改进的云粒子群优化算法及其断路器优化应用

针对断路器的能耗优化设计中复杂的多维参数设定常采用经验选取的方式,易导致断路器自身能耗过大。为此,提出一种结合鲶鱼效应与云模型的改进粒子群优化算法对其多维相关参数进行优化选取,先将传统的粒子群优化算法与云模型相结合,对多维寻优粒子加以分类,控制不同粒子群在不同搜索状态下快速寻优;再引入鲶鱼效应扰动机制增加寻优粒子多样性,提高寻优精度;最后采用该改进算法对断路器能耗模型优化仿真以及断路器参数设定。结果表明,提出的改进方法可以实现断路器低能耗设计要求,并能有效提高其设计效率。     

双群分段交换的改进微粒群优化算法研究

针对微粒优化算法在高维复杂函数寻优上容易陷入局部极值的问题,提出了一种双群分段交换的改进微粒群优化算法（TSME-PSO）。算法将群体分成规模相同的两个种群,两分群采用不同的进化模型更新微粒的位置与速度。算法搜索的不同阶段,交换不同数目的微粒,且数量是不断减少的。通过这些方法,可以有效地提高种群多样性,增强微粒寻优活力。仿真实验表明,TSME-PSO算法可以有效逃离局部极值,整体寻优性能良好,优于其他算法。     

混合粒子群优化算法及其收敛性分析

为解决标准粒子群优化算法不能保证全局收敛,寻优精度低,尤其在高维函数优化方面易陷入局部极小值等问题,提出一种融合Kent混沌映射、云模型理论和布谷鸟搜索的混合粒子群优化算法(CPSO);CPSO算法采用混沌初始化种群位置、全局开发及局部开采的均衡搜索、多子种群协同进化等改进策略,同时从随机优化算法的全局收敛准则角度对CPSO算法的全局收敛性进行证明,并给出了CPSO算法的时间复杂度分析;经典的benchmark测试函数的实验统计结果表明,CPSO算法在收敛性、寻优精度、稳定性等方面均优于经典算法。     

吸引子权重改变内嵌区域震荡搜索粒子群算法

针对粒子群算法搜索精度不高、搜索最优解较慢的问题,提出了一种改进的粒子群算法。该算法通过调整全局最优解和个体最优解,形成一个新的全局吸引子解指导粒子收敛,优化种群粒子来搜索解空间的最优值。再将优化方案融入到内嵌区域震荡搜索的粒子群算法（RSPSO）中,仿真结果表明,改进的粒子群算法在寻优能力及搜索精度方面都得到了进一步的提高。     

改进型PSO算法在VRP中的应用

运用罚函数法将约束优化问题转化为无约束优化问题,同时采用实数编码方案,将离散的车辆路径问题转化成准连续优化问题,在此基础上,用改进的粒子群优化算法求解最优值.改进的粒子群算法引入了杂交PSO模型和变异算子.仿真实验结果表明,该算法在保持粒子种群多样性、提高收敛速度和搜索精度、扩大搜索范围、避免过早收敛于局部极值点等方面...     

混沌映射的禁忌同步随机学习因子粒子群算法

针对粒子群算法初始化个体质量参差不齐,算法后期容易早熟,陷入局部最优值以及后期搜索精度不高、收敛速度缓慢的缺点,本文提出一种基于混沌映射的禁忌同步随机学习因子粒子群算法.利用Logistic映射对算法的粒子种群进行初始化,提高种群个体质量;在算法进入后期搜索寻优时,引入禁忌搜索策略,利用其良好突跳能力,跳出局部最优值,提高算法的全局搜索能力;最后将传统的学习因子通过几个测试函数进行迭代寻优,选取寻优能力突出的区间构建同步随机学习因子,平衡粒子的个体经验和群体经验.将改进的粒子群算法与另外几个智能算法在测试函数上寻优对比验证,仿真实验证明,改进的粒子群算法在寻优能力、收敛速度、搜索精度以及算法的稳定性等性能上,与另外3个智能算法相比都有显著提升.     

