针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径...针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径细化策略能够大幅减少无用节点计算和冗余路径运动.其次,将人工势场法与RRT算法相结合,新节点拓展时会受到期望为当前势场合力的高斯分布的影响,在满足对动态障碍物的在线运动规划的同时提高了算法的拓展能力.最后,通过仿真结果证明,新型RRT算法在拓展效率上的高效性和混合运动规划算法在动态规划和探索效率上的优越性.展开更多
电力系统中包含大量敏感数据,保护这些数据的隐私安全对用户至关重要。针对在分布式最优潮流(optimal power flow,OPF)算法中,由于迭代过程中信息交换频繁导致的隐私泄露问题,提出一种面向分布式最优潮流的隐私保护方法。该算法采用完...电力系统中包含大量敏感数据,保护这些数据的隐私安全对用户至关重要。针对在分布式最优潮流(optimal power flow,OPF)算法中,由于迭代过程中信息交换频繁导致的隐私泄露问题,提出一种面向分布式最优潮流的隐私保护方法。该算法采用完全分布式计算方法来进一步增强隐私性,并引入了自适应惩罚参数方法以提高计算效率。在算法的迭代过程中对各节点间交流的传输变量添加差分隐私噪声,从而阻止攻击者通过窃听传输变量真实值而推测算法中的关键参量,实现了模糊关键参数的OPF问题的分布式求解框架。此外,对于所提算法的收敛性和最优性进行了理论证明,并在IEEE 9-总线系统中进行仿真验证。仿真结果验证了该算法具有收敛性与准确性,隐私保护性能也优于对比算法。该算法有效地解决了在迭代过程中由于信息交换导致的隐私泄露问题,在保持计算效率的同时,显著提高了数据隐私的安全性。展开更多
文摘针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径细化策略能够大幅减少无用节点计算和冗余路径运动.其次,将人工势场法与RRT算法相结合,新节点拓展时会受到期望为当前势场合力的高斯分布的影响,在满足对动态障碍物的在线运动规划的同时提高了算法的拓展能力.最后,通过仿真结果证明,新型RRT算法在拓展效率上的高效性和混合运动规划算法在动态规划和探索效率上的优越性.
文摘电力系统中包含大量敏感数据,保护这些数据的隐私安全对用户至关重要。针对在分布式最优潮流(optimal power flow,OPF)算法中,由于迭代过程中信息交换频繁导致的隐私泄露问题,提出一种面向分布式最优潮流的隐私保护方法。该算法采用完全分布式计算方法来进一步增强隐私性,并引入了自适应惩罚参数方法以提高计算效率。在算法的迭代过程中对各节点间交流的传输变量添加差分隐私噪声,从而阻止攻击者通过窃听传输变量真实值而推测算法中的关键参量,实现了模糊关键参数的OPF问题的分布式求解框架。此外,对于所提算法的收敛性和最优性进行了理论证明,并在IEEE 9-总线系统中进行仿真验证。仿真结果验证了该算法具有收敛性与准确性,隐私保护性能也优于对比算法。该算法有效地解决了在迭代过程中由于信息交换导致的隐私泄露问题,在保持计算效率的同时,显著提高了数据隐私的安全性。
