完全公平调度算法分析

Linux调度系统的调度算法几经改进,表现出优异的性能,特别是Linux最新的CFS调度算法。它的设计目的是使进程更加公平地共享处理器资源。在分析Linux2．6．28内核代码的基础上详细阐述了CFS调度算法的工作流程和主要特性,并从算法分析和Hacbench测试两个方面对O（1）和CFS调度算法的性能进行了对比。     

栅格成本距离计算的改进蚁群算法

栅格数据模型是地理信息科学领域的主要数据模型,成本距离分析是其重要的应用方向之一。但当栅格数据量较大时,传统的Dijkstra求解效率较低,因此本文提出了一种用改进蚁群算法来求解栅格成本距离的方法。首先,构建了适合人工智能算法的栅格数据模型及编码方法;然后,在此基础上初始化蚁群,采用状态概率选择机制计算相邻栅格单元之间距离成本,以及距离成本路径方向选择,同时利用改进的信息素更新机制加强蚁群之间信息交流,加快算法收敛速度;最后,引入了遗传算法的选择、交叉和变异等算子优化生产的成本距离的解,增加解的全局性。本文以北极地区的海冰密集度栅格数据为基础,求解北极地区适合航行路线的成本距离。实验表明,结合了蚁群算法和遗传算法优势的改进蚁群算法,能够快速有效地求解出基于栅格数据的成本距离。     

基于蚁群算法的城市可持续发展综合评价

在可持续发展体系分类的基础上，应用蚁群算法对可持续发展各分类指数公式和综合指数公式进行优化，建立可持续发展评价模型。将该模型应用于乌鲁木齐市可持续发展水平评价，评价结果与现状分析一敛。结果表明该模型简单适用、有良好的通用性。     

基于改进蚁群算法的无人机低空公共航路构建方法

日益增加的无人机数量和飞手自由规划航线给航空安全带来极大隐患。构建一个安全、高效的航空飞行环境,可以为无人机活动设立隔离空域,并在隔离空域内规划无人机低空公共航路,以提高低空空域利用率,为无人机交通管理提供决策依据。本研究充分考虑无人机近地表飞行及其即时通讯等特点,以天津市为例,基于地理信息技术构建以多源地理空间数据为基础的无人机低空飞行环境,包括低空蜂窝网络环境、大气环境和政策空域环境等,并改进传统蚁群算法以搜索无人机最优路径,得到该区无人机低空公共航路网。研究结果表明,改进的蚁群算法大大提高了路径搜索效率,满足无人机航路规划的高时效性、动态更新等要求;并且天津市航路长度符合市场上现有的无人机最远航程要求,基本满足现有的无人机运输要求。本研究描述的无人机低空公共航路研究的核心算法和关键技术,可以为无人机管控系统提供核心技术支撑。     

土地利用配置的混沌蚁群优化算法研究

土地利用优化配置是促进土地可持续发展的重要举措,然而现有研究缺乏有效求解土地利用优化配置模型的新型混合式智能优化算法。本文结合蚁群算法和混沌模型,形成混沌蚁群优化（Chaos Ant Colony Optimization,CACO）算法,并以广州市增城区为研究区,对土地利用现状进行优化配置;然后在数量结构、目标函数值、空间布局等方面将优化结果与土地现状及标准蚁群算法优化结果进行对比分析。结果表明：① CACO算法能在满足多种约束条件下,有效解决多目标土地利用优化配置问题;② 与标准蚁群算法相比,CACO算法能增加土地利用的经济效益7.18亿元、生态效益0.33亿元、社会效益1.13%,同时降低地类转换成本1.15%;③ CACO算法能使土地利用现状空间分布多样性和均匀性的下降控制在1.30%以内,同时缩减地块数量8.86%,并使平均斑块大小增加9.77%,从而提升土地集约利用水平,更合理地配置各现状地类的空间分布,为研究区土地利用的科学规划与决策提供支持。     

对称多处理器下基于调度域的超线程实现

自从Linux2．4支持对称多处理结构以来,Linux操作系统开发者一直在探索能够更好发挥多处理器效能的方法。其中,加强超线程处理能力是基本的解决方案之一。因此分析对称多处理器下超线程的实现具有重要意义。通过对内核源代码的解读,对对称多处理器下基于调度域的超线程实现机理进行了剖析。最后针对两个版本的内核（一个带有调度域结构,一个没有调度域结构）进行了对比测试分析。通过比较,可以看出对称多处理器下基于调度域的超线程实现其性能更优。     

