取各障碍物顶点连线的中点为路径点，相互连接各路径点，将机器人移动的起点和终点限制在各路径点上，利用最短路径算法来求网络图的最短路径，找到从起点P1到终点Pn的最短路径。上述算法使用了连接线中点的条件，因此不是整个规划空间的最优路径，然后利用遗传算法对找到的最短路径各个路径点Pi (i=1,2,…n)调整，让各路径点在相应障碍物端点连线上滑动，利用Pi= Pi1+ti×(Pi2-Pi1)（ti∈[0,1] i=1,2,…n）即可确定相应的Pi，即为新的路径点，连接此路径点为最优路径。
上传时间： 2017-05-05
上传用户：tttt123
遗传算法，模拟达尔文进化论的自然选择和遗传学机理的生物进化过程的计算模型，一种选择不断选择优良个体的算法。谈到遗传，想想自然界动物遗传是怎么来的，自然主要过程包括染色体的选择，交叉，变异（不明白这个的可以去看看生物学），这些操作后，保证了以后的个体基本上是最优的，那么以后再继续这样下去就可以一直最优了。
上传时间： 2017-06-12
上传用户：tian610115
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像EM算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
粒子群标准算法。迭代找到最优解。在每一次的迭代中，粒子通过跟踪两个“极值”(pbest，gbest)来更新自己。在找到这两个最优值后，粒子通过下面的公式来更新自己的速度和位置。
上传时间： 2019-03-26
上传用户：威震天牛逼
遗传算法就是在一定的自变量有限的取值范围内，随机取若干个个体，每个个体相当于自变量范围内的一个取值，若干个个体共同组成一个种群，个体对于环境的适应能力体现为该个体对应的因变量，不同的个体得到的结果不同，对于结果较好的个体，其下一代在种群中的占比更高，对于结果不好的个体，其下一代在种群中的占比会更少，简单来说，就是好的个体被保留，坏的个体被淘汰。经过不断的更新换代，最后结果会不断逼近最优的结果。
上传时间： 2019-09-17
上传用户：zxchen
30个数学建模智能算法及MATLAB程序代码:chapter10基于粒子群算法的多目标搜索算法.rarchapter11基于多层编码遗传算法的车间调度算法.rarchapter12免疫优化算法在物流配送中心选址中的应用 .rarchapter13粒子群优化算法的寻优算法.rarchapter14基于粒子群算法的PID控制器优化设计.rarchapter15基于混合粒子群算法的TSP搜索算法 .rarchapter16 基于动态粒子群算法的动态环境寻优算法.rarchapter17基于PSO工具箱的函数优化算法.rarchapter18鱼群算法函数寻优.rarchapter19基于模拟退火算法的TSP算法.rarchapter1遗传算法工具箱.rarchapter20基于遗传模拟退火算法的聚类算法.rarchapter21模拟退火算法工具箱及应用.rarchapter22蚁群算法的优化计算——旅行商问题(TSP)优化 .rarchapter23基于蚁群算法的二维路径规划算法.rarchapter24 基于蚁群算法的三维路径规划算法.rarchapter25有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测.rarchapter26.rarchapter27无导师学习神经网络的分类——矿井突水水源判别.rarchapter28支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断 .rarchapter29支持向量机的回归拟合——混凝土抗压强度预测.rarchapter2基于遗传算法和非线性规划的函数寻优算法 .rarchapter30极限学习机的回归拟合及分类.rarchapter3基于遗传算法的BP神经网络优化算法 .rarchapter4sa_tsp.rarchapter5基于遗传算法的LQR控制器优化设计.rarchapter6遗传算法工具箱详解及应用 .rarchapter7多种群遗传算法的函数优化算法.rarchapter8基于量子遗传算法的函数寻优算法 .rarchapter9基于遗传算法的多目标优化算法.rar
