针对自治水下机器人(AUV) 研究中的多机器人多任务分配问题, 提出一种基于自组织映射(SOM) 神经网络
的多AUV多目标分配策略. 将目标点的位置坐标作为SOM神经网络的输入向量进行自组织竞争计算, 输出为对应
的AUV机器人, 从而控制一组AUV在不同的地点完成不同的任务, 使机器人按照优化的路径规则到达指定的目标
位置. 为了表明所提出算法的有效性, 给出了二维、三维作业环境中的仿真实验结果.
将猫映射(cat map ) 与Logist ic 映射相结合, 构造了一种语音加密算法. 该算法首先将语音数据堆叠成二维,
然后利用二维猫映射将数据的位置置乱, 最后利用一维Logist ic 映射构造替换表, 对数据进行扩散. 密码分析表明,
该算法具有较高的安全性, 能够抵抗统计攻击、差分攻击和已知密文攻击. 与传统的DES 算法相比, 该算法加密速度
更快, 适用于实时语音加密.