基于无差别虚拟机的负载均衡调度算法研究

针对现有云计算调度中心的资源调度问题,结合具体的场景提出了一种基于无差别虚拟机的负载均衡调度算法,该算法比较好地兼顾了响应用户请求时间和服务器的负载均衡两个方面。同时对目前常用的几种调度算法进行了分析,然后在CloudSim仿真平台上进行模拟实验,结果表明该算法能够提高用户请求响应效率和负载均衡性能。     

基于点云的管道三维自动建模方法研究

随着我国城市地下空间的不断建设,各种类型的管廊已经成为社会和人们生产生活中不可缺少的物质条件。本文针对市政基础设施、地下空间中错综复杂的管道难以观测和三维建模的问题,采用三维激光扫描技术获取管廊的点云数据,并对点云数据中存在的噪点采用拉普拉斯算法进行去除,以提高管道中心线的提取效率。在此基础上提出一种基于RANSAC算法的管道中心线提取方法,并对提取的中心线进行等平面处理,基于OpenGL和MFC框架开源库结合RANSAC算法研发了利用点云进行管道三维自动建模模块,并实现了复杂管道的可视化。     

基于实时应用接口调度模型的扩展研究

针对实时应用接口（RTAI）的调度器是基于静态优先级调度,不支持动态调度的缺点,提出将单调速率调度算法（RM）和最小空闲时间优先调度算法（LLF）引入到RTAI调度器中,实现了静态优先级结合动态优先级调度的调度模型,扩展了RTAI调度器的实时性。最后对扩展调度器进行测试,验证了这种扩展策略是正确的。     

突发河流污染事件应急资源调度动态规划模型研究

突发事件的突然性和发展过程的不确定性,要求在限定的时间内,将足够的应急资源配送到合适的应急处置空间位置。本文构建了一个多源点多目标应急资源调度模型,该模型以最短应急处置时间为规划目标,以应急资源运输和应急工程构建时间之和必须小于污染物扩散到应急处置空间位置的时间、多个应急资源仓库综合调度资源数量必须满足处置需求为约束条件;在应急资源出库和装卸时间一定的情况下,根据污染物沿河流扩散的动态过程,运用Dijkstra算法实时选择应急资源配送的最优路径,计算各个仓库所需调度各类资源数量以及资源到达应急处置空间位置所需的时间;最终导出一个策略方案,并根据应急资源到达处置位置所用的时间与污染物扩散到该点的时间之比,评估该方案的决策风险。以突发六价铬污染为研究案例的实验结果表明：该模型能够验证各个应急处置空间位置能否作为应急处置点,获得应急处置空间位置最合理的应急资源调度方案、应急车辆动态的最优路线以及各应急处置点资源调度方案的决策风险评估结果,从而提高应急管理的决策效率,降低决策风险,该模型在救灾、溃坝等其他类似领域也具有一定适用性。     

面向山地徒步应急救援路径规划的改进蚁群算法研究

当消防事故发生在无明显道路或道路稀疏的野外复杂山区时,如何在复杂山地环境中规划安全、快速通过的路线至关重要。针对蚁群算法在复杂山地路径规划中容易陷入局部最优以及搜索时间较长的问题,本文提出一种适用于细粒度野外山地环境的徒步应急救援路径规划算法。本文首先根据已有文献分析地表信息与人类运动速度之间的关系,综合地表灌木盖度与地形坡度因素设计寻优算法的目标函数和启发函数;接着采用定向范围视野的蚂蚁搜索方式,决定蚁群算法寻优过程中每一步的网格选择;最后采用拉普拉斯分布调整初始信息素、添加隔离信息素、融合遗传算子与分组更新常规信息素的方法改进蚁群算法。将算法应用到400×400、1000×1000、5000×5000、10 000×10 000网格数的野外山地环境进行实验对比,实验结果表明,采用定向范围视野与优化启发函数的各蚁群算法在四组实验中均能得到可行路径,验证了方法的有效性;本文算法求解的路径质量优于另外三种算法,在四组实验中分别提高了0.52%～4.95%、4.71%～5.39%、2.26%～13.11%、3.84%～9.16%;此外,在野外三维山地环境中,定向范围视野的搜索方式缩减了搜索...     

