免疫最优PID控制器设计与应用

以基于欧氏距离和精英交叉的人工免疫算法(DKBAIA)为基础,提出了一种新的最优PID控制器的设计方法。这种方法的核心是以ITAE性能准则为目标函数,采用DKBAIA去调整和优化PID控制器参数,以获得最优的目标函数值,进而获得最优的PID控制器。所设计的这种控制器称为DKBAIA—PID控制器。将该控制器用于控制智能仿生人工腿的执行电机中,并进行计算机仿真实验,结果表明:这种基于免疫算法的最优PID控制器具有良好的动态和稳态性能。     

基于相似性矢量距选择的改进人工免疫算法

针对基于信息熵和基于欧氏距离的免疫算法存在的不足,提出了一种改进的免疫算法。该算法重新定义了浓度的计算方法,提出一种新的保持抗体群多样性的策略,在将其应用在中国旅行商问题（CTSP）的求解中,具体针对旅行商问题提出了新的免疫疫苗的提取和注射方法,通过实验表明了新的算法能更快地收敛到最优解,且求得最优解的效率更高,是一种较理想的求解复杂优化问题的改进算法。     

三维欧氏距离变换的一种新方法

常见的三维距离变换算法大都是对城市街区、棋盘等二维近似欧氏距离变换算法的三维扩展,得到的依然是近似欧氏距离.提出一种新的三维欧氏距离变换算法,可以得到完全欧氏距离,时间复杂度为O(n3logn).将该算法应用于三维医学CT图像内部软组织的显示,取得了较好的效果.     

免疫进化神经网络中交叉策略的改进

提出了免疫算法交叉策略的一种改进方法,采用新的交叉策略决定算法中子代个体的位置,可以使子代快速地向更高适应度的区域移动。仿真实验表明,基于新策略的改进免疫算法在进化神经网络时,比传统的进化算法具有更强的逃逸局部最小的能力和更快的收敛速度。     

基于改进的等距离映射算法的人脸识别

针对等距离映射(Isomap)算法在处理扰动图像时拓扑结构不稳定的缺点,提出了一种改进算法。改进算法将图像欧氏距离(IMED)嵌入到等距离映射算法之中。首先引入坐标度量系数计算图像的坐标度量矩阵,通过线性变换将原始图像从欧氏距离(ED)空间转换到图像欧氏距离空间;然后计算变换空间中样本的欧氏距离矩阵,并在此基础上构建样本邻域图,得到近似测地距离矩阵;最后采用多维标度(MDS)分析算法构造样本的低维表示。对ORL和Yale人脸数据库降维并结合最近邻分类器进行实验,基于改进算法的识别率平均分别提高了5.57%和3.95%,表明与原算法相比,改进算法在人脸识别中对图像扰动具有较好的鲁棒性。     

NSGA-Ⅱ算法的改进策略研究

带精英策略的非支配排序遗传算法(NSGA-Ⅱ)在多目标优化领域具有广泛的应用,但该算法种群收敛分布不均匀,全局搜索能力较弱,算法运行速度较慢。针对这些局限性提出了改进的排序适应度策略、算术交叉算子策略、按需分层策略和设定阈值选择策略。在典型的测试函数集上的数值实验结果表明,根据这些策略改进的算法得到的非劣解集具有较好的分布性,同时收敛速度更快。     

基于Sobol序列和纵横交叉策略的麻雀搜索算法

针对麻雀搜索算法(SSA)容易陷入局部最优、收敛速度较慢等问题,提出一种基于Sobol序列和纵横交叉策略的麻雀搜索算法(SSASC).首先,在初始化阶段引入类随机采样方法中的Sobol序列,以增强种群的多样性和遍历性;其次,提出一种指数形式的非线性惯性权重,从而提高算法的收敛效率;最后,应用纵横交叉策略对算法进行改进,...     

基于改进遗传算法的带时间窗车辆路径问题研究

该文以最小化配送时间为目标,研究带时间窗的车辆路径问题,建立整数规划模型。为了加快遗传算法的收敛速度和寻优能力,提出一种改进遗法算法IGALS(Improved Genetic Algorithm with Local Search)。改进算法借用精英保留策略,采用点交叉和段交叉算子结合的交叉算子;提出路段允许延迟时间概念,并以此为依据使用局部搜索策略进一步提高解的质量。通过Solomon标准算例测试,验证了改进算法(IGALS)较简单遗传算法(GA)具有更好的全局寻优能力和更快的收敛速度。     

基于马氏距离和H-K聚类的空值估计研究

传统的基于欧氏距离和K-means聚类算法的空值估计算法容易因为欧氏距离对量纲的敏感性和初始聚类中心对K-means聚类效果的影响产生估值误差。将层次聚类算法和K-means聚类算法有机结合起来的H-K聚类算法克服了K-means算法对初始聚类中心的敏感性,从而改善了聚类效果。与欧氏距离不同,马氏距离可以避免量纲的影响。为此提出一种改进的空值估计算法,将H-K聚类应用到空值估计算法中进行聚类,在聚类时采用马氏距离代替欧氏距离,在聚类后使用多元线性回归法计算样本中的空值。实验结果表明改进后的空值估计算法使得估计值的绝对误差率(MAER)得到降低。     

免疫算法的改进及在参数反演中的应用

本文提出一种改进的免疫算法。该算法用正交交叉生成初始种群,用精英交叉来增加群体的优良模式,用混合变异提高局部和全局寻优能力。将该方法应用于墨西哥湾地区典型地层模型AVO弹性参数反演。数值试验结果表明,和传统免疫算法相比,改进算法在反演精度和收敛速度上都有了很大的提高。     

基于改进遗传算法的加权模糊C均值聚类算法

针对模糊C均值(FCM)聚类算法具有初始聚类中心敏感和容易陷入局部最优的问题,提出了一种基于改进遗传算法(GA)的加权模糊c均值聚类算法,采用高斯变异算子,提高了遗传算法在每个峰值附近的局部搜索能力,用基于复相关系数的加权欧式距离代替欧式距离,改进了FCM算法的聚类目标函数.用改进的算法对国际标准测试数据Iris进行测试,实验结果表明改进后的算法具有更好的稳定性和健壮性,提高了聚类的效果.     

