一种基于轮廓自扩展的GVF算法

针对Snake算法及GVF算法对初始轮廓覆盖区域敏感性的缺陷,提出一种轮廓自扩展方法,从而使初始轮廓能够有效地覆盖目标所在区域,达到对目标的完整搜索;将其应用到目标跟踪中,根据下一帧中目标与当前帧设置的轮廓的交叉,通过自扩展初始轮廓可以很快将目标划为搜索区域之内.实验表明,基于轮廓自扩展方法的GVF方法可以实现对目标轮廓的完整提取;在目标跟踪中可以自动、有效地跟踪目标.     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

基于匈牙利算法的多车型车辆调度问题

武警部队车辆调度是一类高难度的运输决策工作,在编制合理的车辆使用方案过程中,要求以最低的费用完成运输工作量,实现经济效益和军事效益最大化.通过对车辆需求特性及车辆参数的分析,建立了以最小总油耗量为目标函数的车辆调度模型,选用匈牙利算法对该模型求解,并编写了车辆调度的DELPHI程序,经过实际计算验证,结果切实可行.     

自适应遗传算法捷联惯导系统初始对准

在基本遗传算法的基础上给出了一种适合于捷联惯导系统初始对准问题研究的自适应遗传算法,该算法适时调整遗传空间大小,以保证对准的速度.在选择操作中采用最优解保存策略.交叉概率和变异概率的适时变化使姿态信息具备更强的环境适应性.根据初始对准的特点,用地球重力加速度和自转角速度信息构造适应度函数.仿真结果证实了该算法在捷联惯导系统初始对准问题研究中的有效性.     

基于蚁群算法和禁忌搜索的部队机动路径选择

高技术条件下的现代战争对部队机动路径选择问题提出了新要求,一方面道路网的扩大使问题求解的规模大大增加,另一方面作战环境和任务的变化使得问题本身不得不从多角度进行综合评价.增加了问题的复杂性.针对问题建立了数学模型,引入信息熵理论作为目标评价准则,借助改进的蚁群算法、禁忌搜索算法相结合的启发式方法对问题进行求解,得到了令人满意的结果.仿真结果分析认为,算法是切实有效的,并且具有良好的稳定性.     

基于蜂群算法的战时毁伤装备维修任务调度研究

现代战争中,装备的战损率大大提高,装备维修任务十分繁重,如何在最短的时间内将损坏的装备修复好,是装备维修决策的重要内容之一[1]。鉴于蜂群算法在任务调度特别是动态随机任务调度中的优势,将蜂群算法引入装备维修任务调度研究,并进行了仿真实验,通过测试案例的仿真结果表明,蜂群算法对于动态随机任务调度具有很强的优势。最后对蜂群算法中的各参数对于仿真结果的影响进行了分析。     

基于k短路径的兵力机动路线优化方法

由于传统Dijkstra算法只能求解最优路径,结合兵力机动路线选择的需要,将求解k短路径的实用算法引入到兵力机动路线优化问题中,给出了算法的数据结构和步骤。在道路权重的确定上,提出将路程、通行能力和安全性三项指标相结合的思想,并给出了综合权重的计算方法。仿真实验表明所提方法具有较强的实用性。     

基于非均匀线阵和修正MUSIC算法的DOA估计

研究了基于非均匀线阵的DOA估计问题。提出了利用修正MUSIC算法进行DOA估计,并设计了对称布阵方式。仿真结果表明在对称布阵非均匀线阵中使用修正MUSIC算法,空间谱分辨率高、栅瓣小,且分辨率要高于均匀线阵。本算法获得了较高的空间谱分辨率,提高了DOA估计性能。     

测向交叉定位中基于最小距离的二次聚类算法

针对现有测向交叉定位系统中聚类算法存在的计算量大、求解最优解困难等问题,提出了一种基于最小距离的二次聚类算法.即先通过最小距离法对每条测向线上的交点进行聚类分析,得到几个聚类程度较高的交点集合,再对这些交点集合通过取交集的方法进行二次聚类,得到少数的几个交点集合,最后再对这几个少数的交点集合进行选优,从而消除虚假交点集合,得到真实交点集合.通过交点回归计算,保证了真实交点集合具有很高的关联正确率.计算机仿真结果表明,该算法具有很高的关联正确率,且计算量较小,实时程度较高,并且适应于多传感器存在漏测的情形.     

图论最短路径问题在消防选址中的应用

最短路径问题是图论解决的典型实际问题之一,可用来解决管路铺设、线路安装、厂区布局和设备更新等实际问题。介绍了图论最短路径问题及其算法,并应用图论最短路径问题的分析方法,解决城市消防站的选址问题。