解决约束优化问题的一种聚类遗传算法

本文设计了一种基于聚类分析的遗传算法,首先将种群中的点按照某种特性分成不同的几类,然后分别找出每类及整个种群中较优个体.设计了一种变异算子使得其余个体向较优个体迁移,该变异算子在较优点附近具有很强的局部搜索能力.该方法能有效的处理约束.仿真计算的结果表明该算法能极大地提高计算稳定性和精度.     

基于多移动节点和遗传算法的传感器网络覆盖修复策略

设计了一种基于多移动节点和路径规划的传感器网络覆盖的修复策略。该机制通过对节点消耗能量的分析,采用遗传算法计算出移动节点的合理移动路径,可以最大可能地对普通节点进行及时修复,最大程度地避免由于传感器节点死亡带来的覆盖空洞。用随机过程在数学上证明了算法的收敛性。通过仿真实验的测试证实,所设计传感器节点修复机制和对移动节点的路径规划的求解算法能有效地预防节点死亡带来的覆盖空洞问题。     

波前编码超分辨成像技术

波前编码作为一种经典的计算成像技术,以能够大幅度拓展光学成像系统的焦深而闻名,并得到了学术界及工业界长期的关注。实际上,除了焦深的拓展,波前编码还具备实现超分辨率成像的潜力,而这在已有的研究中鲜有讨论。一方面,相位掩膜板的引入在降低光学系统传递函数并使其对离焦不敏感的同时,也有效降低了欠采样数字成像系统中的混叠效应,从而提供了更适合于进行超分辨率重构的数据源。另一方面,相位掩膜板所引起的点扩散函数支持域的巨大化效应使得以数字的方式、从采样间隔可以被认为是无限小的、理想的光学焦平面点扩散函数来计算与特定探测器物理像元大小相对应的采样点扩散函数成为可能。因此,从这两个特点出发,提出了一种为波前编码系统定制的、基于单帧图像放大的超分辨率重构算法,并且研制了原型样机对超分辨率的效果进行了检验。试验表明:焦距50 mm/F数4.5的Cooke三片系统除了焦深拓展超过20倍且具有接近衍射受限成像品质之外,利用复原算法能够实现至少3倍的高品质超分辨率重建效果。     

基于极坐标变换的改进NSGA-II算法

在实际工程中存在着大量的多目标优化问题,而由于大部分多目标优化问题有无穷多个最优解,且传统的数学方法如梯度下降法和牛顿法,无法求解一些不可微或表达式过于复杂的多目标优化问题。为避免以上局限,NSGA-II作为求解多目标优化问题的代表算法被提出,但NSGA-II算法仍存在着一些不足,如变异算子功能过于简单,降低了Pareto最优解的多样性。为增加Pareto最优解的多样性,文中设计了一种基于极坐标变换的改进NSGA-II算法,该算法可使得Pareto最优解分布更加均匀,并最终通过标准的测试函数验证了算法的有效性。     

梯度策略自适应差分进化算法

差分进化算法是一种有效求解全局优化问题的方法,为进一步提高求解精度,加快求解过程,文中提出一种梯度策略自适应差分进化算法。该算法是在差分进化算法中加入梯度下降法,使其不仅有较好的全局搜索能力,且具有传统优化方法的快速局部搜索能力,因此具有较高搜索精度和较快的搜索过程。通过对CEC2005测试集中的1～14号测试函数进行仿真实验,并与SaDE,NSDE以及CMAES等算法实验结果进行了对比,结果表明了该算法的有效性。     

基于新模型的多目标Memetic算法及收敛分析

将多目标函数优化问题转化成单目标约束优化问题.对转化后的问题提出了基于约束主导原理的选择方法,克服了多数方法只使用Pareto优胜关系作为选择策略而没有采用偏好信息这一缺陷;Memetic算法是求解多目标优化问题最有效的方法之一,它融合了局部搜索和进化计算.新的多目标Memetic算法引进C-metric,将模拟退火算法与遗传算法结合起米,改善了全局搜索能力.用概率论的有关知识证明了算法的收敛性.仿真结果表明该方法对不同的试验函数均可求出一组沿着Pareto前沿分布均匀且散布广泛的非劣解.     

一种解决约束优化问题的模糊粒子群算法

该文针对复杂约束优化问题,提出了一种模糊粒子群算法(FPSO),设计了一个新的扰动算子,在此基础上定义了模糊个体极值和模糊全局极值,利用这两个定义改进了粒子群进化的方程,利用该方程更新粒子的速度与位置,可以避免早熟收敛问题;定义了不可行度阈值,利用此定义给出了新的粒子比较准则,该准则可以保留一部分性能较优的不可行解微粒.用概率论的有关知识证明了算法的收敛性.仿真结果表明,对于复杂约束优化问题,算法寻优性能优良,特别是对于超高维约束优化问题,该算法获得了更高精度的解.