共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
针对建筑机器人在施工现场获取地图信息时间长且需要规划出一条全局的、能实时避障的路径等问题,该文提出了一种应用建筑信息模型（building information model,BIM）技术建立导航地图并进行路径规划的算法。根据BIM模型中的信息对传统RRT算法进行优化改进,提出了IRRT(improved rapid-exploration random tree)算法。首先将原有的固定步长改为动态步长,通过判断与目标点的远近界定步长大小,避免了节点的盲目扩张;其次,对随机采样点的生成范围进行了约束,并设置一个同时考虑目标点和随机点的权重来解决传统RRT算法中新生成点仅由随机采样点单一决定的问题;算法陷入最小值时选取随机扰动策略进行逃脱;最后在全局路径的相邻节点间使用动态窗口法进行局部避障。实验仿真结果表明IRRT算法比传统RRT算法在搜索速度上快了3倍多,平均路径比改进前减少25.56%,平均节点减少8.92%,加入动态窗口法后有效提高了机器人实时避障能力,更适合多变的室内环境使用。 相似文献
3.
为改进小波神经网络模型对短时交通流的预测效果,提出一种基于改进混合蛙跳算法的短时交通流预测模型用以优化小波神经网络。该算法使用交叉分组法对子群进行划分,再利用具有自适应因子的局部搜索策略平衡混合蛙跳算法局部与全局搜索能力,最后把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测。实验结果表明,该方法对短时交通流预测精确度达到97.43%,比传统方法提高1.016 1%,均方根误差比传统方法降低了5.587 9%,具有较高的应用价值。 相似文献
4.
在对已有快速整像素运动估计算法中使用的模板进行分析和实际测试的基础上,提出了一种新的适合于大运动矢量搜索的搜索模板,然后把该模板和小菱形模板结合起来而形成了一种新的快速运动估计算法。该算法充分利用了相邻块运动矢量的相关性以及运动矢量的中心偏置特性,显著减少了运动估计的运算量。把该算法运用到视频编码标准H.264/AVC中,取得了良好的编码效果,实验结果表明,新的运动估计算法和FS及DS算法相比平均搜索速度分别提高了98.08%和48.71%;重建图像的信噪比比DS算法平均提高了0.001875dB,更接近FS算法的编码质量。 相似文献
5.
针对蚁群算法易早熟及局部搜索能力欠佳的缺陷,将迭代局部搜索策略引入蚁群算法。新算法的基本思想是：从初始解出发,用蚁群算法进行局部搜索,如陷入局部最优,则产生一个摄动解作为新的初始解再进行局部搜索,根据接受规则决定进入下一步迭代的局部最优解。将改进算法应用于二维路径规划,数值实验表明,改进算法相比基本蚁群算法有更佳的局部收敛性,可获得比基本蚁群算法结果更优路径。 相似文献
6.
蚁群算法作为解决TSP中组合优化问题方案,其搜索路径能力较其它算法优异,但传统蚁群算法的选取策略较随机,导致进化速度慢。为了优化传统蚁群算法速度较慢、过早收敛以致停滞现象,针对概率选取公式随机搜索下一节点,以延缓其收敛速度。对信息素调节公式进行更新以提高蚁群的搜索能力。实验结果表明,改进算法在最短路径、平均路径和搜索最短路径时间上较蚁群算法提高很大,改进的蚁群算法能有效提高算法的收敛速度和搜索能力。 相似文献
7.
针对粒子群算法应用于机器人目标搜索过程中存在的早熟现象,提出一种基于改进粒子群算法和模拟退火算法相结合的目标搜索新方法,以提高算法的全局搜索能力。为解决通讯距离有限、机器人无法与基站进行信息交互和不能实时追踪动态目标等问题,引入通讯功能。算法中机器人与基站有两种通讯方式,一种是基站跟随最优机器人移动的通讯方式,另一种是在前者基础上将机器人按一定比例分为通讯机器人和搜索机器人的通讯方式,由通讯机器人负责搜索机器人与基站之间的通讯。两种通讯方式下机器人都采用动态多目标搜索策略搜索动态多目标。在考虑通讯距离的情况下,经过仿真测试,与传统的通讯粒子群算法相比,提出的改进通讯粒子群算法能更加有效地追踪动态目标。 相似文献
8.
9.
10.
针对二进制搜索树算法在解决射频识别系统多标签冲突时读写速率低的问题,提出一种基于物理层网络编码的射频识别标签防冲突算法PNBA。PNBA算法将传统防冲突算法丢弃的多标签冲突信息压栈保存,引入物理层网络编码技术,结合栈顶信息和已识别标签信息,通过物理层网络编码的解码运算得到未被读取的标签信息,减少读写器和标签之间的交互次数,提高多标签的识别速率。理论分析和MATLAB仿真表明,PNBA算法与现有二进制搜索算法相比,能够减少读写读取次数,提高系统读写速率。在标签数目为100时,其读取次数比基本二进制搜索树算法低83%,比后退二进制搜索树算法低43%,读取次数效率达0.93。 相似文献
11.