上传时间： 2021-11-28
上传用户：
蚁群算法基本模型STEP1（外循环）若满足算法停止规则，停止计算，输出计算得到的最好解给定外循环的最大数目，表明有足够的蚂蚁工作当前最优解连续K次相同而停止，K是给定的整数，表示算法已收敛◆给定优化问题的下界和误差值，当算法得到的目标值同下界之差小于给定的误差值时，算法终止否则使蚂蚁s（1≤s≤m）从起点出发，用L（S）表示蚂蚁S行走的城市集合，初始L（s）为空集。设m只蚂蚁在图的相邻节点间移动，协作异步地得到解。蚂蚁计算出下一步所有可达节点的一步转移概率，并按此概率实现一步移动，依此往复。一步转移概率由图中每条边上的两类参数决定：信息素值、可见度（即先验值）。信息素的更新有2种方式：挥发——所有路径上信息素以一定比率减少增强——给评价值“好”（有蚂蚁走过）的边增加信息素蚁群算法基木模型令我们以求解平面上n个城市的TSP问题（1，2，…，n）表示城市号为例说明ACA的模型。n个城市的TSP问题就是寻找通过n个城市各次且最后回到出发点的最短路径蚁群算法研究现状令ACA是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法。10年多来的研究结果已经表明：ACA用于组合优化具有很强的发现较好解的能力，具有分布式计算易于与其他方法相结合、鲁棒性强等优点，在动态环境下也表现出高度的灵活性和健壮性。在求解TSP、QAP问题方面，与遗传算法、模拟退火算法等算法比较，ACA仍是最好的解决方法之一。
标签： 蚂蚁算法
上传时间： 2022-03-10
上传用户：
随着 Internet日益广泛的应用，其规模也越来越大，通信流量也迅速增长，这就迫使其传输平台向更高的通信带宽方向发展，因此，建设高速度，高宽带的骨干网就显得十分必要合理高效的路由选择方式不仅可以保障全网的正常运行，还能够提高网络的接通率，而将 Internet网的接通率提高，既可以尽量避免交换机不堪重负甚至崩溃的情况，又能降低网络的运营成本。提高网络的接通率相当大的程度上依赖于路由选择策略的改变，因此，TCP/IP网的动态路由选择问题变得越来越重要。蚂蚁算法能够有效地选择一条最优路径，但忽视了实际网络中的另外一个问题：最优路径一旦形成，所有的数据都从最优路径传输，这样一来，处于该路径上的路由器，尤其是在骨干网络中心节点（即多条路径交汇处）的路由器将承受巨大的数据传输量，因而很容易造成“瓶颈”现象目前采用的一个办法是在骨干网络中心节点处设置交换容量达到或超过千兆比特级的，具有高密度高速端口的核心路由器来扩展带宽和提高数据传送速度以达到解决骨干网络中心节点处的数据拥塞的目的，但这样大大提高了网络成本，并且无法解决最优路径上非核心路由器（又名接入路由器）上的数据拥塞问题。根据上述问题，本文提出一种对蚂蚁算法的改进方法一基于核心路由器的蚂蚁算法：在骨干网络的各核心路由器上相互发送蚂蚁寻找各核心路由器之间的最优路径，这样可比传统蚂蚁算法通过让“蚂蚁”周游整个网络后来寻找最优路径要快很多方面，该算法通过对最优路径上，在各个核心路由器之间的非核心路由器设置上下限两个阔值。当某个非核心路由器A上的数据流量达到上限阙值时表明该路由器即将处于拥塞，这时，它邻近的核心路由器将A看成是一个“障碍物”，利用蚂蚁算法能够绕过障研物寻找最优路径的特点，可以在这两个核心路由器之间重新寻找一条不包括路由器A在内的“次优”路径，这样后续的数据将从“次优”路径传输以达到对A路由器进行分流，经过一段时间分流后，当数据流量下降到下限绸值时，就可以重新启动原最优路径，从而达到了既分流又采用最优路径传输的目的
