课程文献中心 更多>>

关键词： 无人机自组网路由   蚁群优化算法   双向门控循环单元   全连接神经网络(FCNN)  

摘要： 无人机自组网(UANET)可通过多跳转发增大通信范围,其中路由算法承担数据包传输路径规划的任务。针对高动态网络下,无人机定位偏差带来的定向天线波束对不准所造成的增益衰减问题,提出一种基于链路质量预测的蚁群路由算法(LQP-ACO)。该算法利用双向门控循环单元-全连接神经网络(BiGRU-FCNN)预测无人机节点之间的链路质量,然后根据预测的链路质量,利用蚁群算法寻找最优的2条路径进行业务数据传输。仿真结果表明,提出的路由算法相较于传统的Dijkstra算法,在随机路点(RWP)及随机游走(RW)移动模型下,丢包率分别降低了2.75%、4.5%。

关键词： 路网复杂度   隐马尔可夫模型   地图匹配   自适应算法  

摘要： 随着城市交通系统的复杂性显著上升,现有地图匹配方法在处理交叉路口、高架遮挡等复杂城市交通场景时仍面临较大的挑战。针对上述问题,本文提出了一种针对复杂城市道路的地图匹配算法。首先,通过方向性和连通性两部分特征,量化匹配过程中轨迹点所处路网场景的复杂程度并实现轨迹分段;然后,对简单轨迹使用加入方向约束的隐马尔可夫模型进行匹配,对复杂轨迹段则采用二阶模型,利用路网复杂度作为权值参数自适应地调整HMM中观测概率和转移概率的权重比,提高复杂路网的地图匹配精度和效率;最后,与传统HMM方法和ST-Matching方法的匹配结果进行对比。结果表明,本文算法在复杂场景下的匹配准确率分别提高了5.4%和6.0%,具有更高的匹配效率。

关键词： X射线   违禁品检测   YOLOv8s   注意力机制   参数受限  

摘要： X射线图像违禁品尺寸多变、相互遮挡是小模型目标检测方法检测精度低的主要因素,为了在模型参数受限情况下提高违禁品检测精度,提出一种改进的小型YOLOv8SP违禁品检测网络。针对违禁品大小不一和小目标难以识别的问题,设计了一种多尺寸空间金字塔池化模块,采用密集连接方式实现多尺度特征提取;针对违禁品相互遮挡造成的漏检问题,设计了一种并行注意力模块提升遮挡物体的特征提取能力。大量实验证明,YOLOv8SP在极小的规模上对SIXray数据集的检测精度达到94.27%,相比于原网络提升2.13个百分点,检测速度(FPS)为115;与同类网络相比在精度和运算速度上也具有明显优势,证明了设计算法的有效性。

关键词： 人工势场算法   复杂水域   船舶海上交通   障碍物   斥力函数   虚拟目标点  

摘要： 针对复杂水域中船舶频繁遭遇的动态与静态障碍物问题,本文提出人工势场算法下复杂水域船舶海上交通规划方法。运用实时采集的海上环境信息,构建船舶交通人工势场模型,通过模型中障碍物与目标点的斥力与引力,获得二者的合力,引导船舶躲避障碍物并向目标点航行;向障碍物斥力函数中引入目标距离参数,限制障碍物斥力,解决复杂障碍物下船舶无法抵达目标点问题;增设虚拟目标点,避免复杂水域下船舶规划陷入局部最优状态,得到全局最优规划路径。结果表明,该方法可实现不同复杂水域下船舶最优交通路径规划,准确避障的同时,降低船舶航行时间步长,保证船舶安全高效航行。

关键词： 斗轮堆取料机   无人值守模式   自动化调度   路径规划   优化算法  

摘要： 随着无人值守模式的逐步推广,自动化调度优化与路径规划算法成为提高其工作效率和安全性的关键。本研究聚焦于斗轮堆取料机无人值守模式下的自动化调度与路径规划问题,提出了一种基于优化算法的调度策略与路径规划方法。调度优化利用构建多任务协同调度模型,结合先进的启发式算法进行求解,优化了设备的作业顺序与调度效率。路径规划则采用人工智能算法,考虑了设备运行过程中的动态障碍物与环境变化,实现了高效、安全的路径规划。