一种基于改进蚁群算法与GIS的多约束配送中心选址方法

针对单一指派约束和容量约束的设施选址问题（Single Source Capacitated Facility Location Problem, SSCFLP）,建立了一种基于改进蚁群算法与GIS的配送中心选址方法。构建了以总成本费用最小为目标的配送中心选址模型;提出了适合求解SSCFLP问题的改进双层蚁群算法,将求解过程划分为彼此关联的设施选择层和需求指派层2层蚁群,采用改进的全局信息素更新策略加强双层蚁群交流,并对迭代最优解的指派关系进行局部优化;将方法应用于汽车配送中心的选址,利用GIS工具构建选址空间。实验结果表明,该选址方法能找到质量较好的选址及指派结果,对于求解同类问题具有较强的借鉴意义。     

基于蚁群算法的多面函数在GPS高程拟合中的应用

针对多面函数拟合法的中心节点难以选取的问题,提出将蚁群算法引入多面函数并结合稳健估计构建高精度拟合模型的方法。利用蚁群算法在复杂地形中快速寻找特征点,与少量非特征点共同作为中心节点参与模型构建,将稳健估计加入多面函数,运用选权迭代法剔除粗差对拟合模型的影响。GPS高程拟合数据处理实例表明,基于蚁群算法的多面函数结合稳健估计的拟合方法可有效剔除粗差的影响,且拟合精度比只用均匀格网法提高26%。     

一种基于分割的立体匹配算法

为获取质量更好的视差图,在图像分割的基础上提出一种新的立体匹配算法,首先采用均值漂移算法对图像进行分割得到不同分割区域,然后采用基于窗口的局部自适应加权方法获取初始视差图,经双向检测后得到可信区域与不可信区域,最后定义一个加入遮挡项的能量函数作为遗传算法评价函数,计算可信区域的平面模型参数,之后在能量函数中加入平滑项,为每个区域选一个使能量函数最小的平面模型,得到最终的视差图。实验数据表明,该算法可较好地处理深度不连续区域和无纹理区域,匹配精度高。     

真实感云的快速渲染算法的研究与实现

云是自然场景最常见的自然现象,然而其不规则的外观和复杂的运动使云的模拟难度很大。在分析和研究了元胞自动机建模方法的基础上,采用元胞自动机生成云的初始模型,通过billboard的自转简化云的运动算法,并将单向散射与多重散射相结合的方式构造云的光照模型。通过该方法提高了云渲染的效率,同时满足了云场景的真实性。实验结果表明,该算法能以较高的帧率实现云的仿真效果同时不失真实性。     

基于A-star算法的矿井事故救援研究

针对井下不同形状巷道几何空间特征,确立以空间点、线、面为基本图元,以巷道中心线作为三维模型构建的基础框架,建立巷道三维模型。采用启发式路径搜索A-star算法,实现了应急救援路线智能快速选择。实践证明,该方法对于矿井事故定位和救援具有一定的实用性。     

基于A-star算法的矿井事故救援研究

针对井下不同形状巷道几何空间特征,确立以空间点、线、面为基本图元,以巷道中心线作为三维模型构建的基础框架,建立巷道三维模型。采用启发式路径搜索A-star算法,实现了应急救援路线智能快速选择。实践证明,该方法对于矿井事故定位和救援具有一定的实用性。     

一种改进的Apriori挖掘算法

针对制约Apriori算法效率的瓶颈问题,提出了一种基于Apriori的改进算法,算法只需要遍历一次事务数据库,避免了Aprori算法多次扫描事务数据库和产生大量的候选项集,同时利用项集的有序性改进了判断连接的方式,优化了连接步骤,减少了判断时间.实验结果表明,改进的Apriori算法在运行效率上有一定的提高.     

基于全局人工鱼群算法的函数优化

基本人工鱼群算法将基于鱼群行为的人工智能思想引入到解决函数优化的问题中,根据自然界中鱼类寻找食物的行为特点,推演出人工鱼的四种行为模型:随机行为、觅食行为、聚群行为、追尾行为。该算法具有对初值参数选择不敏感、鲁棒性强、简单易实现等优点。本文的全局人工鱼群算法是针对基本人工鱼群算法运算速度慢、求解精度低和容易陷入局部极值的缺陷而提出的。该算法在觅食、聚群、追尾行为中用历史全局最优人工鱼的位置和感知区域内较优位置的和向量代替感知区域内较优位置。这样不仅缩短了人工鱼向最优解移动的时间,也提高了求解最优值的精度和速度。仿真结果表明,该算法在函数优化方面的优化性能高于基本人工鱼群算法。     

基于点云曲线辨识的卫星激光数据预处理算法

针对卫星激光数据处理算法这一难题,分析了COMPASS系统GEO卫星激光观测数据的质量,讨论了反求工程和计算机视觉中的曲线识别与激光观测数据预处理的异同,提出了基于点云曲线辨识的卫星激光数据预处理算法。该算法将卫星激光观测数据预处理视为有序带噪声的空间曲线重建问题,利用COMPASS系统多圈GEO卫星实测数据进行验证。结果表明：该方法与常用算法一致率在85％以上,能够实现激光观测数据的自动处理与满足导航系统的需要。