标签： 蚂蚁算法
上传时间： 2022-03-10
上传用户：
在工业应用中常用一组传感器对问一个被测量目标在一个过程的不同位置进行测量，然而由于每个传感器位于过程的不同位置，它们将不问程度的受到嗓声的干扰，为了从被嗓声干扰的多传感器测量值中获得更准确的测量结果，霱要进“步研究多传感器的融合理论多传感器数据融合系统的关键在于如何充分利用各个传感器的信息，得到对被测参数的最优估计，本文主要研究了以加权的方式进行多传感器数据融合的方法，即研究如何对每个传感器进行加权，从而得到对被测参数最优佑计的方法为此本文在介绍了多传感器数据融合技术的基础上，首先研究了基于奇异值分解的数据融合算法，通过对传感器测量值构成的矩阵进行奇异值分解，利用每个传感器测量值所对应的奇异值，可以估计出对每个传感器权值的最优估计，从而在不要任何先验知识的条件下，可仅由多传感器的测量值，利用提出的算法得到在最小均方误差意义下的被测参数的最优估计，此外，在许多工业过程中，人们利用多传感器测量同一过程参数以控制该参数在过程中的不同位置能根据需要进行合理分布，此时人们希望利用多传感器融合的测量结果，对每一个传感器的测量数据进行重建，以获得对每一个传感器的测量结果进行更为准确的估计。为此，本文进一步研究了基于小波降噪和数据融合的传感器数据重建算法，仿真和实验结果都说明提出算法是有效的，最后，研究了非线性动态系统的状态融合问题，研究了加权无气味卡尔曼滤波（UKF）方法，研究表明无气味卡尔曼波波能克服了扩展卡尔曼滤波（EKF）在状态融合估计中的不足，可以得到了更准确的状态融合估计结关键词多传感器系统，数据融合，奇异值分解，UKF
上传时间： 2022-03-16
上传用户：aben
本设计针对目前市场上传统充电控制器对蓄电池的充放电控制不合理，同时保护也不够充分，使得蓄电池的寿命缩短这种情况，研究确定了一种基于单片机的太阳能充电控制器的方案。在太阳能对蓄电池的充放电方式、控制器的功能要求和实际应用方面做了一定分析，完成了硬件电路设计和软件编制，实现了对蓄电池的高效率管理。设计一种太阳能LED照明系统充电控制器，既能实现太阳能电池的最大功率点跟踪（MPPT）又能满足蓄电池电压限制条件和浮充特性。构建实验系统，测试表明，控制器可以根据蓄电池状态准确地在MPPT、恒压、浮充算法之间切换，MPPT充电效率较恒压充电提高约16%，该充电控制器既实现了太阳能的有效利用，又延长了蓄电池的使用寿命。在总体方案的指导下，本设计使用STMSS系列8位微控制器是STM8系列的主流微控制器产品，采用意法半导体的130纳米工艺技术和先进的内核架构，主频达到16MHz（105系列），处理能力高达20MTPS。内置EEPROM、阻容（RC）振荡器以及完整的标准外设，性价比高，STMSS指令格式和意法半导体早期的ST7系列基本类似，甚至兼容，内嵌单线仿真接口模块，支持STWM仿真，降低了开发成本；拥有多种外设，而且外设的内部结构、配置方式与意法半导体的同样是Cortex-M3内核的32位嵌入式微处理器STM32系列的MCU基本相同或者相似。另外系列芯片功耗低、功能完善、性价比高，可广泛应用在家用电器、电源控制和管理、电机控制等领域，是8位机为控制器控制系统较为理想的升级替代控制芯片"261，软件部分依据PWM（Pulse Wiath Modulation）脉宽调制控制策略，编制程序使单片机输出PMM控制信号，通过控制光电耦合器通断进而控制MOSFET管开启和关闭，达到控制蓄电池充放电的目的，同时按照功能要求实现了对蓄电池过充、过放保护和短路保护。实验表明，该控制器性能优良，可靠性高，可以时刻监视太阳能电池板和蓄电池状态，实现控制蓄电池最优充放电，达到延长蓄电池的使用寿命。
上传时间： 2022-06-19
上传用户：
