一种求解旅行商问题的改进蚁群算法

蚁群算法作为一种新型的优化算法,具有很强的适应性和鲁棒性,已广泛的应用于系统控制、人工智能、模式识别等工程领域。由于蚁群算法在搜索过程中易于陷入局部最优解,存在着加速收敛和早熟停滞现象的矛盾。文章针对这些问题,在基本蚁群算法的基础上,从参数的动态调整、信息量的更新规则、局部搜索策略进行相应的改进,引入信息素平滑机制,以求在加快收敛和防止早熟停滞之间取得较好的平衡。旅行商问题的仿真表明:改进后的蚁群算法具有较好的收敛性和稳定性,能够克服算法中早熟和停滞现象的过早出现。     

LBG算法对初始码书敏感的实验性能分析

介绍矢量量化的基本概念及其算法—LBG算法。指出LBG算法的缺陷，并针对LBG算法对初始码书敏感这一缺陷进行分析。同时还分析了LBG算法对几种不同初始码书的实验性能，得到了一种度量初始码书性能“优、劣”的方法，并提出了一种性能优良、操作简便的初始码书生成方法—等间隔法。最后，针对LBG算法对初始码书敏感这一缺陷给出了一些改进方向。     

迭代法中压缩对角存储的应用框架

在许多有限元、有限差分的应用中,待解方程组的系数矩阵是大型稀疏带状阵,方程组的求解一般使用迭代法.与其它存储方式相比,压缩对角存储由于不存矩阵元素的行列索引,对内存的使用最为节省.使用压缩对角存储,沿对角线操作可以完成高效的矩阵—向量乘.由于在以往的文献中,没有提及按行、列操作的算法,压缩对角存储的应用范围受到一定的限制.用行、列、对角版的矩阵—向量乘代表普通意义的行、列、对角方向操作模式,通过等价矩阵推导和伪代码,给出了一个包括按行、列操作算法在内的应用框架.这里运用C语言实现不完全Cholesky分解共轭梯度法解方程,阐述了如何在实际编程中使用这个算法框架.经理论与实验分析表明,对角压缩存储应用于框架中是高效的,因为与使用常用的一维行索引存储格式所编程序相比,同样迭代次数的耗时减少了约25％.     

基于改进A*算法的煤矿救援机器人路径规划

煤矿救援机器人在执行救援任务时,在获得任务指令后首先需要获得环境模型,再利用内置算法在该环境模型中规划出一条从当前位置到目标位置的无碰撞路径。为减少救援机器人的移动时间,通常要求该路径为时间最优,而目前使用较多的传统A*算法在栅格地图环境下规划的路径存在路径冗余点多、路径转折角度大等问题,导致该路径对于可沿任意方向灵活移动的救援机器人来说是“非最优”的。为解决这一问题,在传统A*算法的基础上提出一种改进A*算法。首先,该算法在传统A*算法的基础上增加当前扩展节点的邻接点数量,以快速搜索获得初始路径;其次,通过设置距离阈值并重连路径点,去除初始路径的冗余点;根据步长分割路径获得间距更小的路径点集合,并再次去除冗余点;最后,为进一步对所得路径的转角进行平滑处理,采用5次B样条曲线进行拟合,最终得到路径点更少、路径代价更小、累计转折角度更小的优化路径。在5种不同尺寸、障碍物覆盖率为20%的栅格地图环境中利用MATLAB对上述改进A*算法进行仿真实验,并将改进A*算法的仿真结果与传统A*算法的仿真结果进行对比。结果表明:相对于传统A*算法,改进A*算法通过扩展邻接点、去除路径冗余点及路径平滑等操作,有效改善了传统A*算法的路径冗余点多和路径转折角度大等问题;此外,改进A*算法还能在一定程度上减少生成初始路径时的扩展节点数量,降低系统内存占用。      

岩石侵蚀速率测算方法研究综述及展望

讨论了目前应用比较广泛的几种测算岩石侵蚀速率的方法,将目前岩石侵蚀速率测算方法分为2类:一类为质量测算法,包括公式计算法、流域水化学监测法、样品称重法;另一类为几何测算法,包括微侵蚀测量仪法、对比计算法和宇宙成因核素法.探讨了各方法的测算原理、优缺点及其适用领域,质量测算法中的公式计算法和流域水化学监测法比较适用于大面积的国土监测工作;样品称重法和3类几何测算法适用于尺度较小的地学研究和文物保护、工程技术等应用领域.最后,总结了岩石侵蚀速率研究者和案例地的地理分布规律,并对岩石侵蚀速率测算研究进行了展望.     

