一种改进蚁群优化算法的仿真研究

针对蚁群优化算法存在容易陷入局部最优、收敛速度慢、参数设置复杂等缺点,提出了一种改进的蚁群优化算法,研究了伪随机比例转移规则中参数 的取值方法,并对信息素的取值方式和信息素的更新规则进行了改进。最后以中国31个城市的旅行商问题和路径规划问题为实例,分别运用改进前后的蚁群算法进行了仿真研究。仿真结果表明：改进之后的算法不仅能够得到更好的解,更能显著地提高算法的收敛速度。     

高校辅导员队伍建设状况的调查与分析——甘肃民办高校辅导员队伍建设路径选择

针对甘肃省民办高校辅导员队伍建设的实情,全面综合分析研究的基础上,对如何做好民办高校辅导员队伍建设提出可选择的路径是：一是要依靠强有力的政策提供支持,并要求学校领导层面要思想认识到位、对有关政策的贯彻落实到位;二是要进一步促进民办高校辅导员队伍制度化建设,主要包括辅导员选拔和任用制度,辅导员专业化培训制度,辅导员考核和激励制度;三是要进一步加强辅导员队伍的职业道德修养,包含强化辅导员的责任意识,完善对辅导员评估监督机制,强化辅导员自身素质的提升;四是努力提升辅导员的职业幸福感,其中,提升职业的认同感是前提,拓宽职业发展前景是保障,调试自身职业心态是关键。     

高速公路可变信息标志的应用探讨

分析湖南省高速公路可变信息标志的应用现状,指出存在的问题与误区,并从可变信息发布系统应用功能的角度．对高速公路可变信息标志设备选型、规模确定、布点及显示内容等关键性问题进行了深入的分析和探讨。     

基于“作业面”的铁路集装箱中心站集卡路径优化研究

结合现场作业情况分析了影响集卡最优走行路径选择的5个主要因素:集卡作业道路通行情况、装卸线上集卡等待轨道吊排队情况、堆场内集卡等待龙门吊排队情况、堆场内龙门吊作业效率,以及空闲集卡距目的地的距离,提出了影响因素隶属度的计算方法,给出了基于模糊决策理论的集卡最优路径选择求解算法,并以铁路集装箱中心站的实例进行验证分析.该优化方法提高了集装箱中心站集卡的作业效率,为基于“作业面”的集装箱中心站的集卡调度系统提供了理论和技术支持.     

基于3D CNN的道路视频交通状态自动识别

为了从视频直接有效地提取交通信息,提出了基于三维卷积神经网络 （3D convolutional neural networks,3D CNN）的交通状态识别方法.首先,以C3D （convolutional 3D）深度卷积网络为3D CNN原型,对卷积层数量与位置、平面卷积尺寸及三维卷积深度进行优化调整,形成了37个备选模型;其次,建立了视频数据集,对备选模型进行系统的训练测试,提出了交通状态识别模型C3D*;然后,对C3D* 和现有三维卷积网络模型进行视频交通状态识别测试分析;最后,对比测试了C3D* 及常用二维卷积网络的交通状态识别效果. 对比结果显示:针对视频交通状态识别,C3D* 的F均值为91.32%,比C3D、R3D （region convolutional 3D network）、R (2+1) D （resnets adopting 2D spatial convolution and a 1D temporal convolution）分别高12.24%、26.72%、28.02%;与LeNet、AlexNet、GoogleNet、VGG16的图像识别结果相比,C3D* 的F均值分别高32.61%、69.91%、50.11%、69.17%.      

探地雷达在隧道检测技术中的波形识别

本次研究对探地雷达系统组成和波性特征的基本情况分析后,对探地雷达的主要原理加以研究,然后对探地雷达在隧道检测技术波形识别中的应用情况进行解析,旨在加强隧道建设防止受到地质、地理位置因素影响,通过探地雷达隧道检测技术对隧道是否存在缺陷加以检测,并实行波形识别客观评判隧道缺陷。     

“无人机-车辆”配送路径优化模型与算法

基于城市配送的发展趋势,提出一种“无人机-车辆”联合配送模型,以无人机为主导,分3 步进行路径分配,无人机每次配送可以服务多个顾客点,车辆不用在固定点等待无人机。进行单 次路径规划时,让顾客需求点尽可能多的得到服务,最后,以总配送距离最小为目标,对整体路径 进行优化。此外,设计了3种不同的配送场景,构建的模型能同时适用于这3种场景。采用带末 端优化的模拟退火算法求解问题,结果验证了模型的可行性。考虑到未来无人机技术的进一步 提高,对无人机的最大载重量和飞行距离进行灵敏度分析。结果表明,无人机的配送能力受载重 量和飞行距离影响,增大配送能力可以使无人机服务更多的顾客需求点,均衡提升载重量和飞行 距离可以充分发挥无人机的配送能力,更好地完成农村地区的物流配送。     

基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。     

基于改进离散S变换算法的常规通信信号分选识别模型

S变换由于其良好的时频结合特性,在信号处理领域受到了极大重视.论文在研究S变换基本原理的基础上,针对目前常用的离散S变换算法进行了分析,提出了改进的离散S变换算法,以减少离散S变换的运算量,实现离散S变换的快速运算,并建立了同时多目标常规通信信号分选识别模型,进行信号样式识别和参数提取.实验和算法性能分析证明了算法和模型的有效性.     

基于图像的打击效果评估研究综述

打击效果评估在现代战争中发挥了重要作用,是精确作战体系不可缺少的一部分.论文回顾了打击效果评估的发展历程,从物理级、功能级和系统级三个层次描述了打击效果评估,总结了现有的几种评估方法和评估模型,分析并指出各类方法和模型存在的优势与不足,进一步探讨了基于图像的打击效果评估研究中有待解决的问题.