随着大数据时代来临,各行各业存在着数据孤岛现象和数据被篡改的风险,无法保障跨行业数据溯源的完整性和可信性。针对上述问题,首先,设计一种新型的BT_Merkle树区块存储结构,提出基于“私有链+联盟链”的双链溯源算法,从而实现跨行业数...随着大数据时代来临,各行各业存在着数据孤岛现象和数据被篡改的风险,无法保障跨行业数据溯源的完整性和可信性。针对上述问题,首先,设计一种新型的BT_Merkle树区块存储结构,提出基于“私有链+联盟链”的双链溯源算法,从而实现跨行业数据共享;其次,利用布隆过滤器和B+树分别为离散性和连续性属性建立索引,从而实现对不同属性关键字的溯源。通过实验证明,在保证数据不被篡改及不出域的前提下,与BMerkle树(Bloom filter and Merkle tree)相比,BT_Merkle树在联盟链和私有链上的溯源效率都更高,并能够快速查找交易记录,为跨行业数据的溯源提供了理论及实践依据。展开更多
为了满足在复杂环境下快速搜索有效路径、较短路径的要求,提出一种基于限制扩展快速搜索随机树(Restricted Search Rapidly-Exploring Random Tree Star,RS-RRT^(*))的复杂环境路径规划算法。该算法先对随机树的生长方向进行引导,增加...为了满足在复杂环境下快速搜索有效路径、较短路径的要求,提出一种基于限制扩展快速搜索随机树(Restricted Search Rapidly-Exploring Random Tree Star,RS-RRT^(*))的复杂环境路径规划算法。该算法先对随机树的生长方向进行引导,增加在目标区域的采样概率,减少冗余空间的搜索。再在新节点重新选择父节点时,将新节点的启发式代价考虑在内,选择更优父节点。针对初步获取的路径存在拐点较多等问题,引入道格拉斯-普克算法对路径进行简化处理,减少路径中的冗余节点。最后,在简化路径的基础上使用样条插值对于路径平滑处理。实验结果表明,相较于经典RRT*算法,所提算法路径长度缩短9.9%,规划时间减少76.7%,迭代次数下降44.9%,显著降低了获取最优路径所需的时间和计算成本,提升了路径质量和搜索效率,在复杂环境下的适用性更强。展开更多
为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算...为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算法进行改进优化。采用双向搜索策略,在起点和终点同时运行改进后的RRT算法和蚁群算法,相向而行,对路径长度和运行时间进行优化。针对生成路径不够平滑等问题,引入B样条曲线平滑策略优化路径。仿真结果表明,所提算法能够有效用于机器人三维路径规划。展开更多
针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法。首先,通过重新构造采样区域降低RRT算法采样次数,...针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法。首先,通过重新构造采样区域降低RRT算法采样次数,利用目标偏向寻优策略为RRT算法添加导向性;其次,在筛选初始航迹点的同时引入无人机性能约束;然后,利用B样条对重规划路径进行平滑处理;最后,利用Matlab对所提出的算法进行仿真实验。实验结果为平均采样次数为386次,平均运行时间为0.43 s,平均航迹距离为1392.16(无量纲),表明了算法可有效降低采样次数并改善路径平滑性。展开更多
文摘随着大数据时代来临,各行各业存在着数据孤岛现象和数据被篡改的风险,无法保障跨行业数据溯源的完整性和可信性。针对上述问题,首先,设计一种新型的BT_Merkle树区块存储结构,提出基于“私有链+联盟链”的双链溯源算法,从而实现跨行业数据共享;其次,利用布隆过滤器和B+树分别为离散性和连续性属性建立索引,从而实现对不同属性关键字的溯源。通过实验证明,在保证数据不被篡改及不出域的前提下,与BMerkle树(Bloom filter and Merkle tree)相比,BT_Merkle树在联盟链和私有链上的溯源效率都更高,并能够快速查找交易记录,为跨行业数据的溯源提供了理论及实践依据。
文摘为了满足在复杂环境下快速搜索有效路径、较短路径的要求,提出一种基于限制扩展快速搜索随机树(Restricted Search Rapidly-Exploring Random Tree Star,RS-RRT^(*))的复杂环境路径规划算法。该算法先对随机树的生长方向进行引导,增加在目标区域的采样概率,减少冗余空间的搜索。再在新节点重新选择父节点时,将新节点的启发式代价考虑在内,选择更优父节点。针对初步获取的路径存在拐点较多等问题,引入道格拉斯-普克算法对路径进行简化处理,减少路径中的冗余节点。最后,在简化路径的基础上使用样条插值对于路径平滑处理。实验结果表明,相较于经典RRT*算法,所提算法路径长度缩短9.9%,规划时间减少76.7%,迭代次数下降44.9%,显著降低了获取最优路径所需的时间和计算成本,提升了路径质量和搜索效率,在复杂环境下的适用性更强。
文摘为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算法进行改进优化。采用双向搜索策略,在起点和终点同时运行改进后的RRT算法和蚁群算法,相向而行,对路径长度和运行时间进行优化。针对生成路径不够平滑等问题,引入B样条曲线平滑策略优化路径。仿真结果表明,所提算法能够有效用于机器人三维路径规划。
文摘针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法。首先,通过重新构造采样区域降低RRT算法采样次数,利用目标偏向寻优策略为RRT算法添加导向性;其次,在筛选初始航迹点的同时引入无人机性能约束;然后,利用B样条对重规划路径进行平滑处理;最后,利用Matlab对所提出的算法进行仿真实验。实验结果为平均采样次数为386次,平均运行时间为0.43 s,平均航迹距离为1392.16(无量纲),表明了算法可有效降低采样次数并改善路径平滑性。
