共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
随着车联网的不断发展,人们对车联网系统的安全性也提出了更高的要求。为了保护用户的隐私和人身安全,需要采用加解密算法对车联网通信进行保护。在中国,国密算法是被广泛采用的一种加解密算法,因此,本文设计了一块支持SM2、SM3、SM4算法,用于车联网场景的安全芯片,同时兼容RSA和ECC算法,完成了仿真及FPGA验证并使用55nm工艺库进行了流片。电路总面积为3.98mm2,约1.2×106个MOS管,外设最高工作频率为200MHz,可在2.14M时钟周期内完成一次257位二元扩域点乘运算,具有较高的面积利用率和兼容性。 相似文献
3.
本文介绍了Flody算法的计算原理及步骤,探讨了Flody算法存在占用计算内存较大和路径搜索速度慢的缺点,提出改进的正向搜索路径及反向追踪路径Floy算法,使计算机内存占用和路径搜索速度两方面均得改善,并对比分析也改进的Floly算法和原Flody算法在交通分配中的应用,以实例说明改进的Floiy算法的优点。 相似文献
4.
文章介绍了分布式网络中的Kerberos安全认证体系的安全认证理论、数据的完整性和保密性.并对Kerberos安全认证体系的内在缺陷进行了分析,提出了利用RSA公钥算法对之进行优化的方法. 相似文献
5.
基于蚂蚁算法的公交网络最短路径问题研究 总被引:5,自引:0,他引:5
通过改进的蚂蚁算法来解决公交网络信息系统中的最短路径问题。提出以换乘次数最少、出行距离最短为目标的路径求解算法,并给出了算法流程。分析了基于蚂蚁算法的城市公交网络的选择策略:选择某条路径即给该路径赋以一定的信息素,信息素愈大的路径,成为最短路径的可能性愈大。并利用改进的蚂蚁算法实现了公交网络乘客信息查询。 相似文献
6.
本文从减少数据存储、消除环路、提高运算速度方面对双扫描算法进行了改进,并说明了改进的双扫描算法在路网交通分配中的应用。 相似文献
7.
8.
针对斯坦利(Stanley)跟踪算法无法更好地同时满足无人驾驶路径跟踪的精确度和平滑性要求的问题,根据车辆的航向角、横向偏差、车速等特性,基于合适的预瞄距离,采用纯跟踪(Pure Pursuit)算法对Stanley算法中车轮转角的计算方式进行改进,提出一种新的融合算法,实时计算车辆在当前车速下合适的车轮转角。仿真结果表明,相比于Stanley算法,所提出的融合算法在不失跟踪精确度的情况下,不同车速下跟踪平滑性均有较大提升。实车试验结果表明,在20 km/h车速下,所提出融合算法的跟踪路径比原Stanley算法的跟踪路径有更好的精确度和平滑性。 相似文献
9.
本文简要介绍了BP神经网络的缺点,着重强调了BP神经网络的算法改进,并且,利用Matlab仿真了各种改进算法的学习速度,从结果看改进后的BP神经网络能较好地解决针BP算法学习速度慢的缺点。 相似文献
10.
11.
针对广义最小生成树问题,设计了2种改进的元启发式算法来求解:单亲遗传模拟退火算法和改进的禁忌搜索算法。通过综合遗传算法和模拟退火算法的优点,提出了单亲遗传和模拟退火的混合算法,并设计了自适应选择法和自适应基因重组操作;在改进的禁忌搜索算法中,通过在2种邻域进行搜索来避免陷入局部最优。数值实验验证了算法的有效性。 相似文献
12.
13.
14.
公交网络优化问题一直是公交系统发展研究的热点之一,国内外学者已有许多不同见解。文章根据现代城市发展及城市交通发展特点,提出了公交非线性双层优化的一种新模型,将PSO算法改进后,结合长春市公交调查数据进行了优化,实践证明模型与算法具有较强的实用性。 相似文献
15.
16.
预算约束的离散交通网络设计问题 总被引:16,自引:1,他引:16
提出了预算约束的离散交通网络设计的数学规划模型,探讨了它的隐枚举算法;然后,在忽视BRAESS诡异的前提下,改进了这个算法,以节省计算时间。 相似文献
17.
设计了一种改进的混合遗传算法求解带有时间窗、有车辆重量限制的车辆优化调度问题(VRPTW),根据问题的实际情况,建立了数学模型,提出了改进的交叉算子,丰富了种群的多样性;并结合模拟退火算法的思想,对染色体的适应度适当变化,改善了传统的遗传算法容易“早熟”的缺点,加强了染色体的局部搜索能力。 相似文献
18.
19.
基于改进型蚁群算法的车辆导航路径规划研究 总被引:2,自引:0,他引:2
在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。 相似文献
20.
基于改进蚁群算法的运输调度规划 总被引:1,自引:0,他引:1
在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。 相似文献