基于改进的粒子滤波非线性约束优化算法

传统的非线性约束优化算法的精度较低,为了克服这一问题,提出了一种基于粒子滤波的新型优化算法。该算法用于解决非线性约束优化问题,并结合粒子滤波器的模型和机制。首先,利用粒子滤波算法的基本原理建立这种优化算法,并给出算法的操作步骤;然后将非线性约束优化问题转换为函数优化问题函数优化问题,并针对非线性约束优化问题,建立粒子滤波优化算法的数学模型。仿真实验结果证明了这种新型算法的正确性,并且表明了相对于传统的优化算法,基于粒子滤波器的优化方法在解决非线性优化问题方面具有更高的效率和速率,并对今后的非线性约束优化问题具有适应性。     

基于约束优化的Petri网可达性分析

Petri网的可达性判定问题是进行Petri网分析的基础。通过分析目前求解Petri网可达问题的判定方法和基于约束程序的Petri网可达问题判定方法,提出一种基于约束优化的Petri网可达问题判定方法,该方法是在状态方程法的基础上,利用约束程序寻求可行解,再利用优化求最优解,从而减少问题搜索的分支,达到减少状态方程的解空间的目的。最后通过实例的求解验证算法能够提高判定效率。     

Throughput optimization for video streaming proxy servers based on video staging

A video streaming proxy server needs to handle hundreds of simultaneous connections between media servers and clients. Inside, every video arrived at the server and delivered from it follows a specific arrival and delivery schedule. While arrival schedules compete for incoming network bandwidth, delivery schedules compete for outgoing network bandwidth. As a result, a proxy server has to provide sufficient buffer and disk cache for storage, together with memory space, disk space and disk bandwidth. In order to optimize the throughput, a proxy server has to govern the usage of these resources. In this paper, we first analyze the property of a traditional smoothing algorithm and a video staging algorithm. Then we develop, based on the smoothing algorithm, a video staging algorithm for video streaming proxy servers. This algorithm allows us to devise an arrival schedule based on the delivery schedule. Under this arrival and delivery schedule pair, we can achieve a better resource utilization rate gracefully between different parameter sets. It is also interesting to note that the usage of the resources such as network bandwidth, disk bandwidth and memory space becomes interchangeable. It provides the basis for inter-resource scheduling to further improve the throughput of a video streaming proxy server system.

Ant colony approaches for multiobjective structural optimization problems with a cardinality constraint

Two Ant Colony Optimization algorithms are proposed to tackle multiobjective structural optimization problems with an additional constraint. A cardinality constraint is introduced in order to limit the number of distinct values of the design variables appearing in any candidate solution. Such constraint is directly enforced when an ant builds a candidate solution, while the other mechanical constraints are handled by means of an adaptive penalty method (APM). The test-problems are composed by structural optimization problems with discrete design variables, and the objectives are to minimize both the structure’s weight and its maximum nodal displacement. The Pareto sets generated in the computational experiments are evaluated by means of performance metrics, and the obtained designs are also compared with solutions available from single-objective studies in the literature.     

复杂约束条件下的混合粒子群优化算法*

针对具有复杂约束条件的优化问题,提出了一种混合粒子群算法。该混合算法在将标准粒子群算法与线性搜索法有机结合的基础上,依次对粒子的每一维变量进行适当变化并同时判断其变化的效果。最后进行了数值实验,其结果表明,所提出的混合粒子群算法对于具有复杂有约束条件的优化问题有较好的优化效果。     

基于视差图优化的立体匹配算法研究

传统的立体匹配算法通过计算两幅图像的像素点相似程度,从而找到左图像素点和右图像素点的对应关系,常采用的是一种局部最优的方法,所以其匹配精度很低.为了提高精度,当前策略主要是将问题转化为求解能量方程,进而来对全局空间进行优化.从一个新的角度即视差图优化来研究能量方程的求解,通过对扫描线算法、动态规划算法和图割算法深刻讨论来分析算法原理与运行图,从而理解各算法优缺点形成本质与问题转化的依据,可以进一步的改进其不足,为研究新的算法打下基础.     

