利用感兴趣区域从脑部MRI中提取脑组织

从脑部MRI图像提取脑组织是影像学分析中的一项重要的预处理过程。本文提出了一种基于感兴趣区域和混合水平集方法的脑组织提取方法。该方法先采用BET方法得到脑组织的感兴趣区域,然后在该感兴趣区域内演化改进的混和水平集得到真实的脑组织边界。改进的混合水平集采用了一个非线性的速度函数,能够有效地防止边界泄露。该方法所用到的MRI数据均来自于互联网（IBSR, Internet Brain Segmentation Repository Web)。利用18组IBSR网站的MRI数据,本方法得到的结果接近于标准手动提取结果,并且在多个评价参数上都取得最好结果。实验表明该方法提取脑组织具有一定的准确性和稳定性。     

基于改进遗传算法的盲源分离算法研究

在传统盲源分离算法的基础上,提出了一种基于改进遗传算法的盲源分离算法。改进遗传算法可有效地抑制寻优陷入局部最小,防止了震荡,加快了权值的收敛速度,适用于非线性混叠情况。实验结果表明,将遗传算法和盲源分离相结合对于多路混叠语音信号具有较好的分离效果。     

基于改进遗传算法的商标多特征权值分配

提出一种改进的遗传算法用于解决商标图像检索中的多特征权值分配问题.针对以往的传统分配方法所存在的不足,提出了利用改进的遗传算法来分配权值.主要方法是将遗传算法中的轮盘赌选择与最优解保存法结合,并将染色体基因重新排列后进行交叉.把遗传算法用于图像检索系统的多特征权值分配,并将得到的特征权值用于商标图像检索系统,目的是为了提高检索系统的效率和精度,而且通过这种方法得到的权值检索出来的结果也比较符合人的视觉感官.     

一种鲁棒的变换域数字水印算法

本文提出了一种基于离散小波变换（DWT）和奇异值分解（SVD）的混合水印方案。在该方案中,首先把原始载体图像分成多个分块（32×32）,然后对各个分块进行离散小波变换得到四个子带,之后对低频子带应用奇异值分解,并修改每个分块低频子带的最大奇异值．从而嵌入水印图像的各个奇异值。实验证明该算法对于常用的各种图像处理攻击具有良好的鲁棒性。     

HMOFA:一种混合型多目标萤火虫算法

现实中不断涌现出数目众多且日益复杂的多目标优化问题,迫切需要发展新型多目标优化算法以应对挑战.将基本萤火虫算法拓展至多目标优化领域,提出一种混合型多目标萤火虫算法HMOFA（hybrid multi-objective firefly algorithm）.该算法提出使用混合水平正交实验设计和连续决策空间量化的方法生成接近于用户指定规模且均匀分布于搜索空间的初始种群,为后续的进化提供良好的起始点;利用外部档案中的精英解个体引导萤火虫移动,促使算法较快收敛;运用3点最短路径方法维持外部档案的多样性.HMOFA算法与另外5种代表性多目标进化算法一同在17个基准多目标测试题上进行性能比较,实验结果表明,HMOFA算法在收敛性、多样性和鲁棒性方面总体上具有较显著的性能优势.     

基于改进遗传算法的多机协同多目标分配方法

针对复杂三维环境中多无人机协同多目标分配问题,在飞行代价函数建模的基础上,提出了一种改进遗传算法。首先通过引入启发式信息和采用随机生成的方法构造初始种群,保证了初始种群的多样性和高适应性;然后构造适应度函数,加入惩罚项排除不满足约束条件的方案;接着进行遗传操作,将变异产生的个体组成新的种群,把新种群中性能优异的个体加入到初始种群中,使初始种群个体种类更加丰富,扩大了解的范围。设计实验将改进遗传算法与基本遗传算法和差分进化算法进行了对比,实验结果表明,改进遗传算法在无人机与目标不同的数量关系下,都能够得到合理的分配方案;改进遗传算法有效改善了早熟问题,并具有更快的收敛速度,适合于求解多无人机多目标分配问题。     

基于改进遗传算法的支持向量机参数优化

支持向量机是一种非常有前景的学习机器,但是,支持向量机参数的选取一直没有一套成熟的理论,这给支持向量机的应用带来了很大的不便.为此,本文提出了基于改进遗传算法的支持向量机的参数优化方法,利用遗传算法的全局搜索能力得到支持向量机的最优参数值.仿真实验结果表明,得到的参数可使支持向量机具有良好的泛化性能,此方法切实有效.     

