简介:提出了一种基于期望模式修正(EMA)的改进交互式多模型(IMM)算法。该算法主要解决自主水下航行器(AUV)复杂工作环境下量测噪声统计特性未知或易发生变化时的状态估计问题,其核心思想是将期望模式修正机制和交互式多模型滤波算法相结合,利用状态估计过程中的获取的模型概率进行决策,得到更加接近与系统真实模式的期望模型集合,再通过期望模型集合滤波结果对固定模型集合滤波结果进行修正。与传统的交互式多模型算法相比,提出的基于期望模式修正的交互式多模型算法可以捕捉到系统模式更细微的变化。仿真结果表明,该算法可以大幅提高AUV组合导航系统的估计精度和稳定性。
简介:本文讨论矩阵方程在子矩阵约束下的Hermitian解的共轭梯度迭代算法,先转化成两个低阶方程,然后利用共轭梯度思想分别构造出低阶方程的共轭梯度迭代算法,运用算法求出矩阵方程的Hermitian解及最佳逼近,最后给出了数值实例来验证算法的有效性.
简介:带柔性时间窗的开放式车辆路径问题(OpeningVehicleRoutingProblemwithFlexibleTimewin—dows,OVRPFTW)对物流配送中的延迟或者提早具有一定程度的容忍.本文首先建立了OVRPFTW的数学模型,然后分别将Sine映射,Chebyshev映射和Logistic映射引入基本蚁群算法,构建了三种混沌蚁群算法,并将其用于求解OVRPFTW.算倒测试表明:Sine映射和Chebyshev映射能够明显地改进基本蚁群算法的优化性能,基于Sine映射和Chebyshev映射的混沌蚁群算法的求解性能优于基本蚁群算法和基于Logistic映射的混沌蚁群算法.
简介:目前,随着电动汽车的普及,物流企业逐渐重视电动汽车的应用。本文考虑到电动汽车在实际应用中的行驶里程、充电耗时以及配送时间等因素,研究含时间窗的电动汽车车辆路径问题,建立了相应的混合整数规划模型,然后改进分支定价算法以求得其最优解。改进的分支定价算法首先根据Dantzig-Wolfe分解原理将原问题分解为基于路径的主问题(MP)和求最短路径的子问题,然后用列生成和动态规划算法在主问题和子问题之间进行迭代以求得主问题线性松弛后的最优解,最后采用基于弧的分支策略求得其整数解。通过用改进的Solomon算例的实验数据,与CPLEX比较验证了模型和算法结果的准确性,并对该问题进行了灵敏度分析,证明了本文提出的算法具有一定的应用价值。
简介:随机需求库存-路径问题(StochasticDemandInventoryRoutingProblem,SDIRP)是典型的NP难题,也是实施供应商管理库存策略过程中的关键所在。文章通过引入固定分区策略(FixedPartitionPolicy,FPP),将SDIRP分解为若干个独立的子问题,并采用拉格朗日对偶理论以及次梯度算法确定最优的客户分区。在此基础上证明了各子问题的最优周期性策略由分区内各客户的(T,S)库存策略以及相应的最优旅行商路径构成,进而给出了客户需求服从泊松分布时求解最优(T,S)策略各参数的方程组,并设计了求解算法。最后,通过数值算例讨论了上述策略以及算法对于解决SDIRP的有效性。
简介:目前数字信号处理器已经由单核系统发展为多核并行系统,可通过并行执行任务加快信号处理速度。北斗CB2I码是GPSC/A码码长的两倍,若使用传统捕获算法将会延长信号捕获时间。基于此问题,提出了一种基于组合FFT的并行捕获算法。该算法将信号奇偶点分开进行并行处理,可将单次FFT变换点数减半,并通过高效利用多核资源加快信号捕获速度。为了验证算法性能,对比了传统算法和改进后算法的PTP值。仿真结果表明,两算法PTP均值分别为2.961和2.938,改进后算法未降低捕获精度。最后,以多核嵌入式平台为基础分析了两算法的单核运算量,结果表明:当待处理的信号点数由1000增加到256000时,改进后算法单核乘法运算量减少比例由33%增加到了40%,而加法计算量始终减少50%,改进后算法可达到快速捕获的效果。
简介:本文以灵活选择投资策略为目的,在Markowitz经典模型的基础上,引入了风险规避参数。并针对风险证券交易费用对投资收益量化过程的影响不容忽视这一事实,建立了含最小交易单位的交易费用函数,得到了改进的含交易费用的实用型资产分配优化模型。并引入投资实例,用分区域多目标进化算法求解,验证了该模型的可行性,以及该算法的高效性。
简介:为了解决独立软件供应商面临的多个紧急项目点专家资源配置过程中出现的资源竞争和费用偏高问题,本文建立一种以双层规划方法为基础的多紧急项目点——多专家资源供应点-多专家类型的专家资源配置模型,使专家资源配置过程兼顾及时性和高效性,从而确保在全局项目开始时间最早情况下费用最少。为了克服双层规划模型求解时间复杂度过高的缺陷,本文提出一种竞争缓解策略,能够快速求取双层专家资源配置模型的全局满意解。最后,通过数值分析证实算法的有效性。
简介:针对1点RANSAC(RandomSampleConsensus)单目视觉EKF(ExtendedKalmanFilter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。