基于多种群的随机扰动蚁群算法求解分布式约束优化问题

针对现有的基于蚁群优化思想求解分布式约束优化问题的算法收敛较慢、容易陷入局部最优等问题,提出了一种基于多种群的随机扰动蚁群算法（random disturbance based multi-population ant colony algorithm to solve distributed constraint optimization problems,RDMAD）来求解分布式约束优化问题。首先,RDMAD提出了一种分工合作机制,将种群按比例划分为采用贪婪搜索的子种群和采用启发式搜索的子种群,同时构建分级更新策略,提高算法收敛速度和求解质量;然后对采用贪婪搜索的子种群设计自适应变异算子和奖惩机制,防止算法陷入局部最优;最后在算法陷入停滞时触发随机扰动策略,增加种群多样性。将RDMAD与七种最先进的非完备算法在三类基准问题上的寻优结果进行了实验对比,实验结果表明RDMAD在求解质量和收敛速度上优势明显,且稳定性较高。     

基于DM642的视频编码Cache优化策略

TMS320DM642DSP是TI公司新近推出的一款高性能数字多媒体处理器,它的两级高速缓存(Cache)结构为高复杂度视频编码算法的高效率实现提供了有力的保证。综合考虑视频编码算法特点和Cache结构特征实现的算法,能够满足系统整体需求和指标要求。本文首先简要介绍DM642的Cache结构特点,然后针对视频编码算法的高复杂度,提出一种Cache优化策略,能够很好的解决应用系统中的实时实现问题。     

Splitting augmented Lagrangian method for optimization problems with a cardinality constraint and semicontinuous variables

We propose a new splitting augmented Lagrangian method (SALM) for solving a class of optimization problems with both cardinality constraint and semicontinuous variables constraint. The proposed approach, inspired by the penalty decomposition method in [Z.S. Lu and Y. Zhang, Sparse approximation via penalty decomposition methods, SIAM J. Optim. 23(4) (2013), pp. 2448–2478], splits the problem into two subproblems using auxiliary variables. SALM solves two subproblems alternatively. Furthermore, we prove the convergence of SALM, under certain assumptions. Finally, SALM is implemented on the portfolio selection problem and the compressed sensing problem, respectively. Numerical results show that SALM outperforms the well-known tailored approach in CPLEX 12.6 and the penalty decomposition method, respectively.     

基于非均匀量化的小波域分布式深度图视频编码

针对分布式多视点加深度格式(DMVD)的视频编码中深度图视频解码质量问题,提出一种结合子带层及子带系数的小波域分布式深度视频非均匀量化方案,通过给边缘分配更多比特来提升深度图的边缘质量。结合深度图经小波变换后系数分布特性,对第N层的低频小波系数采用均匀量化方案,对其他层高频小波系数采用非均匀量化方案。针对高频系数的非均匀量化,对处于"0"左右的高频系数采用较大的量化步长,随着高频系数幅度值的增大,量化步长逐渐减小,量化逐渐精细,从而提升深度图中的边缘细节质量。实验结果表明,对于边缘较多且变化较明显的"Dancer"和"PoznanHall2"深度序列,该算法能够有效地提高二者的边缘信息质量从而提高其率失真(R-D)性能,最高可达1.2 dB;而对于边缘区域较小且较为模糊的"Newspaper"和"Balloons"深度序列,系统的R-D性能也能被提升0.3 dB左右。     

