动态免疫优化算法及其在背包问题中的应用

利用人工免疫系统的学习、记忆、识别等功能,提出一种动态免疫优化算法(DIOA),用于解决一类高维动态约束优化问题.其中对可行抗体进行克隆突变操作,非可行抗体按价值密度使用贪婪算法进行修正,环境识别模块借助记忆细胞产生新的环境初始群,从而加快算法收敛速度.利用DIOA求解不同环境下的高维背包问题,结果表明,与同类算法相比...     

精英克隆局部搜索的多目标动态环境经济调度差分进化算法

为有效解决复杂多目标动态环境经济调度问题,提出一种基于精英克隆局部搜索的多目标动态环境经济调度差分进化算法.以传统的差分进化(differential evolution,DE)算法为框架,为了提高DE算法的开采和探索能力,增设精英群的克隆和突变机制,采用动态选择方式确定精英群,有效增强算法的全局搜索能力.数值试验以I...     

改进高斯混合模型的激光点云数据分类

激光点云数据的无序性会影响激光场景识别和三维重建,导致激光点云数据分类误差大,精度低等问题,为此提出基于改进高斯混合模型的激光点云数据分类方法。首先采集激光点云数据,利用邻域密度算法对数据中的噪声进行分析和去除,然后采用改进高斯混合模型获取数据点间距,将点云数据分类相应类别中,实现激光点云数据分类。实验结果证明,本方法可以有效去除激光点云数据中的孤立点,提高了激光点云数据分类精度,激光点云数据分类结果可满足激光三维重建要求。     

混杂免疫多目标优化算法及对动态经济环境调度问题优化

动态经济环境调度(DEED)问题是电力系统调度中一类含大规模约束的高维多目标优化问题,传统的进化算法易于陷入局部最优,使得所获的Pareto前沿分布性和收敛性差。为了充分挖掘免疫系统的克隆选择原理,提出一种混杂免疫多目标优化算法(HIMOA)。该算法以传统进化算法为基本框架,面对高维决策变量优化易于陷入局部最优的缺陷,改进外部存档更新机制以保存历代优秀的多样性个体,采用克隆、高斯突变策略强化局部开采能力,有效地迫使算法跳出停滞搜索状态。为应对大规模约束,提出逐步微调机组出力策略,提高进化群体的可行性。数值仿真实验以10机系统为测试算例,将HIMOA与著名的六种算法MODE、NSGA-Ⅱ、IMOEA/D-CH、ADEA、MOHDE＿SAT、MONNDE进行比较分析,结果表明,HIMOA能为DEED问题的10机系统提供较好的Pareto解,所获的Pareto前沿收敛性和分布性优越于其他算法,各评价指标的箱型图表明HIMOA具有优越于其他算法的统计特征。     

基于修补策略的约束多目标动态环境经济调度优化算法

针对传统的优化算法求解多目标动态环境经济调度(MODEED)模型时极难获得高质量的可行解,且收敛速度慢等问题,根据MODEED模型约束特征,设计了一种约束修补策略;然后将该策略嵌入非支配排序算法(NSGAⅡ),进而提出一种修补策略的约束多目标优化算法(CMEA/R);接着借助模糊决策理论给出了多目标问题的最优决策向量;最后,以经典的10机系统为例,验证了CMEA/R的求解能力,并比较了不同群体规模下CMEA/R与NSGAⅡ的性能。仿真结果表明,在不同群体规模下,与NSGAⅡ相比,CMEA/R的污染排放平均减少了480 lb(217.7 kg),燃料成本平均减少了7 800美元,执行时间平均减少了0.021 s;覆盖率(HR)性能优于NSGAⅡ,且收敛速度较NSGAⅡ快。     

融合Canny边缘检测的多输出损失肺炎CT图像分割算法

针对肺炎的影像学特征如弥漫、多灶、磨玻璃的特点,提出一种肺部感染CT图像分割算法CEDMO。算法主干网络使用ResNet50,在特征提取中,先利用Canny算子对分割目标边缘进行检测,得到的边缘信息再与ResNet50进行融合计算,边缘信息还在解码器部分的多目标输出计算中作为一个引导值。在解码器部分对PSA注意力机制改进并设计了多输出约束,以获得了更多的细节信息和多个尺度的特征。在多输出中,设计了5个输出路径,每个路径的Loss都参与约束计算,使得训练结果加快收敛,从而提高计算效率。最后通过实验对比基线模型的结果,3个指标优于基线模型,其中Dice系数、灵敏度(SE)、增强对准度量(E_?^m)依次提高了4.7、4.5和1.3个百分点。     

抗体修正免疫算法对高维0/1背包问题的应用 *

遗传算法极难处理高维约束优化问题, 故借鉴免疫系统机理, 提出一种抗体修正免疫算法解决一类高 维约束优化问题。该算法设计的关键在于抗体亲和力由抗体浓度及群体状态决定; 可行抗体被克隆、突变; 非 可行抗体的基因按价值密度由小到大逐一修正。选取两种已有的智能算法（ETGA、ISGA）, 通过不同约束条件 下的高维0/1背包问题的仿真比较。结果表明,该算法较其他算法能更快地跟踪最优值, 具有较强的勘测和开 采能力。     

贪婪封装二进制差分进化算法求解高维背包问题

提出一种处理高维背包问题(KP)的贪婪封装二进制差分进化算法(GPBDE),并设计了一种贪婪封装的修补策略处理不可行解.为了提高种群的多样性及算法的全局搜索能力,对适应度较低的个体执行对偶变换.数值实验选取4种KP对GPBDE的优化能力进行测试,并将所提出的算法与4种同类算法进行比较,结果表明,GPBDE具有较强的寻优和约束处理能力,且收敛速度较快.     

混沌系统动态多目标免疫优化算法及其应用

生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫优化算法处理动态多目标优化问题.算法设计中,Logistic映射产生混沌抗体群;利用抗体的被控度和抗体拥挤距离设计抗体的亲和力;借助控制概念将群体分为非控群和被控群,再分别对其施行不同方式的突变增强群体的多样性;利用免疫记忆、Averagelinkage聚类方法,设计外部集和记忆集分别保存非控个体和亲和力较高抗体,所获的记忆细胞参与相似或相同环境初始抗体群的生成;借助三种不同类型的动态多目标优化测试问题,通过与两种最新的动态多目标进化算法及一种动态多目标克隆选择算法比较,数值实验论证了所提出算法在动态跟踪Pareto面的速度和执行效果上较其它算法优越.     

约束多目标投资组合模型及其求解算法研究

研究有效的增强投资的效益,针对风险资产的最大和最小投资比率给予限制,使投资风险进行量化.为了提高投资效益,提出设计一种约束多目标免疫优化算法,并将用于约束多目标投资组合模型求解.算法设计中,亲和力由抗体浓度及被控程度决定,增强算法的约束处理能力,初始群通过混沌机制获取,有效地加速算法的收敛速度,每个抗体克隆数目根据亲和力动态变化,增强算法的开采和探索能力.通过实际数据将设计的算法与著名的多目标进化算法NSGAII比较,结果表明,所设计的算法比NSGAⅡ在新的模型下获得更好的收敛性及更高的投资效益.