CALIS IR
English   中文  

| Receive email updates | My CALIS IR | Edit Profile |

   Search

 

Communities& Collections | Browse by Issue Date | Browse by Author | Browse byTitle | Browse by Subject

Refine Results



   Search Results

  Search Use 11 ms        
 
基于蚁群算法WDM网络故障恢复路由研究
作者: 简耀波, 阮双琛, 杨春勇 主题: 波分多路复用, 蚁群算法, 波长路由, 优先开放最短路径算法, 宽度优先搜索算法 年份: 2008
摘要: 蚁群故障恢复算法是一种新颖的模拟进化算法。该算法基于群以正反馈作为首要的搜索机制,为复杂的组合优化问题提供了一种新方法。本文在传统蚁群算法的选择策略,本地搜索,以及信息更新三方面做出改进。改进后的算法用于解决波分复用光网络中不同故障条件下的优化恢复路由问题。通过对一个典型网络chinanet的数值仿真,证明了蚁群故障恢复算法在wdm网络中故障恢复路由的可行性。
基于人工蚁群优化的矢量量化码书设计算法
作者: 李霞, 罗雪晖, 张基宏 主题: 蚁群算法, 图像压缩, 矢量量化, 码书设计 年份: 2004
摘要: 本文提出一种基于人工蚁群优化的矢量量化码书设计新算法 .该算法利用人工蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制 ,结合单只蚂蚁通过拾起、放下物体从而使物体聚堆的行为模式 ,合理设计放下概率、禁忌列表、信息素更新方式以及相应的参数 .与基于进化模拟退火和随机竞争学习的码书设计算法相比 ,本文提出的算法能获得性能较好的码书 ,其峰值信噪比比传统的lbg算法提高超过 2db
基于自适应蚁群优化的矢量量化码书设计算法
作者: 罗雪晖, 李霞, 张基宏 主题: 矢量量化, 码书设计, 模拟进化算法, 蚁群算法 年份: 2012
摘要: 本文提出一种基于自适应蚁群优化的矢量量化码书设计算法。该算法利用人工蚁群系统中蚂蚁通过信息量留存寻找最优路径的机制,合理设计转移概率、禁忌列表、信息量更新方式及自适应地调整截取转移概率的参数。实验结果表明,该算法能获得质量较好的码书和主观效果较好的译码图像。
基于蚁群算法的目标量测数据关联
作者: 张珂磬, 黄敬雄, 谢维信, 康莉 主题: 蚁群算法, 数据关联, 扩展卡尔曼滤波 年份: 2012
摘要: 本文提出了基于蚁群算法的多目标量测数据关联方法。该方法首先针对目标与量测之间的距离信息和方位信息,将蚁群算法中单纯求路径最短,替换为两者间距离以及方位的变化量的加权和,然后利用蚁群算法的内在机制,确定目标航迹和量测的正确关联。最后,我们采用扩展卡尔曼滤波进行状态估计,验证关联正确性。从实验结果看,考虑方位信息的蚁群算法较不考虑方位信息的蚁群算法能获得更高的正确关联率,且运行时间较短。
带运力限制车辆路径问题的简易蚁群算法实现
作者: 潘志铭, 林少聪, 李霞 主题: 带运力限制的车辆路径问题, 蚁群算法, 信息素更新, 全局收敛性, 收敛速度 年份: 2005
摘要: 以求解旅行商问题的蚁群算法为基础,根据带运力限制车辆路径问题的实际应用条件,提出一种较为简易的求解带运力限制车辆路径问题的蚁群算法,并对其中的信息素更新策略进行了分析,对蚁群中的精英蚂蚁(搜索出最优解的蚂蚁个体)所经过路径的信息素进行加强,提高了算法的全局收敛性能和收敛速度,允许蚂蚁在搜索的最初阶段有较大的自由以扩大最优解的寻找空间,提出改进蚁群算法.实验结果表明,该方法能在较短的时间内达到已知最优解的1.5%误差范围.
基于混合蚁群算法的一种矢量量化码书设计算法
