遗传算法的有效基因块保护策略*

遗传算法是一种结合全局搜索和局部搜索两种特性的自适应搜集随机算法,但存在早熟性收敛和收敛速度慢两方面问题。由于遗传算法运行过程中最小诱导模式普遍存在于个体中,同时在遗传算法运行后期,个体中存在很多属于收敛优化解或全局最优解的基因块。通过分析和论证,建立了保护属于最小诱导模式或优化解的有效基因块的控制策略。该策略可与其他杂交算子和变异算子结合,为遗传操作中父代个体包含的非有效基因块基因座上的基因提供更多进化机会,从而提高这些基因座上的有效基因数量,维持有效的种群多样性,较好地抑制了GA的早熟现象,提高了算法收敛速度和全局寻优能力。     

遗传算法与生物界进化相比存在的不足及改进

将传统的遗传算法和生物界进化相比较，指出了两个引起遗传算法收敛速度慢和寻优效率较低的原因：①遗传算法并没有模拟生物界进化中选择压力的变化和种群数量的变化，使得优秀基因无法在种群中迅速占领统制地位；②遗传算法用交叉（Crossover）模拟生物界进化的交配并没有保证基因的稳定性，使得交叉（Crossover）在某种意义上退化为变异（Mutation），这使得优秀基因在变异（Mutation）中迅速退化。针对上述两个问题的改进进行了初步的探讨，对传统的遗传算法进行了相应的改进。     

一种用于优化计算的自适应免疫遗传算法

遗传算法在进化过程中易出现早熟收敛、不能保证种群多样性的现象。鉴于免疫算法适用于多峰值寻优,文章在标准遗传算法中引入免疫机制,提出了一种自适应免疫遗传算法。变异率自适应和种群大小自适应提高了算法全局寻优的稳定性,个体浓度的使用改进了种群的多样性,引入二次应答机制和精英库提高了收敛速度。试验表明,该算法收敛速度快、稳定性好,并保证了种群多样性。     

基于染色体易位的动态进化算法

针对采用二进制编码的进化算法在函数优化过程中会因为维度之间的相互干扰,导致部分低阶模式出现无法进行有效重组的现象,提出一种新的结合细胞学研究成果的进化算法——染色体易位的动态进化算法(CTDEA)。算法通过构建基因矩阵来模拟有机染色体在细胞内的结构化过程,并在基因矩阵的基础上对出现同质化的染色体短列实施模块化的易位操作,以此来维护种群的多样性;同时通过个体适应度划分种群的方式来维护精英个体,确保个体间的竞争压力,提升算法的寻优速度。实验结果表明,该进化算法与已有的遗传算法(GA)和分布估计算法相比较,在维护种群多样性方面有较大改进,能够将种群的多样性保持在0.25左右;且在寻优的精度、稳定性以及速度上也有明显的改进和提高。     

一种基于生物激素调节机理的优化遗传算法

针对标准遗传算法存在着早熟、进化缓慢等不足,基于生物激素调节规律,提出一种改进型的自适应遗传算法。该遗传算法能够充分发挥优良个体的作用,保证种群的高度多样性和优良性,从而提高进化速度和避免早熟现象。最后的仿真结果表明,在相同环境下,改进后的遗传算法比标准算法具有较好的寻优搜索精度和较快的收敛速度。     

引入进化梯度的改进小生境遗传算法

针对基本遗传算法易于早熟及局部寻优能力较差等不足,提出了一种引入进化梯度的改进小生境混合遗传算法(GNGA)。利用进化梯度信息调整个体向更优解进化,并根据进化代数自适应调整实数编码个体的交叉量和变异量,增强了局部寻优能力和解的精度。基于排挤的小生境算法的引入,保持了种群的个体多样性以克服早熟。在Shubert函数上的仿真结果表明,与小生境遗传算法相比该算法能有效提高解的精度及收敛速度,找到更多最优解。     

