用蚁群算法求解有线路约束的TSP问题

本文利用 01 矩阵,设计了新型的蚁群算法,用于解决有线路约束的经典旅行商问题,并求出了在有线路约束下,走遍不同城市的行程最短的最佳路线和最佳路线的长度.     

农村循环经济下的信息知识传递

信息知识传递在农村循环经济发展过程中具有重要意义,作用于循环经济发展体系的各个环节,其中几个问题值得关注.     

基于改进蚁群算法的服务组合研究

在服务计算过程中，服务组合问题是其中关键的技术之一。在原子候选服务数目巨大的情况下，经典的算法一般都是寻找问题的最优解，存在运算量大，运行时间长的缺点，蚁群算法并不是寻找服务组合问题的最优解，而是得到用户能够认同的可行解。为了能够更有效的为用户提供各种服务，在静态的服务组合建立过程中，以服务发现的候选原子服务集合中的服务质量为权重，将服务组合问题分解成一个有向无环图，在组合代价为最小的原则下，采用改进的蚁群算法为搜索方法，迭代一定的次数或者达到用户设定的服务质量为算法的终止条件，找到能够组合为用户需要的原子候选服务集合，进而快速、准确的得到用户期望的服务。     

森林生物赜及固碳量估算方法简介

森林生物量是固碳量估算的前提，目前关于森林生物量计算的方法很多，大致可分为三类，即样地清查法、模型模拟法和遥感估算法。其中遥感估算法和模型模拟法多属于自然科学范畴，计算方法繁琐，使用较少，而在实际工作中样地清查法使用最为普遍。     

双向链表人口迁移算法

最短路径搜索是路径分析中的热点问题.将双向链表和人口迁移算法的智能进化体制相结合,提出一种新的启发式智能仿生优化算法——双向链表人口迁移算法,并用于求解最短路径问题.仿真实验结果表明：双向链表人口迁移算法求解最短路径搜索问题是可行、有效的.     

组合导航定位法为农机精准定位填补世界空白

最近，中国农业大学硕士研究生陈艳与张漫副教授，将GPS和摄像机两种传感器结合起来，并采用UKF滤波算法对采集到的信息进行融合，大大改善了农业机械的导航定位效果，此项研究填补了该领域的空白。     

随机算法数据的倾向性选择

本文分析了人工智能发展的特点,尝试的用随机算法模拟虫子捕食的生活环境,采用距离参数作为倾向性选择条件,详细的描述了具体程序和结果数据。通过程序运行结果可以看出,运用具备随机算法数据倾向性算法能力的程序得到的数据具有一定的智能性,能广泛的应用于人工智能领域。     

基于Harris和卡尔曼滤波的农业机器人田间稳像算法

针对田间颠簸环境影响农业机器人采集实时稳定图像问题，提出了基于Harris和卡尔曼滤波的农业机器人田间稳像算法。首先，利用摄像头获取田间抖动视频图像序列，进行图像子区域划分并计算各区域灰度均方差，进而确定各区域Harris角点阈值；通过自适应角点阈值设置，增加角点距离约束，完成图像角点检测。然后，对检测出的角点进行光流跟踪，计算出帧间运动估计参数。最后，利用自适应卡尔曼滤波算法对运动估计参数进行平滑操作并动态调整滤波平滑性能，获得精确运动估计矢量。测试结果表明，改进后的Harris角点检测算法区域平均分布标准差减小；自适应卡尔曼滤波算法在保证平滑随机运动前提下，跟踪主动运动性能平均提升30.75个百分点；稳像后的图像峰间信噪比提升15.93%,单帧处理时间为25.66 ms,满足农业机器人30 f/s高速图像采集时同步稳像对实时性要求。     

连续投影算法融合信息熵选择霉变玉米高光谱特征波长

运用高光谱技术鉴别玉米霉变等级时,因光谱波段数多、数据量大、信息冗余度高,使鉴别工作难度加大。为了减少数据量,获得最有利于鉴别的高光谱信息特征波长,本研究提出了一种连续投影算法(SPA)融合信息熵的特征波长选择方法。首先,对霉变玉米样本高光谱数据运用多元散射校正(MSC)进行光谱预处理以消除噪声,然后利用SPA对处理过的光谱进行波长初选,得到8个初选特征波长,再通过信息熵原理处理初选特征波长下的图像信息,获得最佳特征波长。结果表明,运用SPA融合信息熵法得到有利于霉变玉米鉴别的最佳波长为819 nm,提取该波长下霉变玉米图像的纹理特征后,采用Fisher判别分析(FDA)进行鉴别,6个等级霉变玉米的鉴别正确率高达98.6%,充分证明所给出的特征波长选择方法是有效的。本研究特征波长选择方法可为更好地运用高光谱技术鉴别玉米霉变等级提供指导。     

Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业，该研究提出了基于点云配准的自然光照环境下的果树三维重构方法，并针对传统最近点迭代（Iterative Closest Point，ICP）算法对待配准点云的空间位置要求苛刻的问题，提出了改进的点云配准算法。首先，使用彩色深度（RGB-D）相机采集不同角度下的枣树彩色和深度图像，并通过信息融合实现相应角度下的点云获取。其次，对点云进行背景去除和滤波处理，基于直方图设定分割阈值，提取单株枣树点云，并将放置在树根附近的标靶球作为标记，使用人工标记法进行两站点云初配准。最后，在初配准基础上计算点云的曲面法向量和曲率，由曲率相近的点构成配对点对，使用k维树最近点迭代（k dimensional-tree-Iterative Closest Point，kd-tree-ICP）算法完成精配准，对点云使用Alpha-shape算法面片化，实现表面重构。利用上述方法对多棵枣树进行全局配准并完整重构果树模型。试验结果表明，通过引入初配准，有效提高了点云配准的准确性和稳定性，配准误差均控制在1.0 cm以内，平均配准误差为0.78 cm；重构模型真实感较强，在外观上更加接近真实树，枝干相对误差控制在7%以内。该研究重构模型精度较高，可为枣树智能修剪提供可视化研究基础和技术支持。