针对深度Q网络(deep Q-network, DQN)算法收敛速度慢、规划路径不平滑及样本利用率低的问题,对其进行了改进。首先,在DQN算法的动作引导策略中引入了改进的人工势场引力函数和目标引导动作函数,同时设计了一种分段奖励函数,以此提出了启发式深度Q网络(heuristic deep Q-network, HDQN)算法,有效地减少了算法训练过程中的碰撞次数,提高了算法的收敛速度,使规划出的路径更优。然后,将HDQN算法与改进的优先级采样策略相结合,提出了一种贪心采样的启发式深度Q网络(greedy sampling heuristic deep Q-network, GSHDQN)算法,有效地提高了样本利用率。最后,对DQN、HDQN、GSHDQN这3种算法在Ubuntu系统进行了路径规划仿真。仿真结果表明,与DQN算法相比,GSHDQN算法平均总迭代时间可降低28.0%,平均路径长度可减少34.7%,碰撞次数可减少32.4%。 相似文献
12.
基于图搜索策略的数独问题算法与实现 总被引：1，自引：0，他引：1
李昊 《通化师范学院学报》2009,30(10):43-45
图搜索策略是解决传统人工智能问题的有效方法．该文使用状态空间表示方法以及图搜索策略,提出了一种有效的解决数独问题（Sudoku）的算法,采用递归和回溯,进一步提高了算法的效率,并结合Excel和VBA给出了算法的具体实现。 相似文献
13.
尹然然 《西安文理学院学报》2018,(4)
针对未来网络资源任务具有明显的动态变化特征,导致资源存在利用率严重失衡的现象,提出了基于凸优化的未来网络资源分配策略(Future network resource allocation strategy,FNRAS).本分配策略结合应用了窗口思想的负载热点预测方式,根据实际分配速率与分配效果确定网络资源类型的数量,通过全局搜索的方式构建了凸优化以确定网络资源的最佳放置形式.同时将本文算法跟贪心算法、顺序放置以及标准社会力群智能优化等算法之间的差异性进行对比.结果显示:该算法具有比其它各类算法更明显的优势,可以将本文研究结果作为改善未来网络资源性能的重要理论参考. 相似文献
14.
布谷鸟搜索算法在后期搜索过程中存在速度慢、计算精度低等问题,通过引入一种在迭代过程中发现概率和缩放因子自适应策略,对自适应步长布谷鸟搜索算法进行改进,以提高算法的收敛速度和精度.采用4个benchmark测试函数,对基本、自适应步长以及改进的布谷鸟算法进行比较讨论,验证改进算法的有效性.实验结果表明,经改进后的算法具有较好的收敛速度和精度. 相似文献
15.
混部负载是当前业界提高数据资源利用率的重要手段,其原理是将在线负载和离线负载共同放置于同一数据中心、共享资源,在保证在线负载服务质量的前提下,将空闲资源分配给离线负载。当前针对混部负载中离线负载的资源调度采用传统的公平或者短作业优先等策略,并未考虑在线负载资源需求波动对离线负载运行的影响。为了达到进一步提升资源利用率和作业吞吐率的目的,提出基于负载完成时间预判的模拟退火资源分配策略。结果表明,该策略比公平策略和短作业优先策略在平均资源利用率上分别提高了7.8%和15.5%,在吞吐率上分别提高了38.2%和29.1%。 相似文献
16.
基于博弈理论提出了一种路径搜索问题的优化算法,将路径搜索问题的搜索空间映射为博弈的策略组合空间,而路径搜索问题的目标函数映射为博弈的效用函数,通过遍历博弈支持集搜索纳什均衡解,并利用启发思想根据博弈的结构制定搜索策略,以期望用最小的代价减少搜索节点数、提高应用系统的性能及效率。 相似文献
17.
基于样本块的纹理合成修复算法（Criminisi算法）在匹配样本块时,因为使用全局搜索策略而降低了有效匹配效率。针对这一问题,重点研究了一种改进的基于样本块的数字图像修复算法。改进算法考虑到相邻像素块的相似性,对图像样本区域进行了重构,减少了样本块搜索范围,提高了图像修复效率。 相似文献
18.
19.
20.
欧阳林艳 《洛阳师范学院学报》2011,30(8):69-71
搜索策略是人工智能研究的主攻方向之一,采用不同的搜索策略在求解问题的过程中也会存在差异.通过对于八数码的搜索求解分析,采用盲目搜索中的广度优先搜索算法和启发式搜索中的A*算法进行实现,将广度优先搜索算法与A*算法进行比较,从而评价这两种搜索算法的优劣性. 相似文献