微震震源定位算法优化研究及应用

微地震监测过程中,如何精准、实时地反演出微地震源的位置对生产应用起到了重要作用.国内外学者通过对微地震震源反演原理的研究提出很多反演方法,如纵横波时差法、模拟退火法、多个参数联合反演等,其中震源扫描叠加算法(source-scanning algorithm,SSA)由于其客观性和易用性得到广泛应用.通过研究微地震定位...     

基于多种群遗传算法的人脸特征定位

活动形状模型（Active Shape Model,ASM）是一种用于特征定位的统计形状模型。在原活动形状模型的基础上,提出一种新的多种群遗传算法（Multipopulation Genetic Algorithm,MPGA）去搜索人脸图片的最好表示。并且根据面部各主要特征的特点确定适应度函数。实验结果表明,改进的ASM对于人脸特征定位有较好的效果。     

多种群遗传算法在图像处理中的应用研究

传统图像增强方式存在一系列缺陷,基于此有针对性地提出以多种群遗传算法为基础的新图像增强算法。首先,将非完全Beta函数图像增强过程参数编码成为遗传算法中的个体,然后根据适应度函数,模拟自然界生物进化过程对参数进行寻优,这是一种标准的遗传算法,因为优化过程中不依赖于梯度,使其具有很强的鲁棒性和全局搜索能力,但存在一个不可忽视的问题,即过早收敛,主要表现为种群中的所有个体都趋于同一状态并结束进化,导致最终算法无法获得相对满意的结果。为了克服上述问题,多种群遗传算法引入移民算子和精华种群,实验表明它具有很好的稳定性和较快的收敛性。     

基于多种群进化小生境遗传算法的神经网络进化设计方法研究

针对神经网络进化设计问题中棋型解基因编码与棋型解空间的特点，提出了多种群进化小生境遗传算法。该神经网络进化楚棋方法设计简单、通用，棋型性能评价全面合理，全局搜索效率高，电力负荷预测支持系统的实际应用效果表明此方法是有效的，具有一定的应用推广价值。     

多种群遗传算法的倒立摆LQR控制器设计

针对传统遗传算法在设计倒立摆LQR控制器时,算法会因个别超常个体或群体较快趋于单一化而导致不能得到满意控制参数的问题,利用Sheffield遗传工具箱,设计了多种群遗传算法。算法的开始引入了多个种群同时进行优化搜索,不同的种群采用不同的交叉概率和变异概率,种群之间采用移民算子建立联系,各种群产生的最优个体通过精华种群实现留优。在Simulink环境下建立模型并计算性能指标,Simulink环境下的输出值作为多种群遗传算法的目标函数值。仿真结果表明,在存在建模误差的情况下,本算法稳定性好、遗传代数小,有效地避免了早熟,更为适合复杂问题的优化。     

遗传算法在车牌定位中的应用

在对遗传算法应用和车牌定位识别系统中车牌定位、字符分割和字符识别相关技术的研究基础上,借助郑州圣兰电子科技公司的电子警察监控平台,提出了一套适用国内车牌特点的车牌定位识别系统。     

一种改进的双种群遗传算法

提出一种新的双种群遗传算法.两个子种群的交叉、变异以及复制操作互不相同.在一个子种群中,高相似个体之间具有相对高的交叉率,遗传操作得到的新个体替代上代种群的最劣的个体.在另一个子种群中,低相似个体之间具有相对高的交叉率,变异操作采用大变异算子,遗传操作得到的新个体替代上代种群的与其最相似个体.两个子种群之间的移民使新的算法获得了良好的局部搜索能力和全局探索能力.实验结果说明:本文的算法要优于单一种群遗传算法和两个子种群的多种群遗传算法.     

用于多光照条件下车牌定位的遗传算法

针对多光照条件下由于车牌图像退化难以定位的问题,提出一种基于遗传算法的解决方案。该方法首先对图像局部区域进行二值纹理特征增强处理,并通过一组一维滤波器获取其纹理特征向量,最后使用基于实整数编码的遗传算法对全图进行车牌特征匹配搜索最终准确定位车牌。测试结果表明,结合遗传算法的局域特征增强算法对多种光照条件下的抓拍图像定位性能稳定,定位成功率优于传统的直线检测方法和灰度变化特征检测方法。     

基于多种群遗传算法的检测器生成算法研究

有效的检测器生成算法是异常检测的核心问题, 针对现有算法存在检测率低、匹配阈值固定、检测器集合庞大等问题, 本文提出了基于多种群遗传算法的检测器生成算法, 根据形态学空间的分析和覆盖问题原理, 自体集根据特征进行划分, 各个种群根据划分独立按遗传算法进化, 最后求得所有检测器种群的并集得到成熟的检测器. 所提出的算法有效降低检测器的冗余度, 减少检测器规模, 保持检测器的多样性; 并利用 maxSelf 实现匹配阈值 r 的自适应, 适用于多种匹配规则, 减小了阈值设置的局限性, 给出了算法的检测率高于传统算法的理论证明, 并通过实验验证了算法的有效性. 另外, 通过统计算法的时间复杂度, 证明算法时间复杂度没有明显增加.     

