改进的粒子群算法

针对基本粒子群算法容易陷入局部最优点,进化后期速度慢等缺点,设计了一种新的粒子群算法,将基本粒子群算法粒子行为基于个体极值点转化为个体自身极值与其他某一个个体极值的加权平均值,而全局极值点转化为群体中优秀个体极值的加权平均值。数值仿真实验表明,新算法比PSO具有更好的收敛性,能更快地找到问题的最优解。     

一种支持大规模数据逻辑函数优化的改进选拔算法

选拔算法是两级逻辑综合中求解最小化覆盖的经典方法之一,但在输出变量集合和质立方体集合规模较大的情况下,采用选拔法求最小化覆盖存在空间复杂度高、求解时间长等问题。为此,提出了求解多输出函数最小化覆盖的改进选拔算法。利用相交迭代和局部搜索的思想,分别对选拔法的极值运算和分支处理进行了改进。实验结果表明,在现有计算机资源条件下,该算法为大规模数据条件下逻辑函数的优化提供了一种有效的方法。     

基于MSER的线激光光条中心提取算法

提出一种新的线结构光中心提取算法。该算法从光条区域与背景区域具有高对比度这一特性出发,基于最大极值稳定区域算法(maximally stable extremal regions, MSER)对光条有效区域进行快速高效的提取。基于只对光条有效区域进行扫描的思想,避免了传统算法对图像冗余信息扫描过程中易受噪声影响及检测效率较低的不足。此外,针对灰度重心法存在因激光条纹横截面参与计算数量不同而导致光条中心存在偏移误差的不足,提出基于开窗思想的灰度重心法对基于MSER所检测的有效光条区域进行中心提取。试验结果表明：该算法能够实现对光条中心的快速提取,比Steger算法提速将近19倍,且具有较高抗噪性。     

分数阶Fourier变换域极值搜索的混沌优化算法研究

正如傅里叶变换采用正弦基,单频信号能够在频域形成峰值,分数阶Fourier变换采用线性调频基,线性调频(LFM)信号能够在分数阶Fourier域上实现聚焦,利用此聚焦性通过搜索峰值可实现LFM信号检测和参数估计.通常采用步进式搜索方法,效率低下.为了克服该缺点,通过对分数阶Fourier域优化问题本质的研究,将混沌优化算法引入到分数阶Fourier域极值搜索中.仿真结果表明:本文的方法优于传统的步进式搜索法.     

粒子群优化算法的改进

针对粒子群优化算法搜索精度不高、对高维函数优化性能不佳的问题,提出一种改进的粒子群优化算法。以递增方式对粒子进行释放增强可利用的种群信息,通过释放粒子引导极值变化加强算法的运算效率。实验结果表明,与其他算法相比,改进算法具有更强的寻优能力和搜索精度,且适于高维复杂函数的优化。     

基于粒极值的最简规则提取算法

应用粗糙集的分辨关系,分别从表的行、列2个方面求出每个属性值的分辨、组合能力,以此确定出粒极值,将含粒极值的粒定义为极值粒。应用粒计算理论,以极值粒集为主要运算对象进行粒逻辑运算,使最终的组合粒最简,即所提取的规则最简。实验验证了算法的有效性。     

基于模糊控制器的粒子群优化算法

提出了一种2输入和2输出的模糊粒子群优化算法.将群体适应度方差和极值差均值作为模糊控制器的两个输入参量,分别用来度量群体在搜索空间分布的离散程度和群体中个体的多样性,从而自适应地控制PSO算法在进化过程中的惯性权重和扩展项的学习因子.测试函数仿真结果表明,该算法很好地平衡了"开发"与"探测",取得了比文献中已有的模糊粒子群算法更好的优化性能.     

基于极值动力学的自组织优化算法求解TSP问题

旅行商问题(traveling salesman problem, TSP)具有很强的理论研究和工程应用价值. 在定义离散状态变量和局部适应度的基础上, 分析了TSP优化解的微观特征; 将自组织临界(self-organized criticality, SOC)的概念引入到组合优化领域, 提出了一种基于极值动力学的自组织优化算法. 该算法利用快速下降和间断涨落的动态搜索过程, 高效地遍历解空间中的局部最优解. 针对TSPLIB中典型实例, 计算结果表明其求解效率和优化性能均优于模拟退火和遗传算法等优化方法. 文中算法提供了一种全新的思路, 有助于从系统角度理解组合优化问题的复杂性, 并分析合理的优化动力学过程.     

嵌入极值优化的混合粒子群优化算法

针对标准粒子群算法容易陷入局部极值和精度低的问题,提出一种嵌入极值优化算法的粒子群优化算法。在线性下降的惯性权重粒子群算法运行过程中,间隔一定迭代次数与极值优化算法相结合,利用其波动性增加种群的多样性,并有效结合粒子群算法较强的全局探索能力和极值优化算法精细的局部搜索性能,以较高精度收敛到全局极值。仿真实验结果表明,该混合算法是一种求解高维多峰连续函数极值的有效方法。     

一种改进的Harris特征点检测算法

现有Harris特征点检测算法采用高斯滤波进行平滑,图像存在角点信息丢失与偏移的现象。为解决该问题,提出基于变分B样条滤波与快速局部窗口搜索相结合的Harris特征点检测算法,选择具有低通特性的B样条函数作为平滑函数构造滤波器,引入形态学滤波中的极大值滤波思想,利用快速局部窗口搜索算法进行特征点局部极值的提取,从而提高特征点提取的精度和速度。实验结果表明,改进算法具有特征点提取快速均匀、检测定位准确、抑噪性好的特点。