基于快速模拟退火的组合聚类算法

应用模拟退火算法解决组合聚类问题有两方面,一是有效利用基础聚类作为先验信息,以获得尽可能好的组合聚类结果;二是降低模拟退火过程的随机性,提高算法收敛速度。针对这2个问题,提出了基于投票的快速模拟退火（BV-RSA）模型。该模型利用基础聚类对样本划分的完全或部分一致性作为启发信息,构建超点集合和超点投票箱,由超点取代其代表的样本子集参与退火过程,超点运动方向在投票箱范围内随机选择,降低了超点运动随机性,加速了组合聚类过程。数据集实验表明,BV-RSA模型在聚类精度和鲁棒性方面表现良好。      

智能监控场景中运动目标轨迹聚类算法

轨迹分析是视频监控场景理解的基础,但由于遮挡等原因,跟踪过程会出现不完整的噪声轨迹,导致分析结果不准确.针对此类问题利用改进的轨迹相似度度量和聚类方法进行场景区域分割.首先,对轨迹进行编码,提出利用轨迹的空间特征和速度方向特征改进相似性度量方法计算轨迹间距离;其次,采用改进的层次聚类算法,以该类最长轨迹作为运动物体行为模式代表,将在空间上接近且具有相似速度特征的轨迹划分为同一场景区域,得到符合实际情况的聚类结果.本算法无需对轨迹进行复杂的预处理或过滤,并且加入速度方向特征使区域划分更加合理.最后,在真实场景下,验证了该聚类算法的有效性和普遍适用性.     

基于相似性传播聚类算法的机会信号选择

介绍了复杂低空环境下的机会信号导航方法,并提出了一种机会信号选择方法,解决了机会导航信号源类型多、数量多难以选择的问题.由于信号源的几何精度因子(GDOP,Geometry Dilution of Precision)越小则定位精度越高,同一区域信号对GDOP影响相似,因此采用聚类的方法选择信号.首先,将各信号间的距离作为相似度测量参数,通过相似性传播聚类算法获得相似类组;然后,依据类组的中心点确定所选类组;最后,从中选择组内的机会信号.经仿真,分析了不同分布的机会信号聚类特点,通过对汶川震区机会信号选择的仿真,验证了相似性传播聚类算法的有效性.另外,该方法在复杂低空飞行应用中将大大提高信号选择的效率.     

解JobShop问题的一种组合模拟算法

针对成批车间的作业排序(Job Shop Scheduling )问题设计了一种模拟退火与Tabu Search相组合的算法.首先用模拟退火算法求得一个初始解,再利用Tabu Search进行进一步的寻优.通过大量的算例分析表明,该算法具有良好的寻优特性与运算效率.     

不规则区域成像覆盖星座构型优化设计

近年来卫星对地观测需要呈现逐年上升趋势.从单个目标点的对地观测卫星星座构型设计方法入手,推广为设计满足不规则大范围成像区域重访时间需求的卫星星座.以卫星数目最少及满足重访时间要求为优化目标,采用改进的模拟退火算法,结合改进的等面积网格点覆盖法,提出了一种针对不规则区域成像全覆盖的卫星星座构型优化设计方法.分析了光照因素对重访时间、所需卫星数目以及星座构型的影响,并通过仿真分析验证了算法的可行性.      

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低,功耗低的优点,在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点,提出了一种利用基于OPTICS聚类算法的空间目标检测方法,可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点,并结合星图识别的结果选择部分帧,使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后,使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中,目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法,减少了在轨任务中相关参数的调节,进一步提升了算法的自主性.     

