等周图像分割算法的一种加速改进

在等周算法应用于图像分割中,由于不能充分利用求解线性方程组所得到的状态向量,且对于多目标的图像进行处理时采用的二分迭代产生较大计算量的不足,通过对多目标图像的状态向量和等周率进行分析,提出一种加速改进k+1分迭代方式,经分析和实验表明改进后方法比原算法分割在计算次数和计算时间上效率更高。     

改进的粒子群优化算法

将基本粒子群算法粒子行为基于个体极值点和全局极值点变化为基于个体极值中心,并且按一定概率选择其他粒子的个体极值点,设计了一种新的粒子群优化算法.新算法的学习行为符合自然界生物的学习规律,更有利于粒子发现问题的全局最优解.实验结果表明了算法的有效性.     

基于弱牛顿方程的一种无记忆方法

给出了一种求解无约束优化问题的方法,为了求下一次迭代点时它不需要进行矩阵计算,在不精确线搜索下,该方法对一般目标为全局收敛,且对一类特殊的凸函数,其定步长型算法蛮有收敛的,并给出了计算的步骤和计算的数值例子。     

变分不等式问题的新发展

在简要地介绍变分不等式的基本理论和算法的基础上,归纳出当前求解变分不等式的４类主要数值方法：投影收缩算法;基于间隙函数的鞍点算法;基于Ｋ－Ｋ－Ｔ方程组的简单约束优化算法和基于法方程的解法。     

基于量子粒子群求解混合整数非线性规划

在经典微粒群算法的基础上提出一种有较高收敛性能的智能算法：量子粒子群（QPSO）算法。并用于求解混合整数非线性规划问题。实验室证明QPSO算法收敛性能好、速度快,为求解混合整数非线性规划开辟了新途径。     

新的基于疫苗接种的免疫遗传算法

为求解无约束优化问题,将生物免疫系统中免疫行为可以保持种群多样性从而避免陷入局部最优和出现早熟收敛现象这一特性应用到标准遗传算法中,给出了一种新的基于疫苗接种的免疫遗传算法。数值试验结果表明算法对于多峰值函数有很好的优化效果。当群体迭代可能陷入局部最优时,新的算法通过适时的动态疫苗接种使个体及时跳出局部最优解,最终求得全局最优解。