一种新的基于多尺度分析的滤波算法

利用多分辨分析思想对空域相关滤波法进行了研究,给出了一种形式简单的变系数算法,仿真结果说明该算法对处理含有噪声的信号是有效的。     

一种基于“探测"与“开采"的多目标进化算法

针对实践中多目标优化问题(MOPs)的Pareto解集(PS)未知且比较复杂的特性,提出了一种基于"探测"(Exploration)与"开采"(Exploitation)的多目标进化算法(MOEA)——MOEA/2E。该算法在进化过程中采用"探测"与"开采"相结合的方法,用进化操作不断地探测新的搜索区域,用局部搜索充分开采优秀的解区域,并用隐最优个体保留机制保存每一代的最优个体。与目前最流行且有效的多目标进化算法NSGA-Ⅱ及SPEA-Ⅱ进行的比较实验结果表明,MOEA/2E获得的Pareto最优解集具有更好的收敛性与分布性。     

多目标进化算法的一种基于生成树的分布性维护方法

针对多目标进化算法的种群维护和运行效率相矛盾的问题,提出了一种基于生成树的分布性维护方法,即对整个种群构造一棵生成树,定义一种密度估计指标--树聚集距离,并结合树中的最短树枝和个体度数对种群进行维护.由于树聚集距离和度数具有动态性,每移出一个个体,种群中与之相连个体的信息都会发生相应的变化,因而可即时反映出种群的分布情况.与三个著名的算法NSGA-Ⅱ、SPEA2和C-NSGA-Ⅱ的比较实验表明,该方法能在得到良好分布性解集的同时,能以较快的速度对种群进行维护,具有较好的时间效率.     

基于进化算法的多目标闭环物流网络设计

为了帮助生产企业建立科学合理的闭环物流网络系统,提高废旧产品材料的再循环利用率,提出了一个多周期、多产品、多阶段的闭环物流网络选址与运输模型。该模型中,不仅考虑建造混合分销回收中心,还提出了2个优化目标:经济成本最小和时间成本最小。针对该多目标优化问题,本文采用了一种基于优先值编码方法的进化算法对模型求解,最终得到该问题的帕累托(Pareto)前沿。通过与约束法的计算结果相比较,求得误差均值小于5%,说明该进化算法对Pareto前沿的拟合程度较好,计算结果是正确有效的。     

无运力限制条件下的一种器材紧急调运优化模型

根据器材调运的特点建立了一个货量充足且无运力限制备件的多目标优化模型，给出了一种方便有效的算法，并利用仿真算例对模型和算法进行了验算，得到了最优的器材调运方案．     

一种基于遗传算法的多目标优化算法研究

对一般的无约束多目标优化问题的求解进行讨论,提出一种基于遗传算法的求解方法,该方法区别于传统遗传算法的求解模式,它采用带性别标志的编码、子群体的选择、保留Pareto最优解,并对解集进行共享函数的处理,最后得到较高质量的Pareto最优解集,给出的两个算例也充分说明此方法在处理多目标问题的可行性和实用性。     

一种基于新改进的Price算法的混合遗传算法求解约束优化问题

新改进的Price算法能够求解多峰、多维,以及不可微目标函数的全局优化问题.把新改进的Price算法作为局部搜索算子,并入到实数编码遗传算法中,构成一个混合遗传算法,求解约束优化问题.该混合算法增强了全局寻优能力,提高了函数值的精度,并减少了计算量.通过对13个约束标准测试函数的仿真实验,并和已有算法的比较,结果表明本文提出的混合遗传算法是有效的.     

