求解交货期可变动态调度问题的差分进化算法

针对差分进化算法求解动态优化问题时存在多样性缺失、寻优效率低的问题,提出一种多种群差分进化算法,将这种用于求解连续解空间优化问题的进化算法应用于顺序编码的动态调度问题求解中.该算法利用随机键编码表示法将连续位置向量转化为顺序编码,提出自组织多种群策略,将种群按动态空间特征自动分成主种群与子种群;由主种群不断探索峰值所在区域,从主种群分离出来的子种群负责在这些有效区域进行开发,并对子种群规模进行自适应调整,以加快算法寻优速度并节省计算资源,算法应用于交货期可变动态调度问题中,取得了满意结果.     

基于精英重组的混合多目标进化算法

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性.      

多目标进化算法在非线性方程组中的应用

将非线性方程组问题转化为多目标函数优化问题,利用NSGA-Ⅱ的非支配集的构造方案和基于拥挤距离排序方法产生子代种群,依适应度排序选择子代个体进行下一代优化.本文将NSGA-Ⅱ中遗传算法GA替换为进化策略ES,通过非支配集的调整与拥挤距离重新排序可以进一步提升收敛速度,同时避免种群的早熟,保证初始种群个体的优良性能得以继承.仿真实验表明,本文算法可以进一步提高非线性方程组解的精确性和求解效率,从另一个角度为非线性方程求解提供了一中新的途径.     

基于正逆序策略求解Job Shop的遗传调度算法

针对标准遗传算法在求解车间作业调度问题中易陷入局部极值点的缺点,提出了一种基于领域知识的动态双种群遗传算法.由于最优调度必定是活动调度,算法利用活动调度技术来进行空间缩减;两个子种群分别采用正、逆序调度策略来提高种群的多样性.算法采用一种新的染色体编码来表示活动调度方案,并给出了相应子种群的初始化策略、遗传操作,以及子种群之间的交叉方式.Benchmark算例的仿真实验与分析表明,该算法在计算时间和求解质量上均具有较好的效果.     

基于工序加工能力的并行公差优化设计新方法

文献[1]提出了一种基于工序加工能力的并行工序公差优化设计方法,并用优化算法求解优化模型,本文提出了一种将遗传算法与复合形算法相结合而构成的遗传复合形算法。在遗传算法初始化之后,用复合形法先进行局部寻优,选出较好的个体,再用遗传算法在全局寻求最优解,将其应用于并行公差模型,与资料[1]中结果做比较,发现较以前的算法有较大改进。     

基于免疫遗传形态学的视网膜光学相干断层图像边缘

提出了基于免疫遗传算法的形态学自适应结构元素生成算法,并将其用于光学相干断层成像(optical coherence tomography,OCT) 图像中视网膜组织边缘检测. 首先将图像进行去噪和粗分割的预处理,并将图像划分为若干子图像; 其次对每一子图利用免疫遗传算法求取自适应结构元,初始随机生成固定长度的二进制数串作为抗体,并将其转化为结构元素格式,以图像二维熵定义抗体适应度,根据子图像本身结构特征信息,寻找最优抗体结构元素; 最后利用寻优得到的各结构元素对子图进行形态学边缘检测,合并各子图的分割结果,实现整体图像目标边界提取. 实验结果表明了该方法在图像目标边界提取的有效性.      

基于免疫遗传形态学的视网膜光学相干断层图像边缘检测方法

提出了基于免疫遗传算法的形态学自适应结构元素生成算法,并将其用于光学相干断层成像(optical coherence tomography,OCT)图像中视网膜组织边缘检测.首先将图像进行去噪和粗分割的预处理,并将图像划分为若干子图像;其次对每一子图利用免疫遗传算法求取自适应结构元,初始随机生成固定长度的二进制数串作为抗体,并将其转化为结构元素格式,以图像二维熵定义抗体适应度,根据子图像本身结构特征信息,寻找最优抗体结构元素;最后利用寻优得到的各结构元素对子图进行形态学边缘检测,合并各子图的分割结果,实现整体图像目标边界提取.实验结果表明了该方法在图像目标边界提取的有效性.     

基于混沌粒子群——专用遗传算法切换策略的移动机器人路径规划

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略.该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法.通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件.与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明:本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性.      

基于互信息的复合遗传算法在医学图像配准中的应用

分析当前的医学图像配准技术及算法,选择基于体素相似性的图像配准方法,以互信息作为配准相似性测度,将混合遗传算法、自适应遗传算法和育种算法相结合,提出复合遗传算法,以提高遗传算法的鲁棒性,加速收敛过程,准确地实现多模医学图像配准,再利用此算法对无噪声图像和有噪声图像进行配准实验.实验结果证明了该算法的可行性,是一种值得推广的医学图像配准算法.     

基于自适应搜索的免疫粒子群算法

经典粒子群算法由于多样性差而陷入局部最优,从而造成早熟停滞现象.为克服上述缺点,本文结合人工免疫算法,提出一种基于自适应搜索的免疫粒子群算法.首先,该算法改善了浓度机制;然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源;最后对劣质子种群进行疫苗接种,利用粒子最大浓度值调节接种疫苗的搜索范围,不仅避免了种群退化现象,而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性.