基于种群关系的多种群粒子群协同优化算法

传统粒子群优化算法容易陷入局部最优解,搜索效率不高,针对此问题,提出了一种基于种群关系和斥力因子的多种群粒子群优化算法SRB-PSO (Swarm-Relation-Based PSO).根据当前搜索结果定义种群之间统治、对等和被统治3种关系,通过引入斥力因子来保证种群间搜索的多样性,并通过统治和被统治关系提高算法的搜索效率,从而在改善算法的全局搜索性能的同时提高解的质量.将算法与其他几种主流粒子群优化改进算法在标准测试集上进行对比,实验结果证明了SRB-PSO算法能较好地保持粒子多样性,全局搜索能力强,在解决多峰函数时的性能优于其他几种主流粒子群优化改进算法.     

基于PRS元模型的粒子群优化算法及其应用*

针对传统粒子群算法优化黑箱模型过程中存在巨大计算开销的问题,提出一种基于PRS元模型的改进粒子群优化算法—PPSO算法。在该算法迭代过程中,构建PRS元模型,利用其最优值点辅助粒子种群的更新,此外仅选择元模型预估集中优值集的粒子进行目标函数的计算仿真。将PPSO算法与基本粒子群算法、混沌粒子群算法进行数值测试对比,并应用于模糊控制器的优化设计,仿真结果表明该算法可减少真实估值次数,提高优化搜索能力。     

一种克服粒子群早熟的混合优化算法

针对粒子群优化算法在寻优时容易出现早熟现象,提出在粒子群收敛停滞时,从种群中随机选择粒子进行共轭梯度法计算,通过引入共轭梯度算法计算的信息来影响粒子速度的更新,以保持群体的活性,从而打破群体信息陷入局部最优的状况.不同于传统的粒子群算法,该算法有机地结合了粒子群的全局搜索能力和共轭梯度法的强大局部搜索能力,从而在一定程度上有效地克服了粒子群早熟的缺点.仿真计算结果表明,该改进粒子群的方法对于不同维数的非线性函数具有很好的寻优效果.     

一种改进的云粒子群算法及其应用研究

针对基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法应用中优化效率低和局部寻优能力较差的问题,提出了两点改进措施:在解空间变换的基础上将局部搜索与全局搜索相结合;依据正态云算子实现粒子的进化学习过程和变异操作.将改进算法应用于多变量函数极值优化问题.仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性.     

分水岭算法应用于主动轮廓模型能量分割算法的研究

主动轮廓模型(snake模型)被广泛应用于边缘提取、图像分割等领域。该模型能对目标适当初始化,并进行自主收敛,使得能量处于极小值状态,以达到目标分离的效果。当目标初始位置敏感时,需要依赖其他机制对内部能量进行合理初始化,由于模型的非凸性,它有可能收敛到局部极值点甚至发散。将分水岭算法应用于主动轮廓模型的能量分割算法,通过改进的分水岭算法确定主动轮廓模型的初始轮廓,利用迭代完成对轮廓点周围的局部近邻点的检索,以选取更小的轮廓模型,当获得最小值时完成目标轮廓的提取。     

一种新结构下的主动轮廓算法

经典主动轮廓模型是采用由内部能量和外部能量共同组成的能量函数来进行收敛计算的，其中外部能量对精确收敛到目标轮廓起决定性作用，而内部能量在保证轮廓线进行合理变动的同时，却对收敛精确性产生了负作用。为克服这一问题，因而给出一种新的主动轮廓结构，即先把内部能量从能量函数中分离出来，仅采用外部能量进行收敛计算，然后在此结构下重新定义图像能量和控制能量，同时引入了轮廓修正函数，把连续性和光滑性约束应用到Snake曲线的变动过程之中。仿真实验表明，新结构下的主动轮廓算法对初始轮廓要求不高，具有收敛速度快、跟踪精度高等优点。     

一种基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的“有效逼近域”内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。     

Snake活动轮廓在组织培养细胞分割中的应用

在组织工程培养细胞图像检测中，需要得到较完整的清晰轮廓线以获取生长信息。为了适应这种需求，提出了一种基于Snake算法自动边缘检测算法。应用基于小波的尺度独立边缘检测方法，可以得到简洁的边缘；采用形态学和样条拟合方法得到的单像素的边界作为Snake算法的初始轮廓，通过迭代和结合图像固定点的外部约束力使轮廓收敛到最终的边界。实验结果证明了该算法的可行性和有效性。     

