摘要：针对鼠群搜索算法(Rat Swarm Optimizer,RSO)在求解无人机(Unmanned Aerial Vehicle,UAV)三维路径规划问题时的收敛精度低,易早熟等问题,提出了一种基于多方向跳跃翻筋斗鼠群算法(Multi-Direction Jump and Somersault RSO,MJSRSO)的UAV三维路径规划方法。首先,建立了UAV三维路径规划优化模型;其次,在MJSRSO算法中,引入It⁃erative混沌自适应小孔成像学习策略初始化种群以增强种群多样性;同时融入了多方向跳跃型捕食和莱维翻筋斗追逐策略,并利用双平衡自适应对称锥形因子更好地控制算法局部开发和全局探索,提高算法的寻优能力。最后,利用MJSRSO算法求解了不同的UAV三维路径规划问题。仿真结果表明,这里提出的MJSRSO算法能够规划出代价最小的安全飞行路径,其寻优性能优于其他算法,证明了所提出的无人机三维路径规划方法的有效性和优越性。

摘要：以编译原理理论为基础,详细介绍了80C51汇编语言的词法分析器的设计与实现中几项关键技术:正则表达式,状态转换图,符号表,词法分析器和语法分析器的交互等,提出了80C51汇编语言词法分析器的设计方法,实现了词法分析器的设计.

摘要：物联网中感知设备可以随身携带,具有明显的社会属性.在设计转发策略的时候,需要考虑感知设备的社会属性对路由算法性能的影响.针对人们在日常生活、工作当中展现出的群聚行为,提出了一种面向聚集点的机会路由算法.该算法结合传统的多备份路由机制以及直接等待传输策略,通过在聚集区域内放置一个静态节点来辅助移动节点进行数据转发,解决移动网元之间以及移动网元于静态网元之间的数据转发问题,进而改善了传统机会路由算法的性能.

摘要：通过实例介绍如何应用Experto-View Cast软件进行铸造工艺设计并与原有设计方法作对比。通过对金属液充型和凝固过程的数值模拟进行铸造工艺设计,实现了铸件补缩系统以及浇注系统的设计和优化,得到了无缺陷铸件的铸造工艺。实际生产证明了利用计算机软件取代传统的工艺设计方法能够节省铸造时间和提高废料回收率。

摘要：针对同时性图像标注和地理位置预测,基于超图排序和组稀疏最优化提出一种方法。根据超图概念构建起包含不同类型对象的超图G(V,E,w),构建包含排序向量f和查询向量y的一般推荐系统问题;通过执行组稀疏最优化,把超图顶点分割成S个非重叠对象组,对每个对象组分配不同的权值,使它能够充分利用各种类型的信息,提高图像标注和地理位置预测的准确性。基于从中国旅评网抽取出的数据集的实验结果表明,提出方法相比其它方法,能够获得更高的召回-精确率和F1测量值,能够对排名前3位的地理位置获得更高的正确预测率和累计评分。

摘要：将上下文推荐系统同贝叶斯网络相结合,提出了一个上下文推荐算法,并设计了上下文资源推荐系统架构。首先利用贝叶斯网络,通过计算用户访问时间和资源信息的联合概率分布来取得用户在该环境下对资源的兴趣,然后比较当前用户所处环境所选取的资源与过去环境用户选取的资源的相似度,从而为用户提供合适的资源列表。最后将所提算法同其他常用的推荐系统算法进行了比较,系统架构按照M/G/1队列进行建模,对系统架构性能和稳定性进行了验证,取得较好结果。

摘要：针对在复杂电力检测环境中无人机三维航迹规划问题,提出一种基于跳跃式自适应小孔成像反向学习鼠群优化(JAPRSO)算法的无人机三维航迹规划方法。JAPRSO算法引入了Sobol序列初始化种群以增强种群多样性;引入了非线性自适应因子实现动态权衡局部开发和全局搜索能力;嵌入了跳跃式围捕猎物机制以避免算法陷入局部最优;同时,引入跳跃式自适应小孔成像反向学习追赶猎物机制以提高算法的全局寻优能力。仿真结果表明:所提出的路径规划方法寻优性能优于RSO算法、灰狼优化(GWO)算法,金枪鱼群优化(TSO)算法和海鸥优化(SOA)算法,能够有效地躲避威胁区,快速获得航迹代价最小的安全可行航迹,可适用于求解电力检测方面的无人机三维航迹规划问题。

摘要：周期性消息和非周期性消息对舰船电子综合化系统总线网络性能的影响是舰船电子综合化电子系统总线网络设计过程的难点之一。针对该问题,提出采用以确定与随机Petri网(Deterministic and Stochastic Petri Net,DSPN)建立周期性消息的总线网络DSPN模型和考虑非周期性消息的总线网络DSPN模型,有效模拟了周期性消息和非周期性消息在舰船电子综合化系统总线网络传输的动态行为。以Time NET4.2软件为仿真平台,分别实现了周期性消息的总线网络DSPN模型和考虑非周期性消息的总线网络DSPN模型,研究分析周期性消息和非周期性消息对舰船电子综合化系统总线网络性能的影响。该成果可以为设计满足特定性能要求的舰船电子综合化电子系统总线网络提供理论依据。

摘要：针对传统机器人零件微装配算法不能有效解决干扰区域划分问题,提出一种模糊优化结合机器学习的智能干扰区域划分算法。首先,根据工作区内零件与目标孔之间的位置关系设计模糊协调器和特殊的规则库,避免激活干扰状态。然后,利用提出的智能区域划分算法合并所有相邻区域。最后,通过决策制定,选择区域中最低模糊熵的四元组控制值作为执行分配任务的最终控制值。实验结果表明,该算法可将69个子区域合并降至10个子区域,相比其他的较为先进的装配算法,算法更加灵活,显著提高了任务效率。

摘要：车载网(VANETs)需提供时延敏感的安全应用和非安全应用的通信服务。这就使得媒体接入控制(MAC)协议既要满足安全消息的时延和可靠率,又要保证非安全消息的服务信道利用率,给MAC的设计提出了挑战。为此,提出基于时分多址的MAC改进算法(I-TDMA-MAC)。I-TDMA-MAC算法在每个同步帧内给每辆车分配两个子时隙,旨在提高无碰撞信道接入率和安全消息的传递率。同时,对空闲时隙采取重分配策略,并基于最短作业优先准则(SJF)给空闲时隙设置优先级,旨在提高服务信道利用率。仿真结果表明,提出的I-TDMA-MAC算法的安全消息传递率高达99%,当车流密度到达100 vehicle/km时,服务信道利用率接近于90%。