佳点集遗传算法及其在PID控制中的应用*

传统遗传算法具有收敛速度慢、局部寻优能力较差且容易出现“早熟”等现象,运用数论中的佳点集理论与方法对其进行改进。改进的算法通过生成一种具有良好多样性的均匀初始种群,构造出新型的佳点交叉算子和变异算子,使得在进化过程中子代可以更好地继承父代的优良特性,有效地改善了传统算法的全局收敛速度,避免了“早熟”现象的发生。将此改进算法应用于工业PID控制器的参数寻优,仿真结果显示出佳点集遗传算法明显提高了搜索速度,系统的动态性能和稳定性也有明显改善。     

一个协同进化计算模型

针对遗传算法的早熟现象、模式欺骗和局部搜索能力弱等缺陷提出了一个协同进化计算模型.该模型在基本遗传算法基础上引入多种群协同进化,利用性别特征改进交叉算子,采用小生境技术保持多样性.通过将问题求解转变为有向图遍历提出了染色体基因定位算子,使得问题求解和染色体中基因定位结合起来,提高问题求解的质量.在定位过程中可以和模拟退火等局部搜索能力强的启发搜索算法结合.通过几个非常容易陷入局部最优的测试函数和多峰函数测试,表明几乎所有的峰值都得到了理论值.     

一种适用于网上谈判支持系统的改进遗传算法

为谈判问题建立便于遗传算法处理的数学模型,利用遗传算法的全局收敛性快速寻优,可并行性寻优以及模拟自然进化过程解决最优问题等优点,引入新的局部元启发搜索机制,加速搜索速度,提高搜索效率,克服传统遗传算法在处理永远难忘该类问题时出现的过早收敛,解缺乏多样性等缺陷,以便于在合理时间内产生协调解。最后,举例说明了该方法的可行性和特殊的优越性。     

一种基于多样化成长策略的遗传算法

遗传算法中,部分局部最优个体常常会抑制种群中其他个体的成长,使进化停滞,结果陷入局部最优．对此,提出一种基于多样化成长策略的遗传算法,通过采用迁移杂交、多态变异和群体突变等方法,对种群中不同适应度的个体给予不同的进化成长策略,以保持个体间的多样性,从而增强算法的寻优能力．对改进算法的算法复杂度进行了分析,并通过算例表明,多样化成长策略的各个部分均对改善寻优结果发挥了作用．     

一种基于颜色信息的图象检索方法

由于传统的基于颜色的图象检索都是基于颜色直方图的检索,其很难将颜色信息和其他信息结合起来,因此,降低了图象检索的准确度.为了提高图象检索的准确度,提出了一种基于颜色聚类表的图象检索方法,该方法首先定义颜色聚类表,并对图象进行颜色聚类;然后利用聚类后的颜色信息构造聚类表,并利用聚类表作为特征来对图象进行检索,同时给出颜色聚类表的获取方法;最后,利用该方法进行了仿真实验.实验结果表明,利用颜色聚类表,根据图象的聚类结果来实现检索,可以很方便地将颜色信息与其他信息结合起来.     

Vague集向Fuzzy集转化的一种新方法

提出Vague值向Fuzzy值转化的实用方法的定义。针对文献[6]中的一个Vague值向Fuzzy值转化的均值修正法,提出了加权均值修正法,并证明了这种方法同样是Vague值向Fuzzy转化的一种非常实用的方法。     

六维鼠标中力矩与转角转换的一种新方法

提出一种六维鼠标中矩与转换角转换的新方法，不但简化了RPY角计算方法中的繁琐过程，而且不需用任何三角、反三角，开方等这些对单片 机来非常耗时的复杂数学运算，大大缩减了计算量，提高了整个鼠标系统的快速性，因此该算法更便于单片机使用。误差分析表明在很宽的转角变化范围之内，用该方法得计算结果和RPY方法得到的计算结果之间存在很小的误差，而这种微量误差对于鼠标操作的系统来讲是完全可以接受的，运动学控制实验证明了该方法的可行性。     

针对非连通流形数据降维的过渡曲线方法

针对位于非连通流形上的数据的特征提取是流形学习领域的一个公开问题,分解-整合算法是目前处理此问题的最有效的方法.然而,此算法的最大局限是边缘问题,即当不同类间的最短距数据对位于相应类内而非类边缘时,算法往往表现异常.针对这一关键问题,提出了一种解决方法——过渡曲线方法.其主要思想为,通过构建连接不同类边缘最短距数据对间的平滑过渡曲线以使流形类间的连接关系更为有效,进而使得数据的全局形态在低维空间中能够更好地保持.一系列人工与图像数据集上的实验结果表明,过渡曲线方法的表现明显优于分解-整合算法,特别是,边缘问题得到了解决,这极大地扩展了分解-整合算法的应用范围.     