关键词： Q-Learning   ROS机器人   强化学习   路径规划   径向基函数   探索策略  

摘要： 移动机器人的路径规划问题受到了广大学者的关注。当机器人在未知环境中进行路径规划时,为了提高规划的效率,通常需要获取相关的先验知识。在强化学习路径规划中,先验知识可以通过多种方式融入到算法中,其中Q-Learning算法是一种常用的方法。传统的Q-Learning算法路径规划存在拐点多、路径长、训练轮次多等问题。因此,提出一种改进算法,针对原Q-Learning算法在机器人路径规划中存在的学习速度慢、探索效率低、规划路径长等突出问题进行了优化。首先,基于栅格地图,在传统算法的基础上采用径向基函数(RBF)网络对Q-Learning算法的动作值函数进行逼近;其次,为了平衡探索与利用的比例,采用了动态调整贪婪因子的方法;最后,增加了机器人可选择的动作,扩充了动作集,改进为八方向探索。仿真结果表明,与Q-Learning算法相比,改进后的Q-Learning算法可将最优路径长度缩短23.33%,拐点个数减少63.16%,算法训练轮次减少31.22%。

关键词： 改进一致性算法   电力系统   负荷频率   自动控制  

摘要： 当负荷变化超出预期范围时,电力系统因无法及时调整发电量以匹配负荷变化而产生频率偏差,为此,提出一种基于改进一致性算法的电力系统负荷频率自动控制方法。对输出功率信号进行重构,获取电力系统的实时运行状态。设计基于改进一致性算法的负荷频率控制器,提高控制器的适应性。最后进行电力系统约束处理,实现系统频率的控制。实验结果表明,该方法在应对相同量级负荷扰动时,显著减小了频率偏差,可为电力系统的稳定运行提供坚实保障。

关键词： 对称张量   秩-1近似   逆迭代   Z-特征对  

摘要： 为得到对称张量秩-1近似分解,提出一个平移逆迭代算法。算法每步迭代子问题转化为计算一个线性方程组,选取适当平移参数保证线性方程组系数矩阵非奇异性,建立逆迭代算法全局收敛性。数值实验表明,算法在运行时间和迭代次数等方面具有较强竞争力。

关键词： 算法   新闻传播   价值异化   重构路径  

摘要： 在信息技术迅猛发展的当下,算法已深度嵌入新闻传播领域,如同一股不可忽视的力量,全方位、深层次地重塑着新闻生态。本文将视角精准聚焦于算法主导时代新闻传播呈现出的全新态势,以严谨的学术态度和敏锐的行业洞察,深入剖析其在内容、传播以及社会等多个层面所引发的价值异化问题。从内容上看,呈现出严重的同质化现象;传播过程中,偏见滋生、生态分裂;社会层面,新闻原本肩负的监督与凝聚共识功能被弱化,甚至导致社会分裂加剧。针对这些问题,本文从优化算法技术架构、强化媒体专业责任、提升受众媒介素养、完善行业规范与监管、促进跨领域协同合作这五个关键维度出发,展开系统且深入的探讨,致力于探寻新闻传播价值的重构路径。通过这一系列努力,旨在为构建健康、多元且负责任的新闻传播环境提供坚实的理论支撑与切实可行的实践指引。

关键词： 脉冲光纤传输   非线性薛定谔方程   物理信息神经网络   啁啾艾里脉冲  

摘要： 非线性薛定谔方程(NLSE)在量子力学、非线性光学、等离子体物理、凝聚态物理、光纤通信和激光系统设计等多个领域中都具有重要的应用,其精确求解对于理解复杂物理现象至关重要.本文深入研究了传统的有限差分法(FDM)、分步傅里叶法(SSF)与智能算法中的物理信息神经网络(PINN)方法,旨在高效且准确地求解光纤中的复杂NLSE.首先介绍了PINN方法对NLSE的求解方法、步骤和结果,并对比了FDM,SSF,PINN方法对复杂NLSE求解与脉冲远距离脉冲传输的误差.然后,讨论了PINN不同网络结构和网络参数对NLSE求解精度的影响,还验证了集成学习策略的有效性,即通过结合传统数值方法与PINN的优势,提高NLSE求解的准确度.最后,采用上述算法研究了不同啁啾的艾里脉冲在光纤中的演化过程与保偏光纤对应的矢量非线性薛定谔方程(VNLSE)求解过程及结果误差.本研究通过对比FDM,SSF,PINN在求解NLSE时的特点,提出的集成学习方案在脉冲传输动力学研究和数据驱动仿真方面具有重要的应用.