基于粗糙集模型的形态学算子

本文从数学形态学算子与粗糙集中上下近似算子的关系入手,指出了形态学运算膨胀与腐蚀、开与闭分别可视为相似关系下的两对上下近似算子,并构造出新的形态学算子。实现该算子,发现该算子具有良好的性质。     

求解TSP的启发式顺序交叉算子

旅行商问题是经典的NP难组合优化问题之一.在用遗传算法求解旅行商问题时,顺序交叉算子是一种较为常用的遗传交叉算子.使用顺序交叉算子时的交叉点位置是随机指定的,不能反映关键遗传信息,导致算法执行效率较低.在顺序交叉算子的基础上,提出了一种启发式顺序交叉算子.该算子结合顺序交叉算子和启发式算法以得到双亲中交叉点位置,保留了双亲中关键的城市顺序信息.该算子改善了使用顺序交叉算子执行效率低的问题.实验结果表明了该算子的有效性.     

一种求解旅行商问题的贪婪边重组交叉算子

提出了一种新的求解旅行商问题的贪婪边重组交叉算子。该交叉算子吸取了边重组交叉算子的优点,使得父代在进化过程中获得的优良的边能顺利地遗传给子代。同时,在边重组的过程中,该交叉算子引入所求旅行商问题的具体信息以指导新边的生成,从而该交叉算子具有贪婪特征。实验结果表明:对于简单的旅行商问题,贪婪边重组交叉算子能显著提高算法效率;对于大规模的旅行商问题,该交叉算子的效果也较理想。     

诱导连续区间有序加权平均算子及其在区间数群决策中的应用

基于诱导有序加权平均(IOWA)算子和连续区间有序加权平均(C-OWA)算子,提出一种诱导连续区间有序加权平均(IC-OWA)算子,并讨论了该算子的优良性质.针对区间数互补判断矩阵提出了连续偏好矩阵的概念,定义了基于专家评判水平偏差的诱导连续区间有序加权平均(DIC-OWA)算子,并给出一种基于该算子的区间数群决策方法.最后通过算例说明了该方法的可行性.     

IPLOWAA算子及其在风险投资中的应用

利用纯语言变量的运算规律,提出了一种信息集成算子：导出的纯语言有序加权算术平均（IPLOWAA）算子,同时对IPLOWAA算子的性质进行了研究。在群体语言偏好关系下,给出了基于IPLOWAA算子和PLOWAA算子的一种群决策方法,该方法计算简洁方便且能充分利用已有的决策信息。将该方法应用在风险投资中,说明该方法的实用性和有效性。     

基于扩展OWA算子的数据信息聚合方法研究

在数据信息聚合的过程中通常会用到有序加权平均聚合算子,然而有序加权平均聚合算子只是考虑了数据信息所处聚合位置的重要度,却很少考虑数据本身的重要度。针对这种缺点和不足,提出了一种扩展的有序加权几何平均聚合算子,证明了该扩展聚合算子的一些基本性质定理;从理论上分析了该扩展聚合算子的科学性和合理性;通过一个算例的对比分析,证实了该扩展的聚合算子在数据信息聚合时更能真实地反映实际情况。     

基于矩阵编码的遗传算法研究

分析遗传算法求解矩阵函数的局限性,提出一种基于矩阵编码的遗传算法。定义该算法的选择算子、交叉算子、变异算子,编写各算子的Matlab函数,通过仿真求解二矩阵变量函数。实例证明,该算法能确保矩阵染色体的结构完整性,提高遗传算法的速度和寻优 精度。     

具脉冲出生和季节性捕杀的种群系统优化算法

为了求解一些非线性优化问题,采用具有脉冲出生和季节性捕杀的种群动力学模型提出了一种新的群智能优化算法(PSO-IBSK).在该算法中,假设某种群由具有幼年和成年两种阶段状态的若干个体组成,幼体是由成体脉冲产生的,经过一段时间后会变成为成体.为了提升种群的整体质量,需要季节性地对一些生长状况不良的成体进行捕杀.该算法中的出生算子和成长算子可分别实现成体向幼体瞬时和延迟传递信息,有助于搜索跳出局部最优解陷阱;捕杀算子可周期性地将不良成体清除,死亡算子可将虚弱个体随机清除,该两个算子有利于提升算法的求精能力;强势算子可实现强壮个体向虚弱个体扩散强壮信息,竞争算子可实现幼年和成体之间的有效信息交换,该两个算子有利于提升算法的探索能力;进化算子可确保算法具有全局收敛性.该算法的大部分参数采用该种群动力学模型确定,具有很好的科学性;该算法每次只处理个体特征数的6‰～8％,从而使时间复杂度大幅降低.测试结果表明,该算法具有较优越的性能,适于求解维数较高的优化问题.     

整数阶滤波的分数阶Sobel算子的边缘检测算法

针对传统的整数阶微分图像边缘检测算子存在的边缘模糊不清、受噪声影响大等问题,该算法从改进传统的整数阶微分Sobel算子入手,以分数阶微分理论为基础推导出了分数阶微分Sobel算子,结合Sobel算子边缘检测方法,将整数阶微分Sobel算子作为滤波器与分数阶微分Sobel算子作卷积运算,改进了整数阶微分Sobel算子。整数阶微分滤波后的分数阶微分Sobel算子成功地解决了传统的边缘检测算子存在的准确性低、抗噪性差等问题。理论研究与实验结果表明,该边缘检测算子对图像的边缘细节特征刻画得更精细,抗噪性更强,优于常用的整数阶微分边缘检测算子,边缘检测效果很好。     

一种描述软件体系结构的算子

文章阐述了一种描述软件体系结构的算子及其基本概念,讨论了该算子的基本性质,推导了关于算子的两个简单推论。     

正则蕴涵算子族G-λ-R0及其三Ⅰ支持算法

首先给出了一个新的蕴涵算子族:G-λ-R0(λ∈[0,1])(它包括Gsdel(简称RG)算子与R0算子).然后重点讨论了G-λ-R0(λ∈[0,1])族算子的伴随算子及其正则性.结果表明,在该算子族中,每一个算子都具有伴随算子且具有正则性.从而说明了此算子是较理想的蕴涵算子.最后讨论了基于此蕴涵算子族的三Ⅰ支持算法.     

