遗传算法和人工神经网络在ITS中的应用

针对遗传算法(Genetic Algorithm,GA)和人工神经网络(Artificial Neural Network,ANN)的优缺点,提出了将遗传算法与人工神经网络有机结合起来的遗传-神经网络(Genetic Neural Network,GNN)优化计算模型,既利用了遗传算法能并行计算且能快速、全局搜索的优点,又克服了神经网络固有的搜索速度慢且易陷入局部早熟的缺点.结果表明遗传-神经网络算法能加快非线性模型的收敛速度,具有较强的鲁棒性,在ITS中有着广泛的应用前景.     

改进的遗传算法在实时图像分割中的应用

为了自动确定图像分割的最佳阈值,提出了一种改进的自适应遗传算法,并利用该算法对二维Fisher准则图像分割评价函数进行全局优化提高分割阈值的求解速度,快速得到最佳分割阈值。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服了基本遗传算法的收敛性差、易早熟问题。采用TI公司的DSP芯片TMS320VC5416,结合FPGA,搭建了多目标实时测量平台,并利用本文算法对图像阈值快速求解,实现了多目标的实时测量计算。实验结果表明,该算法具有良好的收敛速度和稳定性,阈值计算时间比二维Fisher准则法缩短了18ms(约63%左右);阈值范围稳定在3个像素以内,能够满足实时多目标测量要求。     

动态迁移和椒盐变异融合生物地理学优化算法的高维多阈值分割

针对高维多阈值图像分割中存在的多阈值搜索问题,提出了一种动态迁移和椒盐变异融合的生物地理学优化算法(BBOD)。首先,构建了一种基于动态扰动的迁移算子,对候选解中没有发生迁移操作的特征值添加一个动态的扰动因子,使种群的多样性增加,从而提高全局搜索能力;然后,创建了新型的变异算子,对待变异的特征值产生一个椒盐扰动,使该值在小范围内浮动,以便提高局部搜索能力和算法的收敛速度;最后,将该算法应用到基于最小交叉熵的图像高维多阈值分割中。高维多阈值分割实验结果表明,本文提出的BBOD算法能够获得最优的阈值向量,运行速度、性能指标均优于标准的生物地理学优化(BBO)算法,基于变异的生物地理学优化(BBOM)算法、FFA(Firefly Algorithm)和CSA(Cuckoo Search Algorithm),运行速度是FFA的5倍以上。该算法更适用于基于最小交叉熵的高维多阈值优化选择。     

基于遗传算法和二维直方图的仪表图像的阈值分割

针对指针式仪表检定图像的特性,给出一种改进的遗传算法结合改进的传统阈值分割方法运用于此类图像分割中,改进的遗传算法根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度。改进的传统阈值分割方法,考虑了像元点之间的空间相关信息,增强了识别能力。     

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。     

基于改进灰狼优化算法的QFN芯片图像多阈值分割方法

在QFN芯片封装缺陷检测中,增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题,本文提出一种基于改进灰狼优化算法（IGWO）的图像多阈值分割方法。首先,改进原始灰狼优化算法非线性因子,平衡算法搜索效率与挖掘能力;其次,引入反向学习策略提高种群整体质量,引入正弦函数、调整头狼权重以改进灰狼更新策略,增强算法多样性与挖掘能力;然后,提出头狼靠拢与种群变异交替进行的位置更新策略,平衡算法收敛性能与跳出局部最优能力;最后,以Kapur熵为适应度函数,求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法,与灰狼优化算法（GWO）、基于翻筋斗觅食策略的灰狼优化算法（DSF-GWO）、基于莱维飞行的樽海鞘群优化算法（LSSA）、改进北方苍鹰算法（INGO）的图像分割方法进行实验对比,结果表明：本文方法在分割用时方面,约为DSF-GWO的1/2,INGO的1/4;在分割精度与稳定性方面,在进行QFN芯片缺陷图像的连续30次分割时,本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳...     

