基于自适应遗传算法的图像匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷，提出了一种基于自适应遗传算法(AGA)的匹配方法，该算法与传统遗传算法的不同在于其交叉概率和变异概率随个体的适应度值而变化，避免了后者易陷入局部极值的缺陷，从而增强了算法的快速性和全局收敛性能．图像与模板的相关值是一多峰值函数，模板匹配实质上是多峰值寻优过程．将AGA应用到图像匹配，是以相关值为适应度函数，通过选择、交叉、变异等遗传操作，对遗传个体进行迭代寻优，找出图像中的最佳匹配点．实验结果表明，基于该算法的图像匹配具有运算量小、匹配精确等优点，且算法稳定．     

基于遗传算法的模板匹配算法研究与设计

针对一般模板匹配算法计算量大并且容易陷入局部最优等缺点,研究了使用遗传算法对模板匹配进行全局寻优的算法。在被检测图形和模板已知的情况下,建立了模板匹配的归一化的数学模型。通过对模型计算量的分析,设计了能够减少模型求解计算量的算法。进一步使用遗传算法对设计的算法进行了改进,该算法能使模板匹配快速收敛到全局最优解。算例表明,本算法能有效解决模板匹配的全局寻优问题,并且使模板匹配效率有了明显提高。这一研究为图形处理者提供了科学的模板匹配方法。     

基于轮换寻优的遗传算法在神经网络中的应用

基于最优控制中的轮换寻优思想,对遗传算法进行了改进。综合采用交叉编码方法和多参数级联之点映射编码方法对寻优参数进行编码,为了避免遗传算法中经常出现的过早收敛现象的发生,把近亲回避交叉策略和最优保留方法应用到遗传算法中,对神经网络的权值和阈值进行了分组轮换寻优,成功地完成了对多层前馈神经网络的训练,并与常规的BP算法和常规的遗传算法进行了比较。仿真结果表明,改进算法的效果比常规的BP算法和常规的遗传算法更好,这种寻优方法把传统的寻优方法和遗传算法结合起来,为全局寻优方法提出了一种途径,但更通用的全局寻优方法还有待进一步研究。     

带有顶端增强算子的遗传算法

二进制编码遗传算法是基于演化和自然选择模型的全局优算法,加速算法的寻优速度具有重要价值,受生物界“王者”现象启发,结合内插外推理论,设计了一种加速遗传算法的顶端增强算子,该算子着眼最优个体群,以赋予适应值最大的个体群更多的操作,顶端加强算子的引入,加强了遗传寻优算法的方向性,有效地防止了算法陷入伪极值点,从而大大提高了算法的收敛速度,该算法不要求被寻优函数连续可微,不增加求解系统的次数,其增加的计算量极小,给出使用该算法对两个遗传法测试函数寻优和一个小规模的神经网络系统训练的算例,并与基本遗传算法进行了比较,仿真结果验证了该算法的有效性。     

欧拉型光线寻优算法

针对光线寻优算法的收敛性及其推广到高维收敛速度慢的问题,利用变分法和微分方程理论,对二维连续可导介质中的光线方程欧拉数值解法与光线寻优算法迭代公式的关系进行了研究.在光线寻优算法迭代公式中加入一项来改进算法,不仅使得精度提高一阶,而且加快了收敛速度,同时也为光线寻优算法的收敛性证明提供了新思路.6个标准测试函数的仿真结果表明:与光线寻优算法、保留精英遗传算法、标准粒子群算法相比,改进算法收敛速度较快,收敛成功率较高,其求解Rosenbrock的成功率高达98％,远高于保留精英遗传算法和标准粒子群算法.     

基于轮换寻优的遗传算法在神经网络中的应用

基于最优控制中的轮换寻优思想 ,对遗传算法进行了改进。综合采用交叉编码方法和多参数级联之点映射编码方法对寻优参数进行编码 ,为了避免遗传算法中经常出现的过早收敛现象的发生 ,把近亲回避交叉策略和最优保留方法应用到遗传算法中 ,对神经网络的权值和阈值进行了分组轮换寻优 ,成功地完成了对多层前馈神经网络的训练 ,并与常规的BP算法和常规的遗传算法进行了比较。仿真结果表明 ,改进算法的效果比常规的BP算法和常规的遗传算法要好。这种寻优方法把传统的寻优方法和遗传算法结合起来 ,为全局寻优方法提出了一种途径 ,但更通用的全局寻优方法还有待进一步研究     

优进遗传算法及其在化工数据处理中的应用

针对常规遗传算法容易早熟、局部寻优能力差的弱点，提出一种优进遗传算法．该算法以一定的概率引入确定性操作，并采用空间重组的方式改进子代分布，以提高全局寻优的性能．采用的相关技术包括增加单纯形寻优算子、运用改进的交叉算子、自适应地调整交叉率和变异率等．该算法已成功应用于SO2催化氧化反应动力学模型的非线性参数估计、这种优进遗传算法不依赖于问题的具体领域，可应用于各种数据处理和优化领域．     

融合语义知识库的流程匹配算法

为在流程相似度计算中加入流程间深层语义关联的度量,同时在流程节点较多的情况下,实现流程匹配算法在寻优时间复杂度和相似度匹配输出值两方面的综合优化,提出一种面向流程的遗传匹配算法,将遗传算法引入并应用在流程语义和结构的相似度计算寻优过程中.确定遗传算法的参数编码方式,并利用贪婪算法进行初始种群的设置,定义各个遗传算子,提出有效的简化策略,解决了流程节点较多时流程匹配过程寻优问题.实验研究表明,在流程节点数较多时,本文算法在寻优时间花费和相似度值两方面的折中优化性能明显优于其他两种算法.将遗传算法应用到流程的相似度计算及其寻优过程,可以有效地控制时间复杂度并保证较好的匹配输出结果.     

一种改进的整数编码遗传算法在车辆路径优化问题中的应用

针对基于路径组合编码的遗传算法应用于求解VRP问题时，顺序交叉算子局部寻优能力不足的缺陷，引入一种进化逆转算子，改进了遗传算法求解VRP问题时的局部搜索能力。设计的两组仿真试验结果显示，进化逆转算子的局部寻优能力很强，用它改进的遗传算法求解VRP问题的结果表明，算法的收敛性明显好于标准遗传算法。     

用基于模拟退火机制的多种群并行遗传算法解Job—Shop调度问题

应用一种新型的遗传算法－－基于模拟退火机制的多种群并行遗传算法对Job-Shop调度问题进行求解,通过仿真表明此算法不仅具有较强的全局收敛性,而且有更快的寻优速度,是求解复杂调度问题的有效算法。