基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置，提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制，在障碍分布密集时选择最安全的路径，在障碍物分布稀松的环境中，利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外，还引入了搜索树，可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能，在障碍物分布稀松时效果更加明显，且可实现死角检测并能通过狭长通道。      

一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

虚拟现实系统中立体显示算法的研究

实时生成三维立体图形是虚拟现实(VR)的一项核心技术.文中对基于投影变换的立体显示算法、基于相关性理论的立体显示算法以及基于计算机生成全息的立体显示算法等进行了研究.     

移动机器人在部分未知环境中作业的定位算法

通过对移动机器人在部分未知环境中的运动分析,结合多传感器信息,提出一种新的移动机器人在未知环境中的定位算法.该算法可根据移动机器人的运动过程,不断更新其位置状态,并能对下一步位置状态进行预估计,然后根据实测传感器信息对预估值进行修正,获得实际位置状态.     

基于实例推理技术及其研究发展方向

基于实例的推理技术（Case- Based Reasoning ,CBR）是人工智能及机器学习领域中的前沿方向.作为一种增量式的学习方法,规避了传统人工智能在知识获取上的瓶颈问题.本文介绍了CBR的基本原理、实例中知识的表示方法和Tverskey和k-NN两种检索技术;详细讨论了CBR实现过程中的中心问题--实例修正问题,给出实例的修正的8种技术与方法;提出了基于实例的推理技术的研究重点和发展方向.     

利用热源温度场迭加法诊断持续点热源的强度及位置

可重复使用运载器的防热瓦故障会使航天器的局部结构产牛热源，并在结构中形成温度场。应用热源温度场迭加法的解函数，解得结构温度历程，然后据此温度的变化率趋势判断出热源位置，在此基础上依据多点测最值构造出辨识参数用于热强度识别，通过对一薄壁结构模型算例的计算仿真，证明了本文所提方法的有效性。论文工作为进一步开展热源诊断技术研究，提供了可资工程实践应用的数值算法体系以及有益的数值计算结论。     

飞机导管标志研究与改进

分析了飞机各管路系统中导管标带识别、涂色识别和印章识别传统方法的不足，提出了采用激光刻制导管图号标记的新方法，阐明其基本原理和方法，并与传统方法作了比较分析。激光刻制方法使设计人员不用再在图样上注明导管的标志和辅助标志，减轻了设计的工作量，提高了工作效率，缩短了导管制造周期；同时减轻了飞机的重量，改善飞机性能；标记清晰、美观易认，有利于飞机的检查和维修。     

一种RS码变换域译码算法及关键方程的讨论

提出了RS系统码的一种变换域译码的算法,该算法不用求错误位置多项式的根和错误值,运算结构规则:用Grbner基理论分析证明了关键方程的解是在相似文献   

求解含多个右端向量非对称线性方程组的自适应块拟最小残量IOM(q)算法

许多实际应用问题需要求解含多个右端向量的大型非对称线性方程组 ,通常是把原来方程组分成单独几个含一个右端向量的方程组 ,再用某种迭代法分别单个求解 ,而更加经济有效的方法是应用能同时产生几个迭代向量的块迭代法来直接求解。本文在 IOM(q)算法的基础上 ,提出一种求解此类方程组的块拟最小残量 IOM(q)算法 ,讨论了如何收缩掉已收敛的部分方程组以及如何从产生的块 Krylov序列中删除线性相关或几乎线性相关向量的自适应技术。数值试验表明 ,此新的自适应块算法比块 GMRES算法及其他相关算法具有更好的收敛行为、更少的计算量和 CPU计算时间 ,是求解此类方程组的一种更加经济有效的算法。     

高职院校核心竞争力的识别和培育

随着我国高等教育的迅猛发展，高等职业技术学院将面临更加激烈的市场竞争，要保持长久的竞争优势，关键是要打造高职院校的核心竞争力，其核心竞争力在于识别和培育上。强化管理体制、人力资源机制和运行机制是培育核心竞争力的主要方法。