基于阈值的激光雷达K均值聚类算法

针对同一距离不同目标的激光雷达全波形回波数据聚类准确率低的问题,在分析K均值聚类算法原理的基础上,提出了一种基于阈值的K均值聚类算法。首先,利用强度信息对距离信息进行标定,使用强度信息作为特征进行聚类以区分同距离的不同目标。然后,利用阈值限定聚类中心间的最小距离,提高聚类准确率。最后,搭建了扫描验证平台进行平移和旋转成像,对算法有效性进行验证。通过不同颜色目标和模拟道路回波数据聚类实验表明,在不同阈值的情况下,提出的基于阈值的K均值聚类算法的聚类准确率均在90%以上,相比于无阈值的K均值聚类算法准确率提升10%以上,能够有效进行目标聚类和模拟道路提取。      

解决排班问题的多目标优化模型及算法研究

为提高排班结果的准确性可靠性,提出了排班问题的多目标优化模型,并应用改进的基于信息熵的自适应遗传算法求解模型的最优解.同时引入分割集和模拟退火算法的思想进行优解的选择.通过对航空公司机组排班问题的仿真比较,模型的正确性和先进性得到了验证.      

基于混合遗传算法车间多工艺路线批量调度

结合启发式分派规则和模拟退火算法,给出了改进的遗传算法——遗传退火算法(GASA,Genetic Algorithm-Simulated Annealing Algorithm).该算法采用新型POX交叉算子,通过结合模拟退火算法,有效地避免了基本遗传算法解决车间调度早熟的问题,并通过实验验证了该算法的有效性.基于GASA研究了航空复杂产品制造车间中,考虑生产批量、生产转换时间、允许多设备加工路线的车间静态与动态调度问题,分析并验证了不同分批方法对考虑以上因素的车间生产调度结果的影响.该算法已应用到某航空车间生产计划与控制系统中.      

基于极大熵聚类的工程项目风险预警模型

该方法针对当前大部分工程风险预警模型只能报警,不能预测的现状,提出了基于熵最优化的工程项目风险预警方法.利用判别熵最小化选取项目风险预警指标值,通过特征选取找出那些最有效的特征,研究出一种新的聚类算法——极大熵聚类算法,极大熵聚类算法是以概率为比例将任一指标向量分配给所有码向量,而不是仅仅只分配给与之最近的码向量,该算法是C-均值算法的一种推广.最后用实例验证该模型,用此算法对预测结果进行分类,判断项目的风险状态.结果表明这种方法估计工程项目风险快捷有效,与实际情况基本一致,可以应用于工程分析.      

散乱点云自适应滤波算法

提出一种散乱点云自适应滤波算法,该算法采用改进的R*-树组织散乱点云的拓扑近邻关系,基于该结构快速准确获取局部型面参考数据,自适应调节二维高斯分布的数字特征计算滤波权值,计算局部型面参考数据对原始型面数据的影响因子,以此作为权值计算各点滤波后的坐标,采用加权平均方法实现散乱点云的自适应滤波.实验证明该算法可有效提高点云的滤波效率,在保留原始型面特征的基础上,减小点云的随机误差,提高光顺性.     

Multi-rover navigation on the lunar surface

The paper presents a method of determination an accurate position of a target (rover, immobile sensor, astronaut) on surface of the Moon or other celestial body devoid of navigation infrastructure (like Global Positioning System), by using a group of self-calibrating rovers, which serves as mobile reference points. The rovers are equipped with low-precision clocks synchronized by external broadcasting signal, to measure the moments of receiving radio signals sent by localized target. Based on the registered times, distances between transmitter and receivers installed on beacons are calculated. Each rover determines and corrects its own absolute position and orientation by using odometry navigation and measurements of relative distances and angles to other mobile reference points. Accuracy of navigation has been improved by the use of a calibration algorithm based on the extended Kalman filter, which uses internal encoder readings as inputs and relative measurements of distances and orientations between beacons as feedback information. The key idea in obtaining reliable values of absolute position and orientation of beacons is to first calibrate one of the rovers, using the remaining ones as reference points and then allow the whole group to move together and calibrate all the rovers in-motion. We consider a number of cases, in which basic modeling parameters such as terrain roughness, formation size and shape as well as availability of distance and angle measurements are varied.