基于两阶段法的多车型卷烟配送路径优化研究

在烟草商业企业中,物流是其重要的环节,是连接客户与烟草企业间的纽带,其卷烟配送线路设计的合理与否直接影响到卷烟的配送效率和配送成本,就如何合理的规划线路成为卷烟配送的关键问题。文章以Q烟草公司为例,运用先分组后路线的两阶段法对问题进行求解,先利用K-means聚类算法对区域进行划分,再考虑工作量均衡的条件下引入遗传算法对区域进一步调整,最后利用混合遗传算法对各配送区域进行线路优化,通过实例从线路数、车辆数、空载率、配送里程及总成本等指标上可以看出两阶段法的配送效果更优。     

基于粒子群算法下的交叉口信号配时优化

为了合理地优化交叉口信号配时,通过分析交叉口的评价指标,建立了以车辆的平均延误、停车次数最小、交叉口整体通行能力最大、各相位有效绿灯时间和交叉口周期时长作为约束条件的数学模型。并通过改进前人研究基础上的动态加权系数,将多目标的非线性优化问题转化为单一目标的非线性规划问题,为了得出更科学稳定的解,提出了改善粒子群算法系统稳定性的2种方法,并将其与粒子群算法结合起来。然后以Matlab为求解工具,结合临邑市某一交叉口实例进行求解分析。最后的结果表明,在使用改进后的粒子群算法进行优化后交叉口通行能力较之现状提升了9%,延误下降了28%,停车次数下降了9%,且各项优化结果均优于Webster,改进后的算法在程序中运行300代,到216代才开始收敛,而未改进的算法稳定性较差,优化结果和收敛曲线则随着实验次数的变化而变化,最后的结论证明了该算法和模型的可靠性。     

GNSS抗干扰技术综述

随着电磁环境的日益复杂、干扰技术的不断进步，全球卫星导航系统（Global Navigation Satellite System，GNSS）的各类应用受到了严重阻碍，在强干扰环境中，扩频增益不足以对干扰进行有效抑制，需采用各种抗干扰措施。对GNSS抗干扰技术进行了分类，概述了不同抗干扰技术的研究现状及进展，并对GNSS干扰源与干扰类型进行了归纳总结，给出了不同干扰类型对应的抗干扰方法，进一步对比分析了几类常见自适应算法的性能，最后指出了GNSS抗干扰技术未来的研究趋势。     

基于PSO-SAS的联合侦察任务规划

针对联合侦察筹划中任务规划阶段机动侦察平台阵位与路线确定困难的问题，提出了一种基于粒子群优化-稀疏A星(Particle Swarm Optimization—Sparse A-star,PSO-SAS)算法的规划方法。该方法综合考虑侦察装备机动性能以及敌火力威胁、地形等因素，在侦察阵位规划上，建立了阵位综合评估模型，并利用粒子群算法进行阵位寻优；在路线规划上，采用稀疏A*算法进行航迹规划，通过将机动性能、安全距离、路程等约束引入搜索过程，缩短最优路线的计算时间。仿真试验验证了所提方法生成的侦察阵位和路线能够满足侦察任务要求。     

利用ACE值构造QC-LDPC码

为进一步提升中短码长下准循环低密度奇偶校验(Quasi-cyclic Low-density Parity-check,QC-LDPC) 码的纠错性能，提出了一种综合短环数目和环连通性的QC-LDPC码构造方法。首先，采用Golomb规则构造QC-LDPC码，对基矩阵中的部分元素进行替换预处理，初步降低短环数目；其次，采用所提的利用近似环外信息度（Approximate Cycle Extrinsic message degree，ACE）的消环掩模算法来优化QC-LDPC码，使得掩模后的校验矩阵具有较大的ACE平均值，最终完成QC-LDPC码的构造。该构造方法简单、通用性强，在短环数目和连通性间进行了平衡。与只考虑减少短环数目、增大围长等方法相比，该方法构造的QC-LDPC码有更加优异的纠错性能。     

一种基于CNN与LSTM结合的微表情识别算法

微表情表现强度微弱且非常短暂。针对微表情识别效果不理想的问题，以视觉几何组（Visual Geometry Group，VGG）网络为基础，提出卷积神经网络（Convolutionnal Neural Network，CNN）与长短期记忆网络（Long Short-Term Memory，LSTM）结合的识别算法。CNN提取数据集CASME II的空域特征，LSTM处理时域特征，实现空域与时域特征的结合。针对深度学习训练困难以及过拟合问题，加入批量归一化算法与丢弃法，提高网络训练速度，有效防止过拟合。针对数据集稀缺的问题，固定每次读取帧序列的长度，随机生成起始帧的位置，不断循环读取以遍历整个数据集并达到数据扩增。根据实验结果，五类微表情(高兴、惊讶、厌恶、抑郁、其他)识别率最高可达72.3%。     

区域多任务安全隐患排除的机器人调度策略

针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题，提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优；随后通过改进的灰狼优化算法先后两次求解遍历顺序，引导机器人规划搜索路径与排除隐患点路径；最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障，逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试，改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高，验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。     

NTRU格上高效的身份基线性同态签名方案

针对现有的格上身份基线性同态签名方案密钥存储量大、结构复杂导致方案实际运行效率相对偏低的问题，提出了一个NTRU（Number Theory Research Unit）格上高效的身份基线性同态签名方案。首先在密钥生成阶段利用NTRU密钥生成算法产生主密钥，接着采用格基委派算法给出身份签名私钥，最后运行NTRU格上原像抽样算法产生出线性同态签名。对方案的安全性证明与性能分析结果表明，新方案满足正确性，具有弱内容隐私性。在随机预言机模型下，该方案在小整数解问题困难性条件下满足适应性选择身份和选择消息的存在性不可伪造性。同时，由于采用NTRU格的特殊结构，新方案在密钥量与运行效率方面与已有方案相比较均具有显著的优势，这对于计算资源受限环境的同态认证中具有重要的应用价值。