最优权动态控制学习机制的多种群遗传算法

遗传算法(GA)的全局搜索能力强,易于操作,但收敛速度慢,易陷入局部极值.为克服上述缺陷,首先对算法初始化方法进行改进,采用海明距离作为聚类划分的相似性度量提出了一种均匀分区多种群初始化方法.该方法以相似性度量为准则划分出不同集合的聚类中心点,然后以偏好随机的方式产生多个不同的种群,避免算法因种群初始个体在解空间分布不够均匀而陷入局部收敛.其次在遗传算法中引入多种群并行机制和学习机制来提高算法的性能,通过对已有研究中两种机制在遗传算法中的作用进行分析,指出各自的优势和不足,分别对两种机制进行改进,提出改进的多种群并行机制与最优权动态控制的学习机制,并从理论角度探讨了改进的两种机制的合理性.最后,将两种机制有机结合起来,充分发挥两种机制的优点,抑制各自的不足之处.仿真实验结果表明,算法中经过改进的两种机制具有良好的沟通能力,结合新的初始化方法,使得算法在收敛速度和精度上都要优于其他几种已有的改进算法.     

模糊聚类遗传算法在军事装备物流中心选址中的应用

在分析军事装备物流中心选址问题基础上,构建了模糊聚类和遗传算法的混合算法模型,核心技术是把模糊聚类网络模型融合到遗传算法种群构建中,可以有效地避免遗传算法易出现早熟的现象,验证了算法具有很好的鲁棒性和可信度,仿真结果能够为决策者科学正确的选址提供一定的参考.     

基于量子遗传算法的盲源分离算法研究

在改进遗传量子算法的基础上，提出了一种新的量子遗传算法并从理论上证明了算法的全局收剑性．提出了基于量子遗传算法与独立分量分析算法相结合的盲源分离新算法．仿真结果表明：新方法比采用常规遗传算法的盲源分离方法具有明显的高效性．     

Key Frames Extraction Based on the Improved Genetic Algorithm

In order toovercomethe poor local search ability of genetic algorithm, resulting in the basic genetic algorithm is time-consuming, and low search abilityin the late evolutionary, we use thegray coding instead ofbinary codingatthebeginning of the coding;we use multi-point crossoverto replace the originalsingle-point crossoveroperation.Finally, theexperimentshows that the improved genetic algorithmnot only has a strong search capability, but also thestability has been effectively improved.     

基于遗传算法的函数级别软件错误定位

针对软件开发过程中的错误定位问题,提出一种以函数调用路径和遗传算法为基础的软件错误定位方法FGAFL。将软件测试中的错误定位问题转化为组合优化问题,结合函数调用路径对错误定位的影响构建适应度函数。通过遗传算法在候选种群中迭代搜索具有较高可疑度的候选错误分布,得到最优解。根据最优解对程序中的函数按可疑度进行排序,依次检查函数并定位错误的具体位置。实验表明,FGAFL方法可以有效降低运算量并缩减代码审查的范围,提高错误定位的精度和效率。     

基于模拟退火遗传混合算法的物流中心选址问题研究

为了增快货物流动速度、方便客户并减少不必要的配送成本,结合模拟退火算法和遣传算法,研究了物流配送中心选址问题,模拟退火遗传算法在收敛速度及跳出局部极值的能力诸方面明显优于标准的遗传算法和模拟退火算法。     

群智能算法在气体源定位中的应用综述

近几年频繁发生的气体泄漏事件使得气体源定位成为了公共安全领域亟待解决的问题。气体源定位问题本质上可以转化为最优化问题,群智能算法作为一种高效的优化算法,为其提供了一个全新的解决方案。介绍了气体源定位问题的研究背景和研究现状;根据群智能算法在气体源定位中应用的研究思路和研究内容对具有代表性研究成果进行了分类综述和对比分析;对目前基于群智能算法的气体源定位研究中存在的问题和未来发展趋势进行了分析和展望,对气体源定位问题的进一步研究提供一定的参考作用。     

基于遗传算法的盲源信号分离

从混合观测数据向量中恢复不可观测的各个源信号是阵列处理和数据分析的一个典型问题.独立分量分析是解决该问题的新技术,而基于四阶累计量的联合对角化(JADE)算法是独立分量分析最常用的算法,但此算法在k＞2时得到近似解,且结果不精确.提出了一种基于遗传算法盲源信号分离的算法,此算法克服了JADE算法的不足,理论分析和仿真结果表明了该算法的可行性和有效性.     

基于遗传算法的直接再利用网络设施定位方法

针对逆向物流网络中同时包含正向流和逆向流的设施定位问题,构建一种逆向物流直接再利用网络能力受限设施定位模型,以增加生产能力约束。利用遗传算法的全局搜索能力和新颖的约束处理避免了传统拉格朗日启发式算法中求上下限的繁琐计算过程。在不同的遗传算法参数下进行多次实验评定,均能收敛到全局最优解,且计算稳定、收敛速度快。     

单亲进化遗传算法在多个配送中心选址中的应用

为更好地实现多个配送中心优化选址,在分析物流配送中心的作用及现存的用传统遗传算法进行选址的基础上,提出应用单亲进化遗传算法求解选址模型。首先,将所有的需求点按空间地理位置的关系自然划分为若干个配送区域范围;其次,在每一个配送区域,利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,求得费用最低的优化路径;再以优化路径作为父体,求解从各基因为始点的基因片段之和,选择最佳基因片段组合,得到问题的解。该算法可以有效、快速地求得多个配送中心选址问题的全局最优解。     

三层架构的空间众包服务网点选址遗传算法

空间众包泛指将一个或多个与地点相关的子任务,分配给大量携带有智能终端的移动用户,通过他们共同完成而形成的一种新型协作计算模式.如何分配执行的移动用户并覆盖所有空间众包任务,对于企业的发展有决定性作用.本文综合考虑了空间众包系统在现实中的不同应用场景(如移动数据收集、快递、共享汽车等),引入了一种三层空间众包架构,包括系...