改进遗传算法在MF-TDMA资源规划中的研究

针对遗传算法(GA)在MF-TDMA资源规划中易出现陷入局部最优和搜索效率低的问题提出一种改进的遗传算法.通过改进精英保留策略以及交叉和变异概率对的选择方法降低了陷入局部最优的概率,并且基于模式定理和积木块假设提出的分块搜索提高了搜索效率.仿真结果表明改进遗传算法结合自适应罚函数和适应度函数在 MF-TDMA 资源规划中相对于简单遗传算法、自适应遗传算法和分层遗传算法全局搜索能力更强和搜索效率更高.     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

基于改进遗传算法的高层建筑结构传感器优化布置

为了解决高层建筑结构抗震控制监测系统中的传感器优化布置问题,提出一种基于改进自适应遗传算法的传感器优化布置方法。以模态置信度准则的最大非对角元值极小化来构造适应度函数,对布点位置进行优化。并利用ANSYS 14.0建立有限元模型,施加相应约束对模型进行模态分析,算例结果表明该改进遗传算法对数目与位置实现了优化,得到了满足不同精度要求的传感器优化配置方案。     

基于改进遗传算法的多无人机搜索航路规划

针对多无人机对特定区域内的目标搜索问题,提出了一种基于贪婪算法改进变异操作的自适应遗传算法。依据先验情报对搜索区域进行栅格化处理,并结合无人机性能约束建立基于状态更新周期的协同搜索模型;引入类0-1编码将无人机航向控制序列与搜索概率进行关联;考虑到机载雷达对某一区域的重复探测会在一定程度上提高搜索概率,提出加入贪婪算子的贪婪变异策略,并引入策略选择阈值实现依据搜索概率变化对变异策略的动态调整,提高算法后期的局部搜索能力。仿真结果表明,改进的自适应遗传算法整体性能较好,具有较强的搜索能力和鲁棒性。     

实数编码遗传和单纯形混合算法在膜系优化设计中的应用

在传统遗传算法(GA)基础上,通过引入标准偏差函数构造了新的适应度函数,同时提出了一种自动降温的方法来控制退火选择策略中的温度.将这种改进的实数编码遗传算法(FGA)和单纯型算法(SA)有机结合起来,形成了新的膜系优化算法-实数编码遗传和单纯形混合算法,并编制了优化程序.实例表明该算法优化性能优越,既具有强大全局搜索能力,又能很好地实现局部搜索功能.用该算法实现了中心波长534 nm,带宽35 nm的可见光波段凹陷滤波器和高性能中性分束镜.     

试验IP网QoS优化设计

在分析IP网自身协议不足的基础上,提出了对网络服务质量(QoS)进行优化的必要性。分析了遗传算法,发现遗传算法是一种基于反复改进策略的搜索方法,可以求解很多领域的各种组合搜索和优化问题,对网络服务质量进行优化尤为适用。基于遗传算法提出一种对IP路由进行优化的方案,以此提升网络QoS的综合指标。通过仿真验证了方案的可行性,仿真结果显示所提出的算法对解决IP网络拥塞、改善吞吐量方面有明显效果。     

一种基于协同演化算法的无线传感器网络拓扑设计方法

在无线传感器网络（WSN）中，传感器节点及其中心节点相距一定距离，以确保在相关区域上的完全覆盖。然而，传感器节点之间的通信距离与能源消耗成正比，最终的传输距离受到限制。为了克服这个问题，在每个集群的头节点之间建立基于集群的布局和消息路由算法，以确保WSN实现良好的覆盖，平衡各节点工作负载和流量负载，并延长整个网络寿命。在本文中，我们使用遗传算法（NEA）来解决复杂的多目标WSN布局和信号路由问题。实验结果表明，NEA是解决问题的有效途径。     

基于改进蝗虫优化算法的智能组卷策略

针对传统组卷策略组卷时间长、试卷质量低等问题,本文提出了一种基于改进蝗虫优化算法的智能组卷策略。首先,综合知识点覆盖率、难度系数等因素,建立多目标评价模型;其次,将试题组合方案编码为蝗虫个体,通过蝗虫优化算法寻找最优组合方案,引入最优导向与随机竞争策略更新个体位置,以增强算法全局搜索能力;结合模拟退火思想,以使算法有能力跳出局部最优;引入余弦自适应函数调整搜索步长,以提升算法收敛速度。根据最优试题组合方案,生成一套高质量的试卷。实验结果表明,基于改进蝗虫优化算法的智能组卷策略与PSO-GA相比,组卷时间降低了52%,适应度提升了19%;与传统蝗虫优化算法相比,组卷时间降低了30%,适应度提升了14%。     

基于算术优化算法的低压配电网故障区段定位方法

为了提高低压配电网故障区段定位的准确性和快速性，保证居民用电安全，文中提出一种基于算术优化算法实现故障区段定位的方法。算术优化算法具有结构简单、收敛速度快以及精确度高等优点。选取IEEE33节点的配电网模型，使用MATLAB对此模型节点支路、节点开关状态和适应度函数进行编程仿真。对单点故障和多点故障以及存在信号畸变的单多点故障进行仿真计算，并对仿真结果进行分析。结果表明，利用算术优化算法的局部搜索和全局搜索分开进行的特点对故障区段定位问题进行局部充分搜索，可实现准确定位，准确度达到97%,优于二进制粒子群算法、遗传算法和改进鲸鱼优化算法。     

