基于混沌粒子群算法的多目标调度优化研究

针对当前车间调度多目标优化研究存在收敛速度慢、精度低的问题,提出了混沌多目标粒子群优化算法。在算法中,设计了一种新的叠加Logistic扰动的Tent混沌映射算子,通过该算子周期性地更新种群以保证种群的多样性;对收缩粒子群算法进行了扩展使其能够快速收敛到Pareto前沿。通过标准测试问题与实际应用对所提方法进行了验证,实验结果显示混沌多目标粒子群优化算法无论在收敛速度还是在优化精度上都优于其它典型多目标进化算法。     

灰度梯度感知人工蚁群的数字图像边缘检测

基于D.R.Chialvoetal.提出的原始模型和V.Ramosetal.的扩展模型,提出了一种用于数字图像边缘检测的基于灰度梯度感知的人工蚁群模型(ACGGP)。模型利用灰度梯度启发信息和信息素轨迹信息共同来指导蚂蚁的行为,这种策略能够有效地减小群体规模进而提高算法的时间性能。此外,还对模型体现出类似于某些人类视觉感知的机制,包括群体短暂记忆、图像主要特征敏感特别是能够良好抑制噪声的自发侧抑制机制等特征进行了阐述。模型在若干幅8bit灰度图像上进行了测试,并和Ramos模型以及经典数字图像边缘检测算法(canny算法)进行了客观比较。     

一种求解F检验临界值的迭代算法

利用Beta分布与F分布之间的关系,获得了一种基于二阶展开求解F检验临界值的迭代算法,并给出具体算例证实了这是一种较为快速而行之有效的方法。     

二进制蚁群进化算法

从生物进化角度将群体中的每只昆虫看成一个神经元，彼此之间通过随机、松散的连接组成一个神经网络；然后类似于人工神经网络模拟蚂蚁群体智能, 提出了一个二元网络. 由于采用二进制编码对单个蚂蚁的智能行为要求比较低，对应的存储空间相对较少，使得算法的效率有较大的提高. 通过测试函数优化和多维0/1 背包问题结果表明该算法具有较好的收敛速度和稳定性，非常好的求解结果.     

遗传算法的一个调节算子研究

虽然遗传算法在许多领域获得了成功应用，但它本身存在不成熟的过早收敛问题是影响其发展的中的课题，本文通过对遗传算法要理的分析和认识，给出了遗传算法早熟现象产生的原因是模式缺少，并提出了一个在遗传算法中在于模式抽取和模式补偿的调节算子以解决早期现象，最后给出了运算实例证明该算子是有效的。     

具有分工的蚁群算法及应用

人工蚁群算法是一种新型的模拟进化算法,但也存在一些缺点,特别是在规模大的问题中,如计算时间较长、容易陷入局部极小等.本文在基本人工蚁群算法的基础上,引入遗传算子;为保持种群的多样性在选择策略中引入感觉阈值;并根据蚁群蚂蚁是分工的这一思想将其引入蚁群算法中,我们称之为具有分工的蚁群算法,将其应用到TSP问题求解和一些函数优化的实例中.实验结果表明改进是有效的.     

一个人脸识别系统的设计与实现

设计了一个在区分人脸朝向的基础上，再进行人脸辨别的识别系统。把BP网络用于人脸朝向的识别，并且用一组单输出的子网络代替原来的BP网络，提高了人脸朝向的识别率。在人脸朝向的分类基础上，用主元分析法进行人脸识别。实验结果表明此系统提高了人脸的识别率。     

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.     

基于Multi-agent的分布式电梯故障诊断系统的研究

采用基于分布式人工智能的思想,将多Agent技术引入电梯故障诊断领域,分析了基于MAS的分布式智能故障诊断方法和过程;研究讨论了基于MAS的分布式智能故障诊断系统中Agent之间的调度协同求解方法和机制;给出了知识共享与重用的方法;建立了一种分布式多Agent诊断系统结构及其原型系统;通过在电梯故障诊断的应用仿真,提高了故障诊断的实时性、准确性和整体性能。     

DNA计算求解连续空间优化问题

首先构造了二进制编码的网络空间,其两个节点连接权的四条边对应到DNA编码,设计了相应的算子起到DNA计算酶的作用,该算法设计使得DNA计算能够求解连续空间优化问题。通过测试函数表明该算法具有较好的收敛速度和稳定性,求解结果非常好。