一种含最优变异的多微粒群优化算法

针对微粒群优化算法中的固有缺点，提出了带有最优变异算子的多微粒群优化算法，采用多个微粒群对目标函数进行寻优，并在寻优过程中对子群中最优微粒引入了最优变异算子。通过这样的处理，算法可以预防早熟收敛并具有更快的收敛速度和更好的局部开发能力。对一组测试函数的模拟实验结果表明，带最优变异的多微粒群优化算法可以摆脱局部最优解时微粒的吸引，在较少的代数内就能够获得好的优化结果。     

浅谈多目标优化算法

优化问题一直都是工程实践和科学研究中的重要问题,本文详细介绍了常用几种优化算法,比较了各种算法的优缺点,也列举了组合算法在多个领域的应用实例,展望了组合算法的发展方向和可能面临的问题。     

一种有源微波近场成像系统

针对早期乳腺癌检测等近场目标的探测成像,设计了一种基于2.45GHz连续波信号的微波近场成像实验系统,主要由硬件电路和成像算法组成.系统电路用小体积、高性能和低成本的射频微波集成芯片实现,大大缩小了系统的体积并降低了成本,电路由天线模块、收发模块和数据采集控制模块构成.成像算法采用有限元微波共焦算法,完成对被测区域日标的探测成像.     

基于遗传算法的工程项目投资综合优化探讨

利用多目标优化理论、多属性效用函数理论建立了工程建设项目工期、成本和质量的综合均衡优化模型，在网络计划技术的基础上，用遗传算法对模型进行求解，可以得到最满意的决策方案和多个近似满意的备选方案，作为工程建设项目投资综合控制的目标。并应用实例对模型的可行性和实用性进行了验证。     

Study on the Signal Control System of Urban Traffic with a Genetic Algorithm

In the paper the aim and meaning of traffic microscopic simulation is discussed first, and then three sub-models of the system are established, e. i. the model for random generation of the vehicles, the model for car-following and lane change influenced by an adjacent vehicle, and the model for control and optimization of intersection with signal. Optimization of the traffic signal timing with a genetic algorithm and a microscopic simulation is carried out. It represents a novel approach to solving optimal signal timing.     

基于改进遗传算法的反卷积信号识别

信号处理中的反卷积是一个不适定问题，在泛涵理论上求取反卷积正则解的关键足求距离的最小。遗传算法在优化方面具有优势，因此提出用遗传算法优化求取最小值进行反卷积信号诊断。但足由于传统的遗传算法存在着一些问题，易陷入局部极小点导致成熟前收敛，使得反卷积问题的解决有误差，恢复的波形具有波动性，精度还不够，由此我们对传统的遗传算法进行了改进，改进后模拟计算发现恢复的信号波形精度明显上升，和原信号波形很相象，比较准确地反映了原信号固有的特性。     

基于遗传算法的码垛机器人路径规划应用

目的为了改进传统遗传算法在码垛机器人路径规划中可能出现的局部陷阱和过早收敛问题,以及机器人的能耗和路线平滑性问题,提出一种改进的遗传算法机器人路径规划方法。方法针对传统遗传算法存在的问题,分别对种群初始化、适应度函数、选择算子、交叉算子、变异算子的算法和方式进行调整和改进,对优秀算法进行融合。针对基本遗传算法主要着重于路径最短,从而忽视了机器人的能耗及路径平滑性等问题,设计一种综合考虑距离和转弯次数控制的适应度函数,最后将改进的算法应用于码垛机器人的路径规划中。结果仿真结果表明,相较于基本遗传算法,提出的算法搜索到的路径质量更高,不仅距离更短,同时转弯次数远远小于其他算法,路径更为平滑,验证了该算法的有效性。结论基于该算法的码垛机器人路径在兼顾距离最优的同时,路线更加平滑。由于减少了转向次数,机器人的能耗更低,同时仿真结果表明,该算法的实时性也较好。     

基于遗传算法的三维模型匹配方法

逆向测量模型与正向设计模型的自动匹配是三维检测的关键技术之一.通过空间六自由度的旋转与平移变换调整模型方位,基于K-D树和拓扑信息获取三维模型与不同方位平面的相交轮廓.利用二维相交轮廓的差异度作为两模型间的匹配判据,避免海量数据点与复杂曲面间的直接匹配计算.采用遗传算法进行两模型最佳匹配方位的求解,以空间六自由度为个体的染色体,通过群体的多点搜索,历经选择、交叉、变异操作,得到全局最佳匹配方位.通过实例验证了方法的有效性.     