一种基于Harris和图像对比度的角点检测方法

目前各种角点检测方法,对于不同的图像需要选取不同的阈值才能保证结果的精确度,而阈值的选取是比较麻烦的.此处提出了一种通用的方法,通过适当改变图像直方图增大图像对比度,再使用固定阈值的Harris方法对图像中的角点进行提取.该方法解决了阈值选取困难的问题,实验结果表明该方法有效提高了结果的精度,在很多场合比较适合.     

基于Web技术的工作流管理信息系统

本文介绍了工作流管理信息系统,提出了这种系统的一种建模方法及其设计思路,结合一个简单的实例,分析在此种设计思路下工作流管理信息系统的流程推进机制,并简要分析了一个应用实例,最后总结了此种设计模式的优点和未来研究的方向。     

正则化参数求解方法研究

针对BP神经网络算法训练过程中出现的过拟合问题,提出了利用一阶原点矩,二阶原点矩,方差和极大似然估计概念的推广来计算L2正则化中正则化参数λ值的方法。该方法通过对算法数据集[X,Y]中的X矩阵进行运算得到的四个λ值,BP神经网络算法训练时通常采用的是贝叶斯正则化方法,贝叶斯正则化方法存在着对先验分布和数据分布依赖等问题,而利用上述概念的推广计算的参数代入L2正则化的方法简便没有应用条件限制;在BP神经网络手写数字识别的实验中,将该方法与贝叶斯正则化方法应用到实验中后的算法识别结果进行比较,正确率提高了1.14-1.50个百分点;因而计算得到的λ值应用到L2正则化方法与贝叶斯正则化方法相比更能使得BP神经网络算法的泛化能力强,证明了该算法的有效性。     

改进的Fast Marching方法在医学图像分割中的应用

Fast Marching方法应用于医学图像分割取得了较好的分割结果,但是Fast Marching方法对边缘比较模糊的图像不能准确完整地分割出来。提出了一种结合像素间信任连接算法和Fast Marching方法的医学图像分割方法,首先用高斯滤波器对图像进行滤波,然后对图像用基于像素间信任连接的算法提取待分割图像中目标区域,取得较大的同质区,最后用Fast Marching方法对图像进行分割。实验结果表明,该方法对边缘模糊和目标内部存在伪边缘的医学图像能取得较好的分割结果。     

用于图像认证和窜改检测的稳健图像摘要*

本文提出了一种用于图像认证和篡改检测的稳健图像摘要。该算法利用Zernike矩的幅度和修正后的相位旋转不变性生成图像摘要（图像Hash）。图像Hash之间的相似性用汉明距离度量。仿真结果表明该方法对大部分内容不变的图像操作具有鲁棒性。不同图像对Hash之间的汉明距离远大于阈值,因此该方法可用于图像认证。同时该方法还可以检测图像篡改并可以定位图像篡改的位置。     

直接零件标记的二维条码定位方法

针对直接零件标记（DPM, Direct Part Marking）二维条码的定位技术展开研究。由于环境光照、金属材质等因素,采集到的条码图像会存在光照不均、对比度低和高光等问题,对DPM二维条码定位带来很大的影响。采用了同态滤波的方法来增强图像,用梯度投影法对二维条码区域进行初定位。针对背景灰度级与目标灰度级相近导致传统阈值化存在误分割的问题,采用了一种OSTU与邻域阈值相结合的自适应二值化算法。利用形态学拟合Data Matrix二维条码的L型定位边,最后采用凸包算法实现对二维条码精定位。实验表明,该方法能有效解决图像采集中出现的光照不均、对比度低等问题,快速定位出条码区域。