Rapidio网络QoS多目标优化

针对现有Rapidio网络路由管理策略的缺点,提出了一种基于改进的遗传算法的优化策略。通过改进的路由分配策略以及对传统遗传算法编码、交叉和变异等方面的改进,明显提高了Rapidio网络服务质量（QoS）诸项指标;同时相对于传统遗传算法,改进的遗传算法拥有更快的收敛速度。该算法适用于基于Rapidio网络的嵌入式应用,具有较强的工程实用价值。     

基于IF-HPSO算法的防空作战WTA问题研究

武器-目标分配问题(WTA)是防空作战指挥决策中的一个关键环节,属于典型的NP难问题。为提高其求解速度和精度,提出一种基于直觉模糊的混合粒子群优化算法(IF-HPSO)。首先,以弹药消耗最小、拦截率最大为目标函数,建立火力资源受限条件下WTA的优化模型;采用实数编码,引入直觉模糊领导力函数选择出较优粒子参与速度更新;定义种群同构因子函数来调节惯性权重和学习因子;此外,将基于精英保留策略的遗传操作混合PSO算法进行迭代寻优,加快收敛速度;最后,对WTA问题实例进行仿真并将所提算法与AIA,GA,HDPSO算法进行比较,结果表明所提算法具有更快的寻优速度和更高的求解精度。     

一种加权距离连续K中心选址问题求解方法

K中心选址作为一种经典问题,学者们提出了很多好的解决方法,但是对于加权距离连续K中心选址问题的研究一直没有很好的进展.本文针对连续K中心选址问题,以最小加权距离作为优化目标提出改进的粒子群优化算法(SA-PSO).本文将模拟退火机制引入PSO算法并且加入惯性权重等策略对算法进行改进,使得该算法可以更快收敛于全局最优.仿真实验结果表明,SA-PSO算法相比于GA算法和K-means算法,具有更强的稳定性,收敛速度更快,并且优化得到的加权距离更小.     

一类带筛选策略的改进遗传算法及其性能分析

为避免遗传算法的早熟收敛，增强算法的全局搜索和局部趋化能力，在传统保优GA中引入筛选策略，即基于种群性能和种群地域差别删去一些性能相对差的冗余个体，进而维持种群的多样性．基于典型复杂函数的数值仿真结果表明，所提算法的全局收敛速度和命中全局最优的几率相对传统方法大大提高，并对参数具有较好的鲁棒性．     

基于广义调和均值距离的图像分割新算法

提出了基于广义调和均值距离的最小偏差图像阈值化分割新算法。Otsu阈值法是图像分割中最典型阈值法之一,因其计算简单、速度快和性能稳定等优点而在图像分割中得到广泛应用;但是,传统Otsu阈值法是基于欧式距离的最小偏差阈值法,由于欧式距离没有可调节参数而导致Otsu阈值法分割图像缺乏鲁棒性。首先将Otsu图像分割法中的欧式距离用广义调和均值距离代替并得到一种具有鲁棒性的图像分割新算法,其次给出该算法中参数选取办法。大量实验结果表明,新的图像分割算法相比Otsu法更有效。     

基于内容的SIFT+LSH管道缺陷检索算法研究

各个城市对地下管道安全的检测一直是研究的热点和难点。传统的检测仪器不仅费时费力而且误检率特别高,随着技术的发展计算机视觉相关的方法也有在管道检测中应用,但是检测的速度和效果不尽人意。针对当前传统的检测方法操作复杂,成本高的问题,提出了一种基于内容的SIFT+LSH管道缺陷图像检索方法。该方法首先选取了优势较为明显的局部特征SIFT,充分利用了管道缺陷图像的特征,同时选取LSH算法对图像SIFT特征进行优化,将其转化为Hash编码,提高了检索速度。实验结果表明,基于SIFT特征和LSH算法的管道缺陷检索方法,相比与传统的SIFT特征和欧式距离的检索方法,大大提高了检索的速度,使得检测人员在实际操作中能够更快地获取到比较满意的检索结果。     

人工免疫算法及其应用研究

为了有效地解决病态的约束优化问题,提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子,分析了算法的收敛性.人工免疫算法继承了遗传算法“优胜劣汰”的自我淘汰机制,但新抗体的产生方法比遗传算法中新个体的产生方法灵活得多.在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.100个城市TSP问题的仿真实例显示人工免疫算法比遗传算法具有更强的全局搜索能力和收敛速度.     

传感器网络中基于多维标度定位算法的改进

针对基于经典多维标度的MDS-MAP算法在定位精度方面的不足,为提高传感器定位精度,提出一种基于Euclidean算法的改进型多维标度定位算法(Euclidean-based MDS-MAP(P,C))。算法与经典多维标度算法的区别在于,Euclidean算法能够算出每个节点与其两跳邻居节点间的欧氏距离,然后用这个欧氏距离来进行多维标度,显然能提高精度。仿真实验表明基于Euclidean算法的改进型多维标度算法与经典多维标度算法相比具有很低的定位误差以及很高的定位精度。