一种大规模车辆路径问题的启发式算法

随着中国经济的快速发展,物流配送对车辆调度的实时性与应急情况处理能力提出了更高的要求,使用传统车辆调度算法难以满足突发事件实时处理需求。针对紧急情况如车辆故障或新增任务点等,在传统启发式算法——破坏重建算法的基础上提出了一种动态调度方法：局部搜索方法,实现了物流车辆的动态调度,有效提升了车辆调度中应对紧急情况的实时性与动态性。与多目标混合蚁群优化算法进行实验对比,结果验证了破坏重建算法的优势;利用公开数据和真实数据,与全局方式破坏重建车辆调度方法进行对比实验,结果验证了局部搜索动态调度方法的有效性。     

基于改进A*算法的无人航道测量船路径规划方法

无人航道测量船由于具有低成本、高效率、便捷等优点,在航道测量领域受到越来越多的关注。在避碰过程中,为保证无人航道测量船测量数据的有效性,新规划的避碰路线应尽可能地与原规划测量航线一致。针对传统A*算法所规划的路径在避开障碍物之后无法快速回到预设航线上的问题,提出了一种改进的A*算法。该算法主要是在原始代价函数的基础上,新增了一个与当前点到预设航线的垂直距离相关的代价值,且该代价值的取值与无人航道测量船所处的位置相关。首先在MATLAB仿真环境下对改进A*算法进行仿真实验,然后利用无人航道测量船实船平台开展航行验证实验并进行围栏分析。实验结果表明,相比于传统A*算法,在保证安全的前提下,改进A*算法能够使无人航道测量船在避开障碍物之后更快地回到预设航线。     

A^＊算法的改进及其在路径规划中的应用

A*算法是一种启发式搜索算法,在路径规划中得到广泛的应用,其中启发函数的设计尤其重要.本文针对路径规划问题,对A*算法作了以下改进:一是在估价函数中考虑以距离和方向两个要素,通过归一化处理解决了单位不统一的问题;二是利用k-d树空间索引结构,动态加载节点信息,减小内存使用空间.实验结果表明,改进后的A*算法的搜索效率得到了明显的提高.     

基于遗传算法的时相关动态车辆路径规划模型

动态车辆路径规划是智能交通和商业物流领域中的一个重要研究方面,其最大的优点是就是综合考虑了各种实时信息,及时优化更新配送车辆的行驶路径,进一步降低物流成本。提出了一种基于遗传算法的时相关动态车辆路径规划模型。该模型将时变的交通信息和动态客户订单考虑在内,可以获得比较好的动态更新效率和优化结果,为此类动态车辆路径规划探索出了一条可行的途径。     

嵌入式环境基于实时交通信息的多层次路径规划算法

提出了一种嵌入式环境基于实时交通信息的多层次路径规划算法,该算法很好地适应嵌入式硬件环境的内存小、计算能力弱等特征,可以自动在一定限度内规避拥堵路段,实现交通信息的嵌入式实时规划应用。实验表明,算法能满足嵌入式环境动态导航服务需求。     

一种利用改进A算法的部队机动路径规划

新形势下陆军由传统防卫型向全域机动型转变,摩托化机动的地位和作用日益突显。提出一种改进的A~*算法解决摩托化机动路径规划问题,针对机动中需顾及油料保障、难行点(路段)和道路转弯半径等要求,算法综合考虑油料消耗与保障点地理位置后,对道路网进行分层处理,并给出了分层搜索策略;改进A~*算法估价函数,计算难行点(路段)的通行时间和转弯半径;并利用向量夹角余弦值作为启发函数提高搜索效率;对比实验结果表明所提算法的可行性和有效性。     

基于改进AP选择的融合随机森林室内定位算法

针对复杂室内环境下接收信号强度(RSS)值和维度发生变化的问题,提出一种改进的接入点(AP)选择方法并融合随机森林(RF)分类算法进行实时室内定位. 在离线阶段应用改进的AP选择方法,并使用AP的RSS数据方差以及AP出现频率来衡量AP稳定性并选取前m个稳定的AP. 在处理方差时会经拉普拉斯平滑,以避免出现方差为0的情况,并以此构建初步的指纹数据库;在在线阶段利用集成学习中的RF来对分类结果进行投票表决得到最终位置信息,并将改进后的算法同传统RF,改进后的AP选择融合加权的K近邻算法(WKNN)以及基于信息增益(IG)的AP选择算法加随机森林相比较. 实验结果表明:文中所提出的方法在定位误差方面较其他三个算法分别下降29.3%、23.2%、17.2%,同时在定位时间方面也有提升.      

基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。     

基于几何约束和目标检测的室内动态SLAM

针对即时定位与地图构建(SLAM)在室内动态环境下定位精度低和地图效果差的问题,提出一种基于几何约束和目标检测的室内动态SLAM方法.使用目标检测网络获取语义信息,提出运动物体漏检的方法;根据先验知识,提出准确识别动态区域的信息判定方法;结合几何约束和深度学习方法剔除动态点,利用静态点估计相机位姿;根据存储信息构建可闭环的静态地图.在TUM数据集上进行实验,定位精度比ORB-SLAM2提高97.5%,相较于其他动态SLAM可取得更好的性能.在室内真实环境进行实验,构建的静态地图更准确,有效提高了室内动态SLAM的定位精度和地图效果.