基于动态融合蚁群遗传算法的医学图像配准

将基于动态融合的蚁群遗传算法作为一种新的图像配准优化算法应用在多模医学图像配准中。该算法以互信息作为相似性测度,生成初始信息素分布,采用蚁群算法搜索最优变换参数,其中动态融合策略提高了混合算法的搜索效率。仿真实验结果表明,该算法有效地避免信息函数的局部极值,减少大量重复运算,提高了配准的效率,配准结果具有良好的稳定性。     

基于蚁群优化算法的单通道冗余VLSI阵列重构

通过冗余修复方法来解决超大规模集成电路(VLSI)制造过程中因缺陷而造成的成品率低的问题。根据物理阵列中缺陷单元的分布情况,构造相应的矛盾图模型,将阵列的重构问题转化为用蚁群优化算法求解矛盾图的最大独立集问题,使得所求独立集的顶点个数恰为缺陷单元的个数。实验表明,与标准遗传算法和神经网络算法相比,用蚁群优化算法来求解单通道冗余VLSI阵列重构问题是简单有效的。     

基于模拟退火的蚁群算法求解Job-Shop问题

引用蚁群算法来解决Job-Shop问题(简称JSP),但是由于蚁群算法本身的原理和Job-Shop问题之间的差异性,使得用基本的蚁群算法来解决Job-Shop问题存在一些缺陷.从蚁群算法的改进入手,采用了不同策略的信息素更新方法,并采用模拟退火算法对搜索到的解进行处理,不仅加快了算法的收敛速度,而且能收敛到更好的解,最后用实例对算法的有效性进行了验证.     

自适应蚁群算法在流水车间调度的应用

以求解旅行商问题(TSP)来介绍基本蚁群算法模型.针对其存在的易陷入局部最优和易出现停滞等缺点,将自适应调节策略与蚁群算法结合,提出应用改进的蚁群算法求解流水车间调度问题,并通过仿真实验验证了该改进算法的有效性和优化性.     

蚁群算法的研究及应用进展

蚁群算法是优化领域新出现的一种启发式仿生类并行智能进化系统,该算法采用分布式计算和正反馈机制,易于和其他算法结合,目前已得到了广泛的应用。本文在介绍基本蚁群算法的基础上,介绍了蚁群算法目前的一些研究情况,然后例举了蚁群算法的一些应用,最后对蚁群算法今后的研究方向作了分析和展望。     

网格资源发现中移动Agent路径优化的研究

在对动态网格资源发现模型研究的基础上,改进了移动Agent在网格环境中的动态巡游策略.分析和比较了路径优化算法,在遗传算法和蚁群算法融合的基础上,提出了基于Agent的网格资源发现机制中进行路径优化的新方法,解决移动Agent为完成用户指定的资源发现任务在网格动态环境中移动时的迁移路径问题.实验结果表明了该算法的可行性,适应网格的动态性,以及提高网格资源发现的效率.     

多源扩散蚁群遗传算法

传统的遗传算法在处理多模态函数优化问题时,容易出现早熟收敛,并且局部搜索能力不强.根据蚁群信息素扩散和小生境思想,提出了一种多源扩散蚁群遗传算法.该算法采用了多源选取和保留机制,在每一代种群的个体中选出多个源中心点,并把这些点保留至下一代种群;同时每个源中心点都产生和扩散信息素以指导个体寻优.与简单遗传算法,模拟退火遗传算法和小生境遗传算法进行对比实验,数据表明该算法能搜索到更好的全局最优解,收敛速度更快.     

动态调整选择策略的改进蚁群算法

针对蚁群算法存在停滞现象的缺点,提出一种动态调整的选择策略以强化其全局搜索能力.改进的选择策略通过适当刺激蚂蚁尝试具有较弱信息素解,以提高所得解的全局性.给出了新算法仿真实验步骤,并将改进后的蚁群算法与传统蚁群算法分别应用于旅行商问题(TSP)进行仿真实验.仿真结果表明,改进后的算法具有优良的全局优化性能,可抑制算法过早收敛于次优解,有效防止了停滞现象,收敛速度也大大加快.     

多模态函数优化的小生境蚁群算法及其仿真分析

结合蚁群算法基本原理,设计一种解决多模态函数优化问题的小生境蚁群算法(NACA),算法采用实数编码,通过对NACA仿真研究,并和相关算法的仿真结果进行比较分析,结果表明NACA具有参数易于选择、适应性强、收敛性好等优点,非常适合于求解同时具有多个最优解或需要搜寻局部最优解的多模态函数优化.     

迷宫电脑鼠控制系统设计

电脑鼠实际上是集传感与控制于一体的,能够自动穿越迷宫的微型机器人。本课题结合模拟电路、数字电路知识以及传感器知识,制作出一个性能优良的电脑鼠,在迷宫中找到一条最优路径,走出迷宫。根据国际标准迷宫电脑鼠的比赛规则,通过各种方案的对比,确定在本文中采用NXP公司ARM7LPC2138作为控制核心,将新兴的群智能算法运用到迷宫电脑鼠中。