但其定位运算时间最长；球面近似AOA定位模型和正轴圆柱投影-平面AOA定位模型的精度均较高，后者的定位误差略大于前者，定位运算时间也长于前者；要提高AOA定位网的定位精度，既可提高各站点的测向精度，也可增加测向站点数，并应综合考虑定位时效性要求和精度要求选择合适的AOA定位模型.