作者: 罗雪晖, 李霞, 张基宏 主题: 图像压缩, 蚁群算法, 矢量量化, 码书设计 年份: 2005
摘要: 提出了一种基于混合蚁群算法的矢量量化码书设计算法。该算法首先通过自适应地调整截取转移概率的参数,加大蚁群算法的搜索最优解的力度;然后以蚁群算法搜索的结果作为初始解,利用改进的lbg算法作进一步的搜索,从而加快算法的收敛速度。实验结果表明,该算法不但大大提高码书性能,而且也缩短了运行时间,解码恢复图像能获得较高的主、客观质量。
SIS框架下基于蚁群算法的数据关联方法
作者: 康莉, 谢维信, 黄敬雄, 张珂磬 主题: SIS, 蚁群算法, 跟踪, 数据关联 年份: 2012
摘要: 提出一种新的多目标跟踪方法。鉴于蚁群算法解决复杂问题的优势,对其进行适当修改后,用于解决多目标跟踪中的数据关联问题,并且采用sis(sequential importance sampling,序贯重要性采样)对目标进行跟踪。实验对二维平面中的多个目标进行了仿真,结果表明,将基于sis框架和蚁群算法实现多目标的跟踪是行之有效的。
顾及目标运动多信息特征的蚁群数据关联方法
作者: 康莉, 谢维信, 黄建军 主题: 蚁群算法, 数据关联, 目标跟踪 年份: 2011
摘要: 针对多目标跟踪的数据关联问题,提出一种将目标运动信息多特征进行融合的蚁群数据关联方法。首先,根据数据关联的具体问题,重新定义了蚁群数据关联方法中路径与路径长度两个概念。其次,考虑目标运动过程中的多种信息特征,即距离信息、方向信息以及灰度信息,将这三种信息特征有机融合,共同作为数据关联标准实现多目标的蚁群数据关联。在多目标跟踪实验中,论文采用ekf滤波方法对目标运动状态进行估计。仿真实验对两个目标交叉运动的情况进行了跟踪估计。实验结果表明,考虑多信息特征后的基于蚁群数据关联的方法在计算量相当的情况下,能较未考虑方向信息以及灰度信息的蚁群数据关联方法获得更高的正确关联率,算法的综合性能优于现有的数据关联方法。
一种基于蚁群算法的多目标跟踪数据关联方法
作者: 康莉, 谢维信, 黄敬雄 主题: 目标跟踪, 数据关联, 蚁群算法, 信息素 年份: 2008
摘要: 针对多目标跟踪问题,提出基于蚁群算法的数据关联方法.首先将多目标跟踪问题描述为组合优化问题.利用蚁群算法解决组合优化问题的优势,在对其路径和路径长度概念重新定义的基础上,将其应用于选择多目标跟踪中的轨迹-观测关联集合.详细介绍了蚁群算法应用于数据关联问题的具体方法,建立了基于蚁群算法的数据关联模型.实验结果表明,论文提出的基于蚁群算法的数据关联方法是行之有效的.
基于蚁群算法的多目标跟踪方法
作者: 康莉, 谢维信, 黄敬雄 主题: 目标跟踪, 数据关联, 蚁群算法, 信息素 年份: 2008
摘要: 提出了一种新的基于蚁群算法的多目标跟踪方法。方法采用蚁群算法实现多目标跟踪中的数据关联,首先将多目标跟踪中的数据关联问题表示为具有约束条件的优化问题,用蚁群算法对该优化问题求解,得到的解即为最优关联。为验证该算法的有效性,在两种状态估计方法ekf(extended kalman filter)和sis(sequential im-portance sampling)的基础上进行了多目标跟踪实验,并且与传统的nn(nearest neighbor)方法进行了比较。在与sis框架结合时,算法中采样粒子包括状态矢量和关联矢量,状态矢量通过序贯重要性重采样获得,关联矢量通过蚁群算法求得。实验结果表明,将蚁群算法融合进sis算法进行多目标跟踪是有效的。
  • 返回 11 个结果  
  • 1
  • 2

 

Copyright © 2001-2012  CALIS (Developed Based on CALIS IR Software) - Feedback Number of User on Line: 110     Total of Site Visit: 6609975