量子遗传算法在图像锐化中的应用

图像平滑处理后会导致轮廓边界模糊不清,此时需对图像进行锐化使边缘变得清晰．传统锐化算法适应性不强,计算量大,参数不能人工干预．Tubbs将图像锐化中的非线性变换函数表示为归一化非完全Beta函数B（α,β）,但算法复杂,Beta参数难以确定．本文提出一种基于Beta非线性变换参数的量子遗传算法用于图像锐化,最后通过实验验证该算法的有效性．     

量子遗传算法及其在图像盲分离中的应用研究

在改进Han的遗传量子算法的基础上，提出一种新的量子遗传算法．算法中采用多量子比特来编码多状态基因，构造了各个体之间的联合量子交叉，提出了通用的量子旋转门演化策略和动态调整旋转角机制．将量子遗传算法与独立分量分析算法相结合，提出一种图像信号的盲分离方法．仿真结果表明了该算法的有效性．     

基于量子遗传算法的图像分割

针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,将量子计算与遗传算法进行融合,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明量子遗传算法用于阈值寻优减少了搜索时间,提高了收敛效率.     

量子遗传算法在指纹图像分割中的应用

提出了一种基于量子遗传算法(QGA)的指纹图像分割改进方法.这种方法利用量子遗传算法种群多样性好,收敛速度快的特点,将基于量子遗传算法的阈值分割方法与方向图法相结合对指纹图像进行分割.实验结果表明,QGA在指纹图像阈值分割中的速度和精度优于改进的自适应遗传算法和其它一些传统算法,是一种有效的图像分割方法.     

量子遗传算法在TSP中的应用

本文提出了一种改进的量子遗传算法,其核心是对量子遗传算法中的量子旋转门的调整策略进行改进。在现有的静态、指数型动态调整策略的基础上提出了基于正弦函数的动态调整策略。文中对旅行商问题（TSP）的仿真实验结果表明：改进后的算法的优化质量和效率都优于遗传算法和一般量子遗传算法。     

自适应量子遗传算法在指挥控制结构设计中的应用

本文主要解决作战过程中指挥控制结构设计的问题。首先定义了指挥控制结构中的各个要素,然后对问题进行了数学描述,通过定义决策实体的工作负载,以最小化工作负载的均方根为优化目标建立数学模型。在模型的求解过程中,将量子遗传算法与自适应策略相结合,形成了自适应量子遗传算法。该自适应策略包括自适应调整量子旋转门,自适应生成交叉概率,自适应生成变异概率。实验结果表明,自适应量子遗传算法具有进化速度快、搜索结果好等优点,能够较好的对平台集进行聚类,完成指挥控制结构的设计。     

改进量子遗传算法在多峰值函数寻优中的应用

针对标准量子遗传算法(QGA)在寻找多峰值最优时存在局部寻优能力较差和易早熟的缺陷,提出一种改进量子遗传算法(QQGA),运用基于概率划分的小生境协同进化策略初始化量子种群,并采用动态量子旋转角调整策略来加快收敛速度;加入量子移民和保优选择策略,提高规划效率,避免陷入局部最优。利用复杂二元函数测试改进量子遗传算法,结果比标准量子遗传算法效率高。     

粗糙自适应遗传算法在图像恢复中的应用

针对简单遗传算法(SGA)在图像恢复应用中寻求匹配近似解时,存在匹配度低及匹配值差异较大,导致很难得到所需近似解的问题,设计了一种新的图像恢复方法。该方法采用的方案是将简单遗传算法与粗糙自适应算法相结合,按照匹配数值对SGA在其搜索解空间所得匹配近似解进行明暗标记分类,然后按照粗糙自适应模型进行相应地分类处理,以增强图像恢复算法的鲁棒性。通过与逆滤波、维纳滤波和简单遗传算法的对比实验表明,粗糙自适应遗传算法(RAGA)能更好地保留图像边缘及提高峰值信噪比值。     

一种改进型量子遗传算法

针对量子遗传算法在复杂连续函数优化中存在的收敛速度慢、易陷入局部极值等缺点,提出一种改进型量子遗传算法。采用动态策略调整量子门旋转角,以加快收敛速度,采用优体交叉策略实施交叉操作,以增强局部搜索能力。通过典型复杂连续函数的测试验证该算法的可行性和有效性。     