改进的遗传模拟退火算法优化光组播网络编码

网络编码可以提高WDM光网络有限数目波长转换器的利用率,但是网络编码操作将增加光域运算开销、复杂度和缓存需求。为了达到光组播容量条件下尽可能减少网络编码的次数,结合遗传算法和基于模拟退火的个体接受策略,提出一种改进的遗传模拟退火算法(GSAA)。算法通过设计一个既能满足最大组播吞吐量又考虑波长连续性约束路由的算法适应度函数实现网络编码次数减少;为保证种群空间中部分染色体可行性,算法在初始种群中加入一部分可行人工染色体;为了提高算法的局部搜索能力和收敛速度,算法在迭代过程中设计了一个局部搜索过程和自适应变异操作。仿真结果表明:改进的GSAA在收敛速度、网络编码次数等方面优于其它遗传算法。     

基于RSA算法的扩展算法

RSA的安全性是依据大整数分解的困难性而设计的。RSA公开密钥加密体制中n为2个大素数的乘积,即针对n=pq（p,q为大素数）的大整数分解,这里介绍了RSA算法的扩展算法的加密和解密原理,即针对n=p1,p2,…,pr（p1,p2,…,pr为大素数）的大整数分解。通过扩展素因子的个数达到RSA算法的安全性。比较RSA算法,扩展的RSA算法不仅可用于数据加密解密,也可用于数字签名。利用扩展的RSA算法实现数字签名也具有较高的安全性和可靠性。     

基于蚁群和模拟退火算法的聚类新方法

模拟退火算法具有良好的全局搜索能力,而蚁群算法具有良好的分布式并行性和正反馈能力.针对样本维数大、数目多时聚类效果不满意的问题,提出了混合的蚁群模拟退火算法,思路是利用K-均值算法的结果作为初值,再使用蚁群算法和模拟退火算法对初值进行调整聚类,结果表明这种算法比较有效.     

一种新的排序算法——端点排序算法

提出了一种新的排序算法：端点排序算法。其方法为：依次找出数据总数为N的数列最小和最大值,把二者放在本次所排数列的两端,再把剩余两端之间的数据总数为N-2的数列的最小值和最大值找出,放在此数列的两端,依此类推,直至数列中间,实现整个数组的排序。实验表明,该算法具有与冒泡排序更快的性能。在数据个数较多的情况下优于选择排序。     

基于Blob算法的织物疵点检测算法的研究

针对布匹疵点检测算法高效性和准确性要求的不断提高的要求,提出了利用基于Blob分析算法对采集的织物图像进行疵点识别的方法。对图像中的目标疵点区域进行降噪、开闭运算、标记目标区域及二值化等大量仿真实验,得到相关疵点有效特征值,实验充分证明了Blob算法在疵点检测中实时性和准确性。     

基于图像感知哈希的行人跟踪算法

针对传统目标跟踪算法计算复杂度高,在发生遮挡、形状改变时,运动目标丢失的问题,提出了将图像感知哈希算法应用于目标跟踪问题上,并针对行人这一特定目标进行了改进。按照行人的特征,将其分成若干区域,给不同区域分配不同权重,计算跟踪目标的感知哈希值,计算待测区域的哈希值,选择合适的待测区域作为目标区域。该算法与MeanShift算法相比,能更好地处理目标遮挡,不易产生目标丢失,且具有较低的复杂度。     

基于矩阵遗传的传感器管理算法

针对传感器分配过程中出现的组合爆炸问题,以传感器管理中的分配矩阵作为种群中的个体,分配矩阵中的元素作为基因进行遗传,提出了一种基于矩阵遗传的传感器管理算法。仿真结果表明,采用矩阵遗传的传感器管理算法可以较好地解决传感器分配中的组合爆炸问题,可以使多传感器多目标跟踪取得较好的效果。     

基于遗传算法的波束形成算法研究

随着卫星导航技术的不断发展,相控阵天线在导航领域中的应用也越来越多。波束形成算法是决定相控阵工作性能的重要因素。针对卫星导航领域对相控阵天线波束形成的需求,对基于遗传算法的波束形成算法进行了研究,重点满足对均匀加权下的旁瓣抑制、窄波束形成进行了优化设计。同时,在算法设计过程中,充分考虑了器件的不理想因素带来的幅相误差,得到了良好的优化结果,提高了算法的应用性能。     

基于近邻传播算法的K-means聚类优化算法

K-means聚类算法在随机选择的初始聚类中心的基础上进行聚类,其聚类效果会因为初始聚类中心的不确定性而不稳定。为了优化其聚类效果,提出了基于近邻传播算法(AP算法)的K-means聚类优化算法(APK-means)。该算法首先通过近邻传播算法生成若干个初始聚类,然后依序选择k个聚类规模最大的聚类中心作为K-means聚类算法的初始聚类中心,接着运行K-means聚类。算法有效性分析和实验结果验证了该算法有效优化了K-mean算法的聚类稳定性和有效性。     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

SKIPJACK算法

介绍了SKIPJACK算法,分析了它的安全性,指出了它的优缺点。