基于视觉内容分析和遗传算法优化的鲁棒图像水印算法

目的为了兼顾水印图像的不可感知性与鲁棒性,利用DCT(Discrete Cosine Transform)变换域,设计载体视觉内容分析耦合遗传算法优化的鲁棒图像水印技术。方法首先,将载体图像分割为一系列的非重叠子块,并引入奇异值分解机制,定义视觉内容分析方法,获取每个子块的活性因子,活性因子值较大的子块为水印嵌入位置;利用DCT机制处理活性因子值较大的子块得到相应的直流系数;联合结构相似度SSIM、峰值信噪比PSNR以及归一化相关系数NC,并基于权重因子设计适应度函数,通过执行遗传算法寻找最优的嵌入强度;根据优化的嵌入强度构建水印嵌入方法,将二值水印隐藏到这些直流系数中,通过逆DCT变换输出水印图像;设计水印检测方法,从水印图像中提取二值水印。结果实验数据显示,与当前基于变换域的水印技术相比,所提算法具有更高的视觉不可感知性与抗几何攻击能力,面对多种几何攻击,所提算法的PSNR与NC值分别保持在45 dB,0.96以上。结论所提算法能够较好地将水印信息隐藏在载体中,具有较高的视觉不可感知性与抗几何攻击能力,在版权保护、信息防伪等领域具有较好的参考价值。     

基于遗传算法的可靠性优化

 建立了可靠性冗余优化模型,分析了各种优化方法的优缺点.提出了遗传算法,并通过实例将遗传算法与启发式方法作了比较,结果表明遗传算法较为有效.对遗传算法初值的选取也作了讨论.     

基于自适应遗传算法的双环信号配时优化模型

为了有效利用交叉口时空资源,缓解城市交通拥堵,在双环相位方案的基础上,建立以交叉口平均延误为优化目标,以各相位绿灯时长为优化参数的双环信号配时优化模型,并采用自适应遗传算法对模型进行求解。选取4个十字交叉口,实地调查获得交叉口晚高峰流量数据,分别使用经典的Webster配时法和双环信号配时优化模型对交叉口信号配时方案进行优化。结果表明：与Webster配时法相比,双环信号配时优化模型优化结果更好,分别使4个交叉口平均延误减少11.36%、13.74%、3.72%和9.00%,能够有效改善交叉口运行状况;并且交叉口同相位内的两个流向的流量越不均衡,双环信号配时优化模型优化结果越好。     

基于遗传算法的热轧生产过程多目标优化

针对热轧生产过程中的板坯出库策略问题,建立了旨在减少板坯倒垛量和板坯温降程度的多目标模型;针对问题的特点,提出了基于遗传算法的求解算法.算法能够根据目标的重要性调节加权参数的大小,以便根据应用中的实际情况调整优化的重点;通过在迭代过程中引入启发式变异算子,来提高算法的收敛速度.最后通过数值实验验证了算法的可行性和有效性.     

Optimization of Sentiment Analysis Using Teaching-Learning Based Algorithm

Feature selection and sentiment analysis are two common studies that are currently being conducted; consistent with the advancements in computing and growing the use of social media. High dimensional or large feature sets is a key issue in sentiment analysis as it can decrease the accuracy of sentiment classification and make it difficult to obtain the optimal subset of the features. Furthermore, most reviews from social media carry a lot of noise and irrelevant information. Therefore, this study proposes a new text-feature selection method that uses a combination of rough set theory (RST) and teaching-learning based optimization (TLBO), which is known as RSTLBO. The framework to develop the proposed RSTLBO includes numerous stages: (1) acquiring the standard datasets (user reviews of six major U.S. airlines) which are used to validate search result feature selection methods, (2) pre-processing of the dataset using text processing methods. This involves applying text processing methods from natural language processing techniques, combined with linguistic processing techniques to produce high classification results, (3) employing the RSTLBO method, and (4) using the selected features from the previous process for sentiment classification using the Support Vector Machine (SVM) technique. Results show an improvement in sentiment analysis when combining natural language processing with linguistic processing for text processing. More importantly, the proposed RSTLBO feature selection algorithm is able to produce an improved sentiment analysis.