基于敏感性分析的裂隙岩体渗流与应力静态全耦合参数反演

基于求解稳定渗流场与弹性位移场耦合问题的全耦合分析方法,应用提出的混合遗传算法作为优化算法,同时利用水头、位移等多类型量测资料,提出了裂隙岩体渗流与应力静态全耦合的参数反演方法。在目标函数建立中考虑了实测水头对渗流参数的敏感性,在待反演力学未知参数的选取中,依据提出的相对灵敏度概念,考虑了实测位移对力学参数的敏感性。针对某裂隙岸坡算例,研究了水库蓄水过程中位移场对力学参数敏感性,据此实现位移测点的优化布置,并以渗流场与位移场全耦合正分析计算结果作为假想实测值,进行该岩坡的全耦合参数反演分析,从而验证了所提出理论与研制程序的正确性和可行性。     

目标函数聚类法在地下水动态分类中的应用

地下水动态类型的划分是正确认识研究区水文地质条件与地下水开发利用之间关系的一个重要环节。本文论述了目标函数聚类法的原理与计算过程,并应用该方法对某河流附近的１５个观测孔的水位动态进行分类。分析结果表明该方法具有较高的可靠性与较广的适用性。     

基于改进BP网络算法的隧洞围岩分类

围岩分类对指导地下工程的设计和施工具有非常重要的意义.引入人工神经网络的方法, 进行隧洞围岩分类, 在传统BP算法的基础上, 通过改进学习算法、优化传递函数和网络结构进行神经网络方法优化.采用附加动量法和学习速率自适应调整的策略改进学习算法, 使得当误差大于上临界值时, 则降低学习率, 当误差小于下临界值时, 则适当提高学习率, 这样可加快网络的训练速度, 确保网络的稳定性; 通过引入调整学习率参数, 使得传递过程更加敏感, 加快了传递函数的收敛速度, 提高了训练函数的计算精度; 通过给定隐含层节点模型的取值范围, 对网络结构进行优化, 提高了泛化精度.将改进的BP网络模型应用于广东省东深供水改造工程的隧洞围岩分类中, 分类结果与根据《水工隧洞设计规范(SL279-2002) 》的分类结果完全一致, 表明该方法具有良好的工程实用性.      

Ensemble retrieval of atmospheric temperature profiles from AIRS

ABSTRACT Satellite-based observations provide great opportunities for improving weather forecasting. Physical retrieval of atmo spheric profiles from satellite observations is sensitive to the uncertainty of the first guess and other factors. In order to improve the accuracy of the physical retrieval, an ensemble methodology was developed with an emphasis on perturbing the first guess. In the methodology, a normal probability density function （PDF） is used to select the optimal profile from the ensemble retrievals. The ensemble retrieval algorithm contains four steps： （1） regression retrieval for original first guess; （2） perturbation of the original first guess to generate new first guesses （ensemble first guesses）; （3） using the ensemble first guesses and nonlinear iterative physical retrieval to generate ensemble physical results; and （4） the final optimal profile is selected from the ensemble physical results by using PDE Temperature eigenvectors （EVs） were used to generate the pertur- bation and generate the ensemble first guess. Compared with the regular temperature profile retrievals from the Atmospheric InfraRed Sounder （AIRS）, the ensemble retrievals RMSE of temperature profiles selected by the PDF was reduced between 150 and 320 hPa and below 400 hPa, with a maximum improvement of 0.3 K at 400 hPa. The bias was also reduced in many layers, with a maximum improvement of 0.69 K at 460 hPa. The combined optimal （CombOpt） profile and a mean optimal （MeanOpt） profile of all ensemble physical results were improved below 150 hPa. The MeanOpt profile was better than the CombOpt profile, and was regarded as the final optimal （FinOpt） profile. This study lays the foundation for improving temperature retrievals from hyper-spectral infrared radiance measurements.