利用协方差矩阵法表示深度图像集的鲁棒人脸识别

针对深度图像集的人脸识别问题的鲁棒性问题,提出将多幅Kinect图像当作一个图像集,Kinect捕获的原始深度数据可用于姿态估计以及人脸区域的自动裁剪。首先,将图像集划分到c个图像子集,子集中的所有图像划分为4?4的图像块;然后,将图像集中的图像模拟为图像块的形式,按照姿势划分,每个子集使用协方差矩阵法表示;最后,在黎曼流形上的模拟子集图像,为了分类,黎曼流形的每个图像子集分别学习支持向量机模型,并引入一种融合方法来合并所有图像子集的结果。在三个最大的公开Kinect人脸数据集CurtinFaces、Biwi Kinect和UWA Kinect的实验结果验证了本文方法的有效性,与其他较先进的方法相比,识别率有较大提升,标准差保持较低,对图像集数量、图像子集划分数量和空间分辨率有较好的鲁棒性。     

Advanced backtracking search optimization algorithm for a new joint replenishment problem under trade credit with grouping constraint

In the real business situation, suppliers usually provide retailers with forward financing to decrease inventory or increase demand. Moreover, some heterogeneous goods are not allowed to transport together, or a penalty cost is incurred when heterogeneous goods are transported at the same time. This research proposes a practical multi-item joint replenishment problem (JRP) by considering trade credit and grouping constraint in accordance with the practical situation. The JRP aims to find reasonable item replenishment frequencies and each group’s basic replenishment cycle time so that the overall cost can be minimized. Four intelligent algorithms, which include an advanced backtracking search optimization algorithm (ABSA), genetic algorithm (GA), differential evolution (DE) and backtracking search optimization algorithm (BSA), are provided to solve this problem. Findings of contrastive example verify that ABSA is superior to GA, DE, and BSA, which have been validated to be effective algorithms. Randomly generated problems are used to test the performance of ABSA. Results indicate ABSA is more effective and stable to resolve the proposed JRP than the other algorithms. ABSA is a good solution for the proposed JRP with heterogeneous items under trade credits.     

基于动态约束满足的炼钢连铸重调度算法

针对转炉出钢延迟的炼钢连铸重调度问题,以开工时间、加工时间以及加工机器的差异度和同一炉次相邻设备间的等待时间的差异化最小为目标建立了动态约束满足模型,提出了基于约束满足和断浇修复的重调度算法。算法通过变量和值选择规则依次对变量赋值,利用冲突识别与解消规则识别赋值过程中产生的冲突并予以解消冲突;在形成的准可行调度中,利用断浇修复启发式规则修复连铸机的断浇现象。仿真实验模拟了3组均匀分布随机产生的延迟时间量,所得目标值分别为0.15,0.28和0.51。结果表明延迟时间量的大小对目标函数值有一定影响,所提算法能够最大限度地满足生产的实时性和稳定性的需求。     

并行设计中基于特征约束的变更传播研究*

为了解决工程变更传播中难以搜索变更传播路径和难以计算变更程度的问题,本文以产品特征约束为基础分析并行设计中的变更传播过程。首先提出了约束结构树的概念和构建方法,用以表达产品特征约束的拓扑关系。然后对不同类型特征约束的变更传播进行了推理,给出了被影响的特征约束的求解算法。最后以某型号人孔为例说明了变更传播实现机制和方法,实验结果表明,文中方法在很大程度上改进了分析变更传播的准确性和有效性。     

一种基于分布式约束满足的资源优化模型*

分布式约束满足作为分布式人工智能领域的一个重要分支,在许多领域均得到了广泛应用。针对Web服务事务协调过程中的资源优化问题,在分布式逃逸算法的基础上提出了一种基于分布式约束满足的资源优化模型,并通过仿真实验证实了模型及其算法的收敛性和优化性。     

基于梯度投影法与随机优化算法的约束优化方法

针对带有线性等式和不等式约束的无确定函数形式的约束优化问题,提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法。该方法利用遗传算法进行全局搜索,利用同时扰动随机逼近算法进行局部搜索,算法在每次进化时根据线性约束计算父个体处的梯度投影方向,以产生新个体,从而能够严格保证新个体满足全部约束条件。将上述约束优化算法应用于典型约束优化问题,其仿真结果表明了所提出算法的可行性和收敛性。     