一种医学图像的轮廓提取方法

针对医学图像的模糊性和灰度不均导致目标轮廓难以准确提取的问题,提出使用改进的遗传算法控制主动轮廓模型完成边界提取的方法。采用保优算子保留遗传性状,选择适当的交叉算子,在进化后期可实现由整体寻优到局部寻优的转变。实验结果证明,该方法在提取目标轮廓时抗模糊能力强、鲁棒性好。     

基于图搜索和轮廓插值的半自动组织分割方法

提出了一种基于图搜索和轮廓插值的半自动序列医学图像分割方法,该方法首先采用一种改进的Live-wire方法对医学图像序列中反映待分割组织主要形状结构的关键层进行交互式分割,然后利用轮廓插值技术对中间的过渡图像进行自动分割;对传统的轮廓插值算法进行了改进,采用了基于余弦函数的轮廓插值,在轮廓形状有突变的地方,采用余弦插值可以很好地改变线性插值所带来的弊端,及时改变插值轮廓形状。使得插值生成的边界轮廓和实际边界轮廓的符合度大大提高。最后结合中间层的局部信息通过自动收缩和用户局部调节的办法对中间层分割结果进行修正,从而获得最终的分割结果。实验结果表明,该方法对于复杂的人体组织和器官可以获得满意的分割结果。     

基于PSO和M-S模型的图像分割方法

为得到快速、准确的图像分割方法，提出了一种基于微粒群算法（PSO）的主动轮廓线模型和Mumford-Shah（M-S）模型的方法。利用PSO方法对主动轮廓线模型的蛇点寻优，使其快速收敛到图像边缘附近，得到目标的粗糙轮廓，作为M-S模型的初始水平集；并将窄带方法引入M-S模型的计算，快速得到准确的分割结果。该方法克服了主动轮廓线模型对初始曲线敏感、不能收敛到物体的凹陷边缘、对噪声敏感问题和M-S模型需要对所有图像数据进行计算且计算量大等问题。实验结果表明了该方法的可行性和有效性。     

一种分阶段的主动轮廓算法

提出了一种分阶段的主动轮廓新算法。对源图进行一层小波分解，获得源图的一幅近似图。在发展阶段，主动轮廓作用在近似图中，并采用贪心算法使主动轮廓逐渐收敛到轮廓附近。在成熟阶段，主动轮廓作用在源图中，采用B样条形式，并使用动态规划算法达到全局最优。试验证明，这种算法具有收敛效果好、速度快的特点。     

Object segmentation using graph cuts based active contours

In this paper we present a graph cuts based active contours (GCBAC) approach to object segmentation. GCBAC approach is a combination of the iterative deformation idea of active contours and the optimization tool of graph cuts. It differs from traditional active contours in that it uses graph cuts to iteratively deform the contour and its cost function is defined as the summation of edge weights on the cut. The resulting contour at each iteration is the global optimum within a contour neighborhood (CN) of the previous result. Since this iterative algorithm is shown to converge, the final contour is the global optimum within its own CN. The use of contour neighborhood alleviates the well-known bias of the minimum cut in favor of a shorter boundary. GCBAC approach easily extends to the segmentation of three and higher dimensional objects, and is suitable for interactive correction. Experimental results on selected data sets and performance analysis are provided.     

基于预处理的Ballon模型及在眼疲劳检测中的应用

获取眼睛轮廓和眼球轮廓对进一步研究人眼疲劳状态具有重要意义.提出基于预处理的Ballon模型对含有双眼的局部人脸图片进行人眼和眼球检测的方法.用微分算法抽取边缘、标识出物体、使用几何特性识别人艰区域,自动获取主动轮廓所需要的眼睛初始轮廓;使用提出的基于预处理的Ballon模型收敛人眼;结合数学形态等方法收敛到眼球.实验结果表明,该方法具有效果好、鲁棒性好、受光线影响弱等优点.