基于改进遗传算法的车牌图像分割

为了解决简单遗传算法存在的早熟、收敛到全局最优解难问题,提出了适应度标定公式,提高选择压力;定义相似度概念,保留相似性差的个体,剔除相似性个体.在不增加群体规模的前提下,增加了群体的多样性.改进遗传算法能够避免简单遗传算法所存在的问题.为了解决车牌图像识别率低问题,提出基于改进遗传算法的车牌图像分割方法,进行车牌图像识别.实验证明利用此方法进行车牌图像识别效果较好.     

面向多星任务规划问题的改进遗传算法

卫星数量的快速增加为管控卫星的工作增加了很大的难度,如何有效地进行任务规划,有效管理卫星资源,成为了卫星领域的一个重要问题.针对此问题,本文构建了多星任务规划的数学模型,将最大化任务收益作为优化目标.本文分析了问题的难点并提出了一种包含两种优化策略的改进遗传算法,包括全局优化和局部优化两部分.全局优化和局部优化根据种群改进情况进行自适应切换.通过两种优化方法的结合可以提升任务规划的效果.本文还提出了一种任务规划算法,用于为改进遗传算法得到的任务序列选择合适的任务执行时间.仿真实验证明本文提出的改进遗传算法可以很好地解决多星任务规划问题,与对比算法相比可以得到更优的规划结果.改进遗传算法有很好的工程应用前景.     

基于改进遗传算法的优化计算

针对经典遗传算法在优化计算中存在的弊端,提出改进遗传算法。该算法考虑了优化问题的全局性要求—结合区间压缩方法,而这往往比局部最优理论和方法困难的多;同时通过对变异算子改进,对遗传算法早熟收敛性方面得到有效控制,最后,给出算法的收敛性证明及收敛性准则。实验表明该算法是有效的。     

Structure-specified IIR filter and control design using real structured genetic algorithm

This paper develops an innovative optimization method, real structured genetic algorithm (RSGA), which combines the advantages of traditional real genetic algorithm (RGA) with structured genetic algorithm (SGA), and applies it for digital filter and control design optimization problems. For infinite impulse response (IIR) filter designs, the proposed approach fulfills all types of filters by minimizing the order of the filter and the absolute error of both passband and stopband. Both system structure and parametric variables are simultaneously optimized via the proposed chromosome scheme. The approach has also been extended to deal with robust control design problems. The approach offers an effective method for designing an optimal controller with robust stability. Simulation and experimental results conveys the excellence of the proposed algorithm over traditional approaches in convergence speed, performance, cost effectiveness, and attains simpler structure.     

Multiobjective layout optimization of robotic cellular manufacturing systems

This paper proposes a multiobjective layout optimization method for the conceptual design of robot cellular manufacturing systems. Robot cellular manufacturing systems utilize one or more flexible robots which can carry out a large number of operations, and can conduct flexible assemble processes. The layout design stage of such manufacturing systems is especially important since fundamental performances of the manufacturing system under consideration are determined at this stage. In this paper, the design criteria for robot cellular manufacturing system layout designs are clarified, and objective functions are formulated. Next, layout design candidates are represented using a sequence-pair scheme to avoid interference between assembly system components, and the use of dummy components is proposed to represent layout areas where components are sparse. A multiobjective genetic algorithm is then used to obtain Pareto optimal solutions for the layout optimization problems. Finally, several numerical examples are provided to illustrate the effectiveness and usefulness of the proposed method.     

一种基于知识进化的多层次结构产品整体方案创新设计方法

研究并提出了一种基于知识进化的多层次结构产品整体方案创新设计系统模型,该模型根据机械产品都具有多层次结构的特点,通过把机械方案设计过程看作是一个状态空间的求解问题,用基因算法（DGA）从整体上控制其搜索过程,构建了新的多层次基因编码体系。为了适应新的编码体系重新构建了交叉和变异等基因操作,并利用复制、交换和变异等操作进行一次次迭代,最终自动生成一组最优的设计方案。该系统经过实例验证具有很高的有效性、准确性和实用性。     

