采煤机模拟实验装置截割动力系统设计

针对采煤机模拟实验装置,对截割负载进行了分析与计算;采用通用变频器-普通三相异步电机的调速动力组合,结合截割负载及滚筒转速调速要求,进行了截割电机选型,该电机选型方法对于类似动力系统电机选型具有较高的参考价值;结合减速比要求,设计了二级齿轮减速装置;利用Solidworks软件,完成了截割动力系统三维建模,为采煤机模拟实验装置整机设计奠定了基础。     

基于组织协同进化分类算法的遥感图像目标识别

针对遥感图像目标识别问题,提出了一种基于组织协同进化分类算法的识别方法。它没有复杂的运算,训练和识别速度都很快。对实测遥感图像的实验表明,本文方法性能稳定,优于文献[3]和[4]中基于支撑矢量机的方法,识别率均达到了95％以上,且训练时间非常短,不到1秒钟。     

组织协同进化分类算法用于雷达目标一维像识别

针对雷达目标一维像识别问题，提出了一种基于组织协同进化分类算法的识别方法．该方法与现有进化分类方法的不同之处在于它的进化操作直接作用于样本而不是规则，采用了一种自下而上的搜索机制，即先使若干样本的集合得到进化，再从进化结果中提取规则．这样有利于避免在进化过程中产生无意义的规则．该方法不需要进行特征提取；对于高维数据，不需要预先进行降维处理；没有复杂的运算，训练和识别的速度都很快．对3种飞机微波暗室实测数据的识别实验表明，该方法性能稳定，优于基于支撑矢量机与子波核函数的方法，识别率均达到了96％以上．实验中还对算法的抗噪能力进行了测试，获得了良好的效果．     

基于形态学top-hat算子的多传感器图像融合

本文根据形态学top-hat算子能够提取图像中极大值与极小值区域的特点,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合.实验中将本文方法与Laplacian塔型变换、子波变换、主分量分析等方法进行了比较,结果表明本文所提的基于top-hat算子的融合方法具有优越的性能,拓广了top-hat算子的应用范围.     

基于AER模型的Multi-Agent遗传算法

本文在分析标准遗传算法的优点和不足的基础上,基于AER模型提出了一种新的遗传算法--Multi-Agent遗传算法.它利用Agent的局部感知、竞争协同和自学习等特性来实现生物对环境的自适应,从而实现全局优化计算.理论分析证明这种算法是以概率1收敛的.在实验中,我们首先用10个维数为30的标准测试函数来全面测试算法的性能,然后用50～200维的Rastrigin函数来测试算法处理高维函数的能力.结果表明本文算法具有较强的全局优化能力,鲁棒性强,且具有良好的处理高维函数的能力.     

组织进化算法求解SAT问题

基于组织的概念设计了一种新的进化算法——求解SAT问题的组织进化算法(Organizational Evolutionary Algorithm for SAT problem，0EASAT)．OEASAT将SAT问题分解成若干子问题，然后用每个子问题形成一个组织，并根据SAT问题的特点设计了三种组织进化算子——自学习算子、吞并算子和分裂算子以引导组织的进化．根据组织的适应度，将所有组织分成两个种群——最优种群和非最优种群，然后用进化的方式来控制各算子，以协调各组织间的相互作用．OEASAT通过先解决子问题，再协调相冲突变量的方式来求解SAT问题．由于子问题的规模较小，相对于原问题来说较容易解决，这样就达到了降低问题复杂度的目的．实验用标准SATLIB库中变量个数从20-250的3700个不同规模的标准SAT问题对OEASAT的性能作了全面的测试，并与著名的WalkSAT和RFEA2的结果作了比较．结果表明，OEASAT具有更高的成功率和更高的运算效率．对于具有250个变量、1065个子句的SAT问题，OEASAT仅用了1．524s，表现出了优越的性能．     

基于分数维的图像检索新方法

在研究两种分数维——微分计盒维数和多分形维数的基础上提出了分数维直方图的概念，并把它用于基于内容的图像检索，提出了一种新的纹理特征检索算法——二维分数维直方图相交法．对Brodatz标准纹理库和真实图像库检索的结果表明其方法具有良好的性能，与QBIC系统的纹理检索结果相比更符合人的视觉特性．     

多智能体遗传算法用于线性系统逼近

提出了一种新的参数优化方法--多智能体遗传算法,来求解线性系统逼近问题. 该方法中每个智能体代表一个候选解,即搜索空间中的一个实值向量.所有智能体生存在一 个网格状的环境中,且每个智能体占据一个格点不能移动.为了增加能量,它们将与其邻域 进行合作或竞争,也可以利用自身的知识.因此,设计了4个进化算子来模拟智能体间的竞 争、合作、自学习等行为.该方法利用这些智能体与智能体间的相互作用来达到优化逼近模 型中参数的目的;此外,还采用了一种动态扩展搜索空间的方法以解决算法所需的搜索空间 难以确定的问题.实验中,利用一个稳定和一个非稳定的线性系统逼近问题来验证算法的性 能,并与两种新近提出的方法作了比较.结果表明,该文方法优于其它方法,能够用较少的计 算量找到高质量的逼近模型,具有良好的性能和实际应用价值.     

正交M ult i-agen t 遗传算法及其性能分析

将Multi—agent系统、遗传算法与正交试验设计方法相结合，提出一种新的遗传算法——正交Multi—agent遗传算法，其主要思想是：利用正交设计的方法产生初始化种群；用正交交叉算子代替传统的算术交叉算子；利用agent间的竞争作用与每个agent所具有的知识和自学习能力进行启发式搜索，以提高进化的速度，仿真试验和性能分析表明，正交Multi—agent遗传算法不但具有很强的全局优化能力和较快的收敛速度，而且具有很强的鲁棒性。     

组合优化多智能体进化算法

提出了一种新的组合优化方法——组合优化多智能体进化算法．该方法将智能体固定在网格上，而每个智能体为了增加自身能量将与其邻域展开竞争，同样智能体也可进行自学习来增加能量．理论分析证明算法具有全局收敛性．在实验中，作者分别用强联接、弱联接、重叠联接等各种类型的欺骗函数对算法的性能进行了全面的测试，并将算法用于解决具有树状等级结构的问题．比较结果表明文中算法所需的计算量远远小于其它方法，具有较快的收敛速度．为了测试算法解决大规模问题的能力，作者还将算法用于解决上千维的欺骗问题和等级问题，结果表明该文算法的计算复杂度与问题规模成多项式的关系．此外，将算法用于上千维的欺骗问题和等级问题，在国内外还均未见报到．