基于不同自适应阈值法的铁谱图像分割效果比较

最大方差法、最大熵值法和最小误差法是3种常用的自适应阈值法,它们对铁谱图像的分割结果有着较大的差异。为了探究形成这种差异的原因和探讨阈值法对铁谱图像分割的适应性,分析这3种常用的自适应阈值法的基本原理,比较3种方法对30组铁谱图像的分割实验结果。得出如下结论:3种方法之所以会输出3种不同的分割阈值,是因为它们采用了不同目标函数;对于双峰分布的铁谱图像,3种方法有着相似的分割效果,最大方差法准确性略高;对于近似单峰分布的铁谱图像,最小误差法的分割结果最优,最大方差法则不能正确分割出磨粒。因此,在铁谱图像分析过程中,应该根据铁谱图像的灰度分布特点选择相应的阈值分割算法。     

基于改进樽海鞘群算法的磁流变减摆控制优化

针对磁流变减摆控制参数整定方法效率低、耗时长、精度差问题,提出一种基于改进樽海鞘群算法(Modified Salp Swarm Algorithm,MSSA)的减摆控制优化方法。首先,针对领导者更新引入精英个体杂交变异策略,提高全局搜索能力;然后,对于跟随者更新采取自适应差分变异策略,加快优化效率;最后,以摆幅最小、摆振收敛时间最短为优化目标,将改进樽海鞘群算法应用于磁流变减摆控制参数整定。基于标准函数的性能测试表明,与樽海鞘群(Salp Swarm Algorithm,SSA)、高级萤火虫(Advanced Firefly Algorithm,AFA)、粒子群(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)相比,改进算法的收敛精度更高,优化效率更快,性能更稳定。优化仿真实验进一步表明,相较SSA,AFA,PSO,GA优化的减摆控制系统,该整定方法优化用时短,能够使机轮平均摆幅减少4.24%以上,并确保摆振在规定时间内收敛,减摆效果更优。     

基于融合算法的车载锂电池荷电状态估计

动力电池的荷电状态(State Of Charge,SOC)是电池管理系统(Battery Management System,BMS)的关键内容。本文采用遗传算法(Genetic Algorithm,遗传算法)和BP神经网络(BP neural network)相结合的方法对动力锂电池进行荷电状态估计,通过从NASA中提取的锂电池充放电数据进行训练和测试得到的SOC估计值与真实值的对比分析,基于这种融合算法的锂电池SOC估算误差在2.5%以内,验证了提出的电池估计方法的有效性。     

用于光学薄膜缺陷检测的快速图像分割算法

为减少光学薄膜缺陷的漏检和误判,提高检测的快速性,提出了一种基于误差修正理论的图像分割算法.该算法接受带有随机误差的背景图像,并以各像素点灰度值残余误差与标准差的偏离程度作为分割依据,最终将缺陷检测转化为粗大误差判别.该算法使每个像素点都具有一个自动更新的最佳分割阈值,可改善全局或局部阈值分割不彻底的缺点.由于在系统初...     

基于改进混合遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,提出了一种将模拟退火算法和莱维(Levy)飞行扰动策略引入传统遗传算法(Genetic Algorithm, GA)的改进混合遗传算法。基于传统遗传算法,增加了自适应交叉概率和变异概率,生成初始种群后,对优秀个体进行保护,对性能较差的个体进行模拟退火和Levy飞行操作,克服了传统遗传算法的“早熟”和易陷入局部最优解的问题。通过仿真对比实验的测试,证明了该算法的有效性和优越性。     

基于改进麻雀搜索算法的带钢面标识别方法

为了解决带钢面标识别精度低、时间长等问题,构建了字符分割和识别模型。在分割模型的多阈值分割过程中,通过改进的麻雀搜索算法(Improved Sparrow Search Algorithm, IMSSA)寻优最佳阈值组向量,提升了图像分割效果。IMSSA在算法改进方面,首先采用Tent映射初始化种群,增强种群多样性;然后利用精英反向学习方法提升搜索能力;最后通过改进的高斯扰动策略增强全局和局部搜索能力。字符识别模型改进了LeNet-5卷积神经网络的网络结构,并增强了激活和损失函数。实验表明,IMSSA在三类基准函数的测试中均表现更好,改进的LeNet-5卷积神经网络结构平均测试精度达到95.0%,识别过程仅2.3 s。该模型耗时少、精度高,满足实时与准确性要求。     

改进FGA算法及其在四杆机构优化设计中的应用

遗传算法可以有效地处理一些常规优化方法不能解决的复杂优化问题。然而,传统遗传算法存在容易陷入局部解、收敛速度慢和处理带约束优化问题效果不佳等缺点。提出了一种采用浮点数编码方法处理不等式约束优化问题的改进遗传算法(Float-encoding Genetic Algorithm,FGA),该算法具有收敛效率高、算法稳定性好和局部搜索能力强等优点。运用该算法对曲柄连杆机构进行优化设计,优化结果表明,改进后的遗传算法比传统遗传算法优化效果更好。     