基于GE的多响应参数稳健设计优化方法

提出了一种基于遗传进化的多响应参数稳健设计优化方法。对多响应参数稳建设计问题进行了数学描述,建立了以试验样本多响应输出参数的加权平均质量损失最小化为目标的数学优化模型;提出了多响应参数稳健设计的遗传进化优化方法：以密集抽样取代离散化处理,以个体取代试验方案,以变化的种群取代固定的内表,通过遗传进化得到最优设计方案;提出并设计了多响应参数稳健设计的遗传优化算法。通过案例分析验证了该方法的有效性。     

基于进化策略的模糊控制系统优化设计方法

提出了一种改进的基于进化策略的算法,研究了模糊相似度、规则一致度的概念,将其量化从而影响模糊系统的进化过程,以根据样本数据设计出具有完备性、一致性和紧凑性的模糊系统。仿真结果表明,即使在学习样本较少的情况下,应用本文提出的方法,依然可以设计出具有完备性、一致性和紧凑性的模糊系统,而义该系统对初值不敏感,具备泛化能力。     

An IGA-based design support system for realistic and practical fashion designs

In this paper, a customised fashion design system is proposed for non-professional users (general customers) to create their preferred fashion designs in a user-friendly way. The proposed sketch design system consists of a sketch representation and composing method, an interactive genetic algorithm (IGA)-based design model, and a user-friendly interface. The sketch representation and composing method generates feasible design sketches, based on the design parameters defined by the IGA-based design model, and the sketches are presented to customers via the user-friendly interface. Experimental results have demonstrated that the proposed system is effective in generating fashion design sketches reflecting users’ preference.     

基于协同优化算法的流速仪检定系统设计

提出了一种小型轻便的流速仪检定系统的设计方案,并运用改进的多学科协同优化方法求解各学科设计变量的最优解。首先介绍了算法思想及改进措施,并根据系统设计要求建立了各学科的设计变量、目标函数和约束条件；其次,运用遗传算法求解各学科设计变量的最优解,并根据优化结果完善了系统的设计方案,同时运用计算机仿真等方法验证了优化结果的可行性。结果表明,优化后的检定系统满足流体力学效应、匀速运动时间、系统重量等设计要求,同时证明了协同优化算法解决多学科设计优化问题的有效性。     

应用改进型遗传算法进行药物分子对接设计

文章建立了一种约束优化的演化模型,并构造出求解此模型的多种群空间收缩遗传算法,将信息熵概念引入进化过程,控制各种群寻优搜索时解空间的收缩。该算法用种群的多样性避免遗传进化的早熟现象,并以空间收缩尺度作为停机判椐,有效地控制了算法的收敛。利用基于小种群的多种群进化策略,在保证种群多样性的前提下,极大程度地减少了计算量,提高了计算效率。数值算例表明,熵的介入增强了随机搜索类进化算法的寻优目的性,使收敛过程平稳且迅速。算例表明此算法能有效的应用于药物分子对接设计。     

Evolutionary algorithms in multiply-specified engineering. The MOEAs and WCES strategies

This paper addresses multi-objective optimization from the viewpoint of real-world engineering designs with lots of specifications, where robust and global optimization techniques need to be applied. The problem used to illustrate the process is the design of non-linear control systems with hundreds of performance specifications. The performance achieved with a recent multi-objective evolutionary algorithm (MOEA) is compared with a proposed scheme to build a robust fitness function aggregation. The proposed strategy considers performances in the worst situations: worst-case combination evolution strategy (WCES), and it is shown to be robust against the dimensionality of specifications. A representative MOEA, SPEA-2, achieved a satisfactory performance with a moderate number of specifications, but required an exponential increase in population size as more specifications were added. This becomes impractical beyond several hundreds. WCES scales well against the problem size, since it exploits the similar behaviour of magnitudes evaluated under different situations and searches similar trade-offs for correlated objectives. Both approaches have been thoroughly characterized considering increasing levels of complexity, different design problems, and algorithm configurations.     

综合模块选择、资源共享与任务调度的SoC设计方案搜索算法

在SoC系统的设计中,设计方案将直接决定最终系统的性能和成本.提出一种综合模块选择、资源共享与任务调度的设计方案搜索算法.该算法巧妙地将模块选择、共享方案的搜索与表调度融合在一个分支定界过程中,严格搜索表调度策略下的最优设计方案;将搜索与调度同时进行,具有较快的搜索速度.对多种不同规模的任务图进行测试,并与现有方法进行实验对比的结果表明,对于中小规模的系统设计,该算法能够在很短的时间内找到设计空间中的最优方案.