一种基于Multi-Egocentric视频运动轨迹重建的多目标跟踪算法

Egocentric视频具有目标运动剧烈、遮挡频繁、目标尺度差异明显及视角时变性强的特点,给目标跟踪任务造成了极大的困难。本文从重建不同视角Egocentric视频中各目标的运动轨迹出发,提出一种基于Multi-Egocentric视频运动轨迹重建的多目标跟踪算法,该方法基于多视角同步帧之间的单应性约束解决目标遮挡和丢失问题,然后根据多视角目标空间位置约束关系通过轨迹重建进一步优化目标定位,并采用卡尔曼滤波构建目标运动模型优化目标运动轨迹,在BJMOT、EPLF-campus4数据集上的对比实验验证了本文算法在解决Multi-Egocentric视频多目标跟踪轨迹不连续问题的有效性。     

联合局部约束的邻域嵌入人脸超分辨率重建

目的 现有的基于邻域嵌入的人脸超分辨率重建算法只利用了低分辨率图像流形空间的几何结构,而忽略了原始高分辨率图像的流形几何结构,不能很好的反映高低分辨率图像流形几何结构的关系。此外,其对同一幅图像中的不同图像块选取固定数目的最近邻域图像块,从而导致重建质量的下降。为了充分利用原始高分辨率图像空间的几何结构信息,提出基于联合局部约束和自适应邻域选择的邻域嵌入人脸超分辨率重建算法。方法 该方法结合待重构图像与低分辨率图像样本库的相似性约束与初始高分辨图像与高分辨率图像样本库的相似性约束,形成约束低分辨率图像块的重构权重,并利用该重构权重估计出高分辨率的人脸图像,同时引入自适应邻域选择的方法。结果 在CAS-PEAL-R1人脸库上的实验结果表明,相较于传统的基于邻域嵌入的人脸超分辨率重建方法,本文算法在PSNR和SSIM上分别提升了0.39 dB和0.02。相较于LSR重建方法,在PSNR和SSIM上分别提升了0.63 dB和0.01;相较于LcR重建方法,在PSNR和SSIM上分别提升了0.36 dB和0.003 2;相较于TRNR重建方法,在PSNR和SSIM上分别提升了0.33 dB和0.001 1。结论 本文所提的重建方法在现有人脸数据库上进行实验,在主观视觉和客观评价指标上均取得了较好的结果,可进一步适用于现实监控视频中人脸图像的高分辨率重建。     

基于方向约束的对称距离聚类算法

K-means算法是数据挖掘领域研究、应用都非常广泛的一种聚类算法,其各种衍生算法很多,其中包括近年出现的以点对称距离为测度的K-means聚类算法。在点对称距离聚类算法的基础上提出一种新的聚类算法,根据对对称性的分析,为对称性的描述增加方向约束,提高对称距离的描述准确性,以此来提高聚类的准确性。同时,针对对称点成对出现的特点,调整了聚类过程中的收敛策略,以对称点对连线中点计算聚类中心,改善了基于对称距离的聚类算法收敛性能。通过数值仿真比较了所提算法与原有算法的优劣,结果显示该算法在计算复杂度不变的条件下获得了更准确的结果,聚类结果更接近数据的真实分类。     

结合自适应空间与CRF的遥感影像变化检测

提出了一种结合自适应空间与条件随机场（CRF）的新框架用于高分辨率遥感影像变化检测,解决了两幅影像配准误差造成的噪声和条件随机场产生的过平滑问题。通过加权自适应空间（WAS）获取差异图像消除了因配准误差造成的部分噪声,采用基于形态学重构的FCM聚类方法（MFCM）构建CRF一阶势减少了斑点噪声;引入带光谱—空间约束的模型改进CRF二阶势,进一步提高了算法的抗噪性能并可防止过平滑现象。与现有方法相比,该算法的检测精度、虚检率和漏检率都得到明显改进,同时较好地保留了边缘信息。