量子遗传算法及其在多用户检测中的应用

量子计算与遗传算法相结合的量子遗传算法是当今计算智能领域的一个前沿课题。文章从研究遗传算法在并行实现上的困难和改进方法出发,探讨了量子计算与遗传算法结合的理论基础,分析了量子遗传算法的理论和结构,最后提出了一种基于量子遗传算法的多用户检测方法。仿真结果表明,基于量子遗传算法的多用户检测器抗多址干扰的能力明显优于经典遗传算法多用户检测器。     

基于遗传量子的自适应图像分割算法

虚拟娱乐照相领域的图像分割,目的在于实时地提取显示出背景中的感兴趣目标,但由于常用的分割方法容易丢失图像的边缘细节信息,而且运算时间长,难以实现质量与速度的平衡,为此文章提出了一种基于遗传量子进化算法的图像分割方法。该方法首先运用遗传量子方法进行阈值搜索,然后进行区域分割,再利用形态学方法对图像边缘细节进行补偿,并去除噪声。仿真结果表明,与传统方法比较,该方法能有效地提取图像中的人像,保留细节边缘。     

基于量子遗传算法的水下图像增强

随着海洋工程以及海洋科学研究的发展,水下图像增强越来越受到大家的关注。针对水下图像噪声大、对比度低、且边缘和纹理模糊等特点,采用了一种量子遗传算法,在小波域对图像进行非线性增强。实验表明,该算法能较好的实现水下图像增强。     

改进量子遗传算法的图像增强研究

本文提出一种基于改进量子遗传算法的图像增强方法,量子的调整策略主要针对不同染色体通过使用自适应量子旋转门步长实现,同代染色体更新时采用同一旋转角步长完成,不同代染色体则遵循不同的旋转角步长完成进化过程,各量子染色体的进化速度以各量子染色体的汉明距离为依据完成具体调节过程,在此基础上更新量子染色体后,以目标数值范围为依据判定获取较为适合的染色体解并将其作为级别较高的染色体使用,再通过对角线交叉方法的使用完成交叉操作量子过程。为图像增强方法的优化和完善提供参考。     

一种改进的量子遗传算法及其应用

针对基于Bloch球面坐标编码的量子遗传算法应用中的优化效率低和局部寻优较差能力问题,提出2点改进措施：在比较种群的基础上将局部搜索与全局搜索相结合;依据三链特性将搜索空间扩展为3Bloch球面空间。将改进算法应用于多变量函数极值优化问题,仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性。     

遗传算法在图像处理中的应用

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注。本文介绍了遗传算法的基本理论,描述了它的主要特点和基本性质;重点综述了遗传算法在数字图像处理中的主要应用,特别是在图像分割和边缘检测、图像压缩、图像恢复、图像匹配、图像增强以及图像重建等方面的作用;探讨了目前遗传算法在图像处理领域中存在的问题及其在今后的发展方向。     

遗传算法在图像增强中的应用研究

关于图像增强是图像处理中提高质量问题,由于在图像采集过程中存在各种干扰,图像质量低,传统分段线性变换算法采用人工方法进行参数优化,难以获得最佳增强效果。为提高图像增强效果,提出一种采用遗传算法的图像增强算法,用遗传算法自动选择两个折线拐点的位置和分段直线的斜率,得到最优的分段线性变换曲线,从而实现图像增强处理。仿真结果表明,相对其它增强方法,改进方法不仅提高图像整体亮度,而且增强了图像的对比度和细节,具有一定的抗噪能力,为图像增强处理提供了广泛的应用前景。     

混合量子遗传算法及其在VRP中的应用

物流配送车辆路径问题(VRP)是一类典型的NP问题.针对提高寻优能力问题,构造了一种混合量子遗传算法(HQGA),即在传统量子遗传算法(QGA)随机全局搜索的基础上引入一个免疫算子,通过该算子的局部搜索操作实现线路内次序的再优化.给出了该算法的具体实现方法和流程,并用实例进行测试.仿真结果表明混合量子遗传算法的寻优性能优于传统量子遗传算法(QGA)及文献中的其它方法,可以避免出现早熟收敛,是求解车辆路径问题的一种有效的算法.