基于交流的求解数值优化问题的混合演化算法

演化算法中有很多不同的演化算子,每一种算子对于不同的优化问题都有自己的优点和缺点。提出了一种基于交流模型的多算子混合演化算法。在该算法中,有两个种群,使用两种算子:多父体杂交算子和Cauchy变异算子。种群间的信息交换通过个体交流实现。对23个标准测试函数的数值仿真表明,该算法具有良好的全局收敛性和鲁棒性。     

一种求解TSP问题的动态杂交算子

TSP(TravelingSalesmanProblem)问题是最经典的NP-hard组合优化问题之一。长期以来,人们一直在寻求快速、高效的近似算法,以便在合理的时间内解决大规模问题。论文在文犤5犦提出的两交换启发交叉算子的基础上,通过分析,发现该算子的杂交结果与所选择的首城市有关,因而不同的首城市的选择会大大影响该算子的效率,此外,在杂交母体范围内执行贪婪策略也导致了算法的效率较低。为此,提出了一种新的有效利用局部信息的杂交算子,该算子能够有效地保存母体信息,进一步摆脱首城市的选择问题。实例仿真证明了该算子的有效性。     

混合算子在数据信息聚合中的应用研究

在权重未知情况下进行数据信息聚合时,经常会用到OWA聚合算子及其扩展的聚合算子;然而在数据信息自身的权重及数据信息所处聚合位置的权重之间,大多数聚合算子仅仅考虑了其中的一种权重。在同时考虑数据信息两种权重的情况下,提出了一种混合有序加权聚合（HGOWA）算子,给出了基于该算子的数据信息聚合方法,并证明了该算子的一些性质定理。通过一个变电所设计方案评估问题,阐明了所提出聚合算子的科学性与合理性。     

基于Riemann-Liouville改进的1~2阶分数阶边缘提取新模型

针对数字图像的处理中采用整数步长与0~1阶分数阶微分的掩模算子未能精确定位边缘信息、缺少图像的纹理细节的问题,在Laplacian算子的基础上提出了一种新的边缘检测掩模算子。该算法从Riemann-Liouville(R-L)定义出发,推出1~2阶分数阶微分在中频信号的增强效果优于0~1阶分数阶微分并显著提升了高频信号,最终得到精确的检测效果。仿真结果表明:提出的算子能更好地提取边缘信息,尤其对灰度变化不大的平滑区域中纹理细节丰富的图像,该算子检测到的信息优于现有0~1阶微分算子,针对主观识别有更高的准确率;客观上采用扫描法的定位误差统计,该算子的综合定位误差率为7.41%,低于整数阶微分算子(最低为10.36%)与0~1阶微分算子(最低为9.97%),有效提高了边缘定位精度。该算子尤其适用于具有较高频信息的图像边缘检测中。     

TSP问题的顺序插入交叉算子

针对TSP问题的特点,在遗传算法的交叉运算过程中设计了三角距离差函数作为评价标准,运用贪婪策略思想,提出了一种新的交叉算子:顺序插入交叉(OrderInsertCrossover,简称OIC)算子,该算子有效地利用了局部信息,并且能很好地继承父代优秀的基因,实例仿真验证了该算子的有效性。     

基于遗传禁忌算法的贝叶斯网边定向方法

针对贝叶斯网边定向过程中存在的问题,提出一种基于遗传禁忌算法的贝叶斯网边定向方法,该方法将禁忌搜索的＂多样化＂引入遗传算法的交叉算子和变异算子中,生成禁忌交叉算子和禁忌变异算子,并对航班离港延误骨架模型进行定向,仿真实验结果表明,该方法是有效可行的。     

正则蕴涵算子族G-λ-R_0及其三I支持算法

首先给出了一个新的蕴涵算子族:G-λ-R(0λ∈[0,1])(它包括G觟de(l简称RG)算子与R0算子)。然后重点讨论了G-λ-R0(λ∈[0,1])族算子的伴随算子及其正则性。结果表明,在该算子族中,每一个算子都具有伴随算子且具有正则性。从而说明了此算子是较理想的蕴涵算子。最后讨论了基于此蕴涵算子族的三I支持算法。     

基于多尺度多结构元的数学形态学边缘检测

针对传统的边缘检测算子对噪声敏感问题,提出了一种基于多尺度多结构元素形态学边缘检测算子。该算子在传统形态学边缘检测的基础上,通过改变结构元素的形状和尺度,在很好抑制噪声的前提下,实现图像精细边缘提取。MATLAB仿真结果表明,该边缘检测算子具有更强的去噪能力,定位准确,保留了更多的图像细节,优于传统的边缘检测算子。     

密度加权平均中间算子及其在多属性决策中的应用

针对已有的信息集结算子没有考虑属性信息分布疏密程度的情况,研究了一维数据聚类的问题,并给出一种一维聚类的方法.在此基础上,开发了密度加权平均（DWA）中间算子,并将该算子与已有的5种信息集结算子进行合成,得到的合成算子兼顾了多种算子的特点.最后通过一个算例验证了DWA算子及合成算子的一些新颖的特征.