大整数乘除运算在PC机上的实现

大整数在要求高精度的应用中非常有用.特别是大质数和一般大整数有一个极为重要的应用,就是关于计算机数据加密.在计算机数据加密技术中,常会遇到大整数的算术运算问题.由于所使用的机器和所用语言的限制,大整数的"乘""模"两种运算很难运用高级语言中的"乘""除"运算.提出了一种逐位存储、按字节运算的方法,并用C 实现了大整数的十进制乘除法运算,之后将提出的算法与类似算法的时间复杂度进行了比较,最后给出了算法的运行时间.     

岛岸炮兵对海上目标的打击算法和打击策略研究

从数学和军事的角度就岛岸炮兵对海上进攻目标的打击算法和打击策略问题进行了研究和探讨.给出了确定可射击单位、射击持续时间、综合毁伤概率、射击方式等算法的主要思路.给出了可能的三种火力分配策略,即按建制指挥关系分配策略、按目标重要程度分配策略和平均分配火力策略,可为登陆作战或岛岸防御作战研究提供参考.     

水声对抗线导鱼雷中的舰艇规避航向优化策略分析

利用传统经验值得出了舰艇在布放噪声干扰器后干扰潜艇平台的机动规避航向和舰艇布放声诱饵后远离鱼雷的机动规避航向。考虑到舰艇在布放声诱饵后远离鱼雷的规避过程中不可能时刻保持直航,又利用运筹学优化原理,将舰艇远离鱼雷的机动规避航向问题归结为有约束的目标函数优化问题,利用求解非线性规划的方法得到了舰艇的最佳机动规避范围。     

一种新的近似优化方法——变复杂度优化

随着仿真技术的发展,基于仿真的优化在工程、军事等领域越来越占据突出的地位。随着高逼真度仿真模型的大量使用,仿真优化计算的时间复杂度成倍增长,使得采用传统的优化技术无法取得令人满意的效率。提出了一种基于近似模型的变复杂度优化方法,它通过标度函数保证优化的收敛性,通过信赖域方法保证优化在有效的范围内进行。数值算例表明这种算法能有效降低对于高复杂度模型的调用次数,达到降低仿真优化计算复杂度的目的。     

基于证据组合的直觉模糊群决策方法

对于属性权重已知,属性值以直觉模糊值形式给出的多属性群决策问题进行了研究,提出了基于证据理论的直觉模糊群决策方法。首先在计算直觉模糊值相似度的基础上,并考虑专家的信任度,给出了专家基本概率分配函数的计算方法。然后基于证据组合理论合成对单个属性以及综合属性的决策群体基本概率分配函数。通过计算方案效用值,来进行方案的排序。通过一个算例说明了该方法的有效性。     

微乳液消毒体系研究进展

概述了微乳液型消毒体系的研究背景和进展,对微乳液消毒体系的技术特点和技术改进进行了简要评述。     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...     

移动机器人平台低成本自主导航系统设计与实现

定位、建图与轨迹规划是实现移动机器人在未知环境自主运动的核心技术,也是目前的研究热点。首先,针对未知环境建图和定位问题,设计一种基于视觉的低成本导航方案。该方案利用深度相机获取未知环境信息,构建环境地图,并基于ORB-SLAM2算法完成自身定位。其次,为保障移动机器人运行平稳性,设计了一种A*优化方案。该方案结合轮式机器人运动特点,对传统A*算法的节点扩展过程进行优化,并通过改进搜索算法的碰撞检测部分实现地面移动平台的三维避障功能,同时基于B样条曲线完成轨迹平滑。最后,在移动机器人实验平台上完成自主导航系统部署并进行实验验证。实验结果表明,系统单次规划所需时间在10 ms以内,建图平均误差为0.14 m。此外,所提自主导航系统所需硬件设备简单,便于快速部署,具有广阔的应用前景。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。