柔性作业车间调度优化的改进遗传退火算法

针对更符合实际生产的柔性作业车间调度问题(FJSP)及其NP难得特性,在已有遗传退火算法(GASA)的基础上,提出了改进的遗传退火算法(EGSA),以便更高效地解决FJSP问题。在算法的操作上,引入了S-自适应遗传算子以及非齐次的降温策略,不仅能对交叉和变异概率进行自适应非线性调整而且还能很好的控制温度的下降,增补了遗传算法的进化能力。最后,将提出的EGSA算法通过3个基准问题仿真,统计结果表明了算法的可行性和有效性,同时也说明提出的算法在求解FJSP问题方面具有高效性和精确性;在收敛性能方面与传统算法相比具有更好的鲁棒性和收敛性。     

阈值分解下的冷轧极薄带钢表面缺陷分割

为分割具有低对比度和噪声复杂的冷轧极薄带钢缺陷,在二维Otsu分割算法的基础上进行了改进。为了避免在一个很大的二维空间上搜索阈值,分解二维Otsu分割算法的二维直方图,分别在图像像素灰度直方图和像素邻域灰度直方图上进行阈值求解,并将获得的阈值作为最佳分割阈值。为改善分解过程中忽略的边缘和噪声影响,将平衡因子加入到像素邻域灰度分割阈值求解中。最后通过大量实验对二维Otsu分割算法、量子粒子群双阈值分割算法和改进分割算法的分割结果进行对比分析。实验表明,该算法能够快速高效地分割出冷轧极薄带钢表面的各种缺陷。     

基于遗传算法和阈值分割的夜间苹果识别方法

为解决夜间场景下苹果采摘机器人分割果实与背景的问题,在分析果实自身颜色特性的基础上设计了一种基于遗传算法和阈值分割的苹果识别方法。所提出的方法分为图像采集及图像分割两个阶段。图像采集阶段,选用白炽灯照明以获取夜间图像。在图像分割阶段,利用幂次变换改进R-G色差阈值分割法,引入遗传算法对最大类间方差求解进行优化,从而提高色差分割阈值法的算法效率。为验证算法性能,定义F值作为衡量果实颜色特征的指标。实验结果表明,与OTSU动态阈值分割法相比,文中的算法在识别准确率和识别速度均表现出较好的优越性,在保证准确率的基础上,识别速度更快。当F≥90%时,识别速度提高了12%;当85%≤F90%,准确率提高了8%,识别速度提高了13%。     

基于二维直方图斜分的最小类内方差阈值分割

本文提出一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的最小类内方差阈值分割快速迭代算法,在实验结果和分析中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他三种改进算法进行了比较.结果表明本文提出的二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.基于区域斜分的最小类内方差阈值分割快速迭代算法的运行时间与二维Otsu原始算法和文献[12]中的改进算法相比减少了4个数量级,约为区域直分Otsu快速递推算法的1/4,不到文献[11]中快速算法的4%.     

基于萤火虫算法的二维熵多阈值快速图像分割

提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先,分析了二维熵阈值分割原理,将二维熵单阈值分割扩展到二维熵多阈值分割。然后,引入萤火虫算法的思想,研究了萤火虫算法的仿生原理和寻优过程;提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后,使用该方法对典型图像进行阈值分割实验,并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明:该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍,1040.32倍和8128.85倍;另外,在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示,基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。     

智能优化算法的控制器参数整定分析

遗传算法(Genetic Algorithm,GA)和模拟退火算法(Simulated Annealing Algorithm,SA)均是近年来研究的热点智能优化方法,两种智能算法应用于PID控制器参数调节,为PID控制器参数的优化提供新的研究思路。本文针对GA后期进化缓慢的缺陷,引入自适应机制,可以实现基于自适应GA的参数优化。将GA与SA有机结合,发挥GA全局并行搜索能力与SA较强的局部搜索能力,优势互补,实现了基于退火模式的GA,并应用于PID参数优化。最后本文以Matlab为仿真工具,进行PID控制器参数优化仿真实验,证明本文算法的可行性和有效性。     

多目标元胞遗传算法及其应用

在单目标元胞遗传算法的基础上,提出一种多目标元胞遗传算法(Multi-Objective Cellular Genetic Algorithm,MOC-GA)。该算法使用元胞自动机的生命游戏规则替代遗传算法的交叉算子,使用NSGA-Ⅱ的选择方式选择个体,同时设置外部种群存储算法进化过程中的非支配个体。为了提高算法的效率和保证非支配解集良好的分布性,使用改进的快速排序法选择非支配个体,依照个体的动态聚集距离对外部种群进行消减。与NSGA-Ⅱ相比,实例表明,该算法具有更好的收敛性和稳定性。