改进菱形运动估计算法研究与实现

针对目前菱形运动估计搜索算法存在的问题,对不同宏块采用相同的搜索策略,而不能根据视频序列的特性,迅速缩小搜索的范围,造成搜索冗余。文章分析了运动矢量的分布相关性,提出了基于起点预测的改进菱形运动估计算法。该算法结合提前中止准则,能改进菱形算法的搜索流程。仿真结果表明,该算法在降低计算复杂度的同时,还可有效地保证搜索精度。     

一种改进的和声搜索算法求解装配作业车间调度问题

针对装配作业车间调度问题（AssemblyJobShopScheduling Problem, AJSP）,以最小化提前/拖期（Earliness/Tardiness, E/T）成本为目标,提出一种改进的和声搜索算法(Harmony Search,HS)。该算法采用随机数编码方式,在解码过程选择两种启发式算法（Heuristic Algorithm）作为解码算法指导排产,提升解的质量和求解效率。算法的搜索过程采用一次创造多个和声的方式,充分利用和声库的资源,在每次迭代过程提高和声库内和声的整体质量,提高搜索能力。通过设计多种不同结构的装配产品,组成规模大小不同的算例进行试验,将改进的和声搜索算法与基础和声搜索算法进行对比研究,验证了改进和声搜索算法的有效性。同时,以改进和声搜索算法求解结果为例,对两种启发式解码算法进行对比分析研究,为后续进一步研究提供了方向。     

基于邻域搜索的快速分形图像编码算法

文章在基本分形图像压缩算法的基础上提出了一种基于邻域搜索的快速算法。将子块按标准差分为平滑块和非平滑块,对于平滑子块直接存储其均值,以减少需要搜索匹配父块的子块数;对于非平滑子块,在从其周边邻域内划分得到的父块中搜索最优匹配父块,并引入自适应误差阈值和扩大邻域范围搜索的最大次数来控制子块搜索的邻域范围。实验证明,该算法编码速度大大提高。     

基于适应度值方差布谷鸟算法参数调整

为了使布谷鸟搜索算法在保持快速搜索能力的同时,提高算法寻优精度.本文首先分析算法参数pa和β对迭代过程所得适应度值方差的影响,根据方差的变化动态调整算法搜索过程中参数的取值,提出了一种基于适应度值方差改进的布谷鸟搜索算法,并通过5个标准测试函数分别对CS和VCS进行测试,结果表明,VCS的寻优性能优于CS.     

求解块下Hessenberg方程组的新算法

给出了求解块下Hessenberg方程组的新算法——线性插值法,该方法所需要的运算量较通常的Gauss消去法所需要的运算量小,而且有很高的计算精度.     

特征点匹配对预筛选的快速运动背景配准

针对运动背景下的运动目标检测实时性要求高的问题,提出了特征点匹配对预筛选的快速运动背景匹配,通过配准运动背景,然后通过帧间差分法提取运动目标。该算法首先利用Harris算子提取背景图像的Harris特征点,然后对Harris特征点进行匹配得到匹配对,通过K-means聚类算法对特征点对进行预筛选,预筛选后的特征点对利用改进的随机样本一致算法(PROSAC)计算放射变换矩阵,最后对背景图像进行变换配准。实验仿真表明,该算法极大地提高了运动背景匹配速度。     

菱形挂篮优化设计

本文对菱形挂篮进行了优化设计和检算,可用优化后菱形挂篮主桁架、底模等构件做悬臂箱梁0#块的牛腿托架施工,改进了挂篮施工工艺,提高了菱形挂篮的经济价值和施工安全质量。     

基于遗传禁忌搜索算法的AGV物料输送调度问题研究

研究AGV物料输送工作过程,建立多复杂、多约束条件的AGV物料输送多参数调度问题数学模型。将禁忌搜索算法引入遗传算法组成混合遗传禁忌搜索算法。通过所建立的数学模型进行算法设计和仿真,结果表明该算法比较单纯的遗传算法的计算结果有一定的改进,使AGV完成物料输运任务时耗用时间最短。     

取送货路径优化问题的候鸟群自适应变邻域搜索算法

具有时间、车容量和后进先出约束的多车辆取送货路径优化问题在现实中具有广泛的应用,针对现实问题中规模性和模型的复杂性使其在短时间内无法精确求解的问题,提出了候鸟群自适应变邻域搜索算法(MBO＿AVNS)。以三种贪婪插入算法构建初始种群,确保种群的多样性和初始解的质量,对传统候鸟优化算法的邻域搜索算法进行改进,加强了算法的局部搜索能力。通过真实数据进行实验分析表明,与模拟退火算法(SA)和一般自适应变邻域搜索算法相比,MBO＿AVNS算法在求解具有时间和后进先出约束的取送货路径问题上更具有优越性。     

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法。通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能。另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度。最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例。结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具。