一种变焦遗传算法

提出一种吐故纳新的变焦遗传算法 ,即在保持串长不变的条件下 ,不断储存迭代信息 ,同时为提高解的精度在所腾空的基因位上纳入新的基因。仿真结果表明了该算法的有效性     

一种改进的变焦遗传算法

提出一种新的变焦遗传算法,在保持串长不变的条件下,大幅度缩小搜索区间,明显提高了遗传算法的收敛速度和解的精度.本文提出的方法对大范围、高精度情况尤其适合.仿真结果说明了算法的有效 性.􀁽     

一种变焦遗传算法

提出一种吐故纳新的变焦遗传算法，即在保持串长不变的条件下，不断储存迭代信息，同时为提高解的精度在所腾空的基因位上纳入新的基因，仿真结果表明了该算法的有效性。     

一种基于选择的遗传算法

鉴于标准遗传算法比较容易产生早熟现象和模式欺骗而收敛于局部最优解,论文对标准遗传算法的遗传操作进行了改进,提出了基于选择的遗传算法(GA_S)。在该算法中,首次提出了基因选择算子、广义精英算子、引进选择算子、基于精英集的成长期变异等概念,并对其进行了比较详细的描述。之后,使用7个经典测试函数对其进行了大量实验。实验表明算法对早熟和模式欺骗具有较强的突破能力。     

一种扩散式遗传算法及其性能分析

首先从理论上对三种传统遗传算子的作用进行了定量分析,在此基础上提出了一种新的遗传算子--扩散算子,并利用模拟退火法给出了扩散概率.这种增加扩散算子的遗传算法,较好地克服了传统遗传算法易发生成熟前收敛和收敛速度过慢的缺点,仿真结果表明了其实用性和有效性.     

一种多模式协作遗传算法

该文主要针对遗传算法在实际操作应用中遗传算子和参数选取的复杂性,分析和探讨了一种多模式协作遗传算法。对于不同的优化问题以及遗传算法的不同运行阶段,引入局部遗传算法来实现一定领域中几种改进的遗传算子的适应性选取,使它们能够有效协作并且能够有效发挥各自特长,形成一种具有广泛适用性的算法模式。使用者可以在缺乏理论指导和经验参数情形下,不再凭借许多对比实验来选取合适的算子类型,方便和拓展了遗传算法的使用,并且通过试验证明了该方法的有效性。     

基于遗传算法的一种新的神经网络结构模式研究

神经网络与遗传算法的结合为解决大规模、复杂、并行的系统问题提供了广阔的前景，但其有着固有的缺陷和不足，本文在遗传算法的基础上，提出了一种新的神经网络结构构式，它能将遗传算法与神经网络更加有机地结合起来，改进其不足，增加神经网络的学习方式，提高学习效率和网络的稳定性。     

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。     

一种新的改进遗传算法及其应用

研究并提出了一种基于模式的改进遗传算法,该算法加强了好的模式对群体的影响,在收敛速度和防止陷入局部最优解取得了平衡.在一个经典测试函数的仿真实验中,与基本遗传算法(SGA)和自适应遗传算法(AGA)相比,该改进遗传算法表现了良好的效果.     

一种基于家庭聚类思想的遗传算法

从一个不同角度提出遗传算法的改进思想．这种新的遗传算法——Family Clustering CA(FCGA)和以往的改进方法不同的是，它根据种群中个体的相互关系，采用聚类思想对算法进行综合调控，利用“家庭选择”操作进行微调，使得收敛速度和多样性这两个指标都得到兼顾．从实际的仿真效果来看，效果显著．     

Zooming In, Zooming Out

This is an exploratory paper about combining logics, combining theories and combining structures. Typically when one applies logic to such areas as computer science, artificial intelligence or linguistics, one encounters hybrid ontologies. The aim of this paper is to identify plausible strategies for coping with ontological richness.     

一种新型遗传算法

给出了一种基于拉马克学习和精英保留策略的新型遗传算法。设计了拉马克学习规则和拉马克遗传算法框架,给出了算法收敛性的数学证明,并利用测试函数与经典遗传算法进行了对比实验。实验结果表明,该算法具有较好的收敛性能和局部搜索能力,可以用于求解各种工程优化问题。     

一种改进的遗传算法：GA-EO算法

针对基本遗传算法(GA)有局部搜索能力差、计算量大、对较大搜索空间适应能力差和易收敛于局部极小值等问题,采用将极值优化(EO)算法与传统遗传算法相结合的方式,对基本遗传算法进行改进,提出了一种新的算法:GA-EO算法,并用实验证明了新算法的有效性。     

一种双向缩放Image Warping算法

根据映射方向的不同,传统Image Warping算法可分为正向和逆向方法。针对正向方法存在的映射出界和扩展空洞问题,以及逆向方法存在的效率瓶颈,设计了一种双向缩放Image Warping算法。新算法将传统的单向映射分解为一个逆向的视景收缩和正向的模板映射过程,仅通过调整目的图像绘制顺序和映射方向来进行改进,而避免了其他优化算法中相应的预处理步骤以及对场景本身的限制。理论和相关实验证实了双向缩放Image Warping算法的合理性和有效性。     

Implicit Reconstruction by Zooming

This paper presents a new method for inferring 3D information using a static camera equipped with a zoom lens. The modeling algorithm does not require any explicit calibration model and the calculations involved are straightforward. This approach uses several images of accurate regular grids placed on a micrometric table, as the calibration process. The basic idea is to compute a local transformation that allows the establishment of a relationship between a distorted grid detected on the CCD matrix and the real one located in front of the camera. This relationship takes automatically into account all distortion phenomena and allows one to obtain reconstruction results much more accurate than those of previous works in the same field. A complete experiment on real data is provided and shows that it is possible to compute 3D information from a zooming image set even if data are close to the optical axis.     

改进的自适应遗传算法

Srinvivas等提出一种自适应遗传算法,交叉概率与变异概率能够随着适应度大小而改变。但在这种算法中,群体中最大适应度值的个体的交叉率和变异率为零,这使得进化走向局部最优解的可能性增加。提出了一种改进的自适应遗传算法,使群体中最大适应度值的个体的交叉率和变异率不为零。实验结果表明该算法在抑制“早熟”现象,防止陷入局部最优,提高种群收敛速度方面都有明显的效果。     

遗传算法中的自相似现象

遗传算法(GA)的执行过程可看作复杂自适应系统的演化过程，以GA运行过程中输出的适应值序列为研究对象，通过功率谱和重标定域两种方法发现GA的输出序列存在自相似行为，研究表明，算法执行过程中最优解的输出与Hurst指数的变动密切相关，算法在全局搜索阶段呈现明显的自相似性，而在到达最优值附近则呈现明显的白噪声特征，这一发现为深刻理解GA运行机理和优化GA设计带来了新的思路。