基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值，基于粒子群优化算法提出了一种多闽值图像分割方法．由最大熵或最大类间方差法得到优化的目标函数，用粒子群算法对其进行优化，得到分割的最佳阈值，并用该阈值对图像进行分割．将分割结果与遗传算法的多阈值分割结果相比较可以看出，该算法不仅可实现正确的图像分割，并可使分割速度大大提高．     

基于遗传算法的三维重构图像阈值分割

图像阈值分割是三维重构中图像处理的一个重要内容最佳熵阈值的图像分割具有很多优点,但同时也需要大量的运算时间,从而限制了其实际应用．将遗传算法应用于最佳熵阈值的确定中,提出一种新的图像阈值分割方法,以灰度图像的直方图熵作为评价标准,把图像阈值分割问题定义为一个优化问题．利用遗传算法寻优的高效性,搜索到能使分割质量达到最优的分割参数——图像分割阈值．实验结果表明,采用遗传算法不仅可以实现正确的图像分割．而且使得分割速度大大提高．     

基于二值化法的车牌图象自动定位技术研究

根据彩色图象三色学原理及空间域的图像平滑算法对图象进行预处理，利用二值化法进行图象分割，算法简单，实时性好，较好的完成了车牌图象的自动定位。     

基于直方图的模糊最大指数熵图像分割方法

针对最大熵阈值分割算法的计算缺陷,提出了一种基于直方图的模糊最大指数熵阈值图像分割新算法．该算法把模糊性指数、模糊熵概念应用到图像分割中,结合基于灰度图像直方图的模糊最大熵阈值图像分割理论,给出了模糊最大熵的新定义,同时引入了指数熵的概念．该算法能较好地完成图像分割,较传统分割算法具有更强的抗噪能力,为后续的图像处理提供了良好的基础．通过对真实目标灰度图像的分割和对比实验,表明本文新算法分割准确,性能优越。     

基于模拟退火并行算法的二维熵多阈值分割

针对二维熵法在多阈值分割时计时长、复杂性高等问题,引入模拟退火并行遗传算法对该算法实行优化,构造模拟退火并行遗传算法搜索二维最大熵值中的最优阈值,对二维熵法在多阈值分割经模拟退火并行遗传算法搜索改进前后的结果进行说明及对比。此优化算法比传统的模拟退火算法时间缩短了71.5%,说明此算法大大提高了分割效率,不仅能保证图像分割精度,而且能加快获得最佳阈值的速度,是一种有效且实用的图像分割方法。     

自适应熵疫苗算子的免疫图像分割方法

本文针对二维熵图像分割算法存在计算量巨大的问题,基于免疫调节机制,设计了一种新的图像分割方法．该方法利用免疫疫苗理论,并与熵理论相结合,提出了熵疫苗算子．熵疫苗作为抗体疫苗进行选择,通过熵运算,提取更新疫苗库,从而使得最优分割阈值的形成及疫苗库的更新具有自适应性,疫苗的选择更加准确有效．仿真实验表明熵疫苗算子加快了算法的搜索速度、提高了算法的适应性．该算法对复杂图像具有良好分割效果和较强的实时处理能力．     

SAR图像的二维灰熵模型快速分割方法

为提高图像分割速度和抵抗噪声的能力,综合利用小波分析、遗传算法、图像熵和灰色理论,提出一种基于二维灰熵模型的快速SAR图像分割方法．该方法首先对待分割图像进行小波变换,将表征图像概貌特征的低频信息重构为概貌图像,表征图像细节和边缘的部分高频信息重构为梯度图像,然后构造两者的概貌-梯度共生矩阵模型,根据最大熵原理设计二维灰色熵模型作为遗传算法的适应度函数．最后,利用遗传算法高效、并行的寻优能力,通过选择、交叉和变异等遗传操作快速逼近最佳阈值．实验表明,该方法不仅在图像分割过程中能够滤除SAR图像中的噪声,而且分割速度明显加快．     

多尺度图象分割方法及其应用研究

图象分割技术在图象处理中占据重要地位，是计算机视觉和图象理解的最基本问题。多尺度图象分割作为一种新的研究方法，将图象分割与小波变换理论相结合，能够更好地分割、重构图象。本文综述了多尺度分割方法的思想；并分析了多尺度分割方法在SAR图象分割和无损图象压缩中的应用，将其结果与以往提出的分割算法进行了比较，实验表明，效果较好。     

基于二值化法的车牌图象自动定位技术研究

根据彩色图象三色学原理及空间域的图像平滑算法对图象进行预处理,利用二值化法进行图象分割,算法简单,实时性好,较好的完成了车牌图象的自动定位.     

基于遗传算法和矩的刀具磨损图象检测技术的应用

研究了在遗传算法基本原理的基础上，用最大类间方差法对刀具磨损图象进行阈值分割，然后对分割后的二值刀具磨损图象，利用一种新的基于边界的几何矩的快速分割算法进行几何矩的计算和分析。通过试验，研究了经过遗传算法进行优化阈值分割后的二值图象的几何矩的值的大小和刀具磨损状态的关系，结果表明，几何矩的值的大小和刀具的磨损状态密切相关，几何矩的值的变化率可以对刀具状态进行识别，对试验数据的测试表明，这种方法能有效提高刀具磨损状态识别的正确率。     

基于遗传算法的水电站优化调度研究

用基于十进制编码的遗传算法研究水电站优化调度问题 ,与通常采用的基于二进制编码的遗传算法相比 ,采用十进制编码 ,避免了由于二进制编码串很长而造成的算法搜索效率低的缺陷 .实例计算中 ,以动态规划法求得的优化解为比较基础 ,采用十进制编码较之二进制编码在相同进化内更接近最优值 ,运行速度大大加快 ,提高了算法的运行效率     

Matlab遗传算法工具箱的设计

介绍了使用Ｍａｔｌａｂ语言实现遗传算法,建立遗传算法工具箱（ＧＡｓ ｔｏｏｌｂｏｘ）．开发的遗传算法工具箱支持二进制和浮点式编码方式,并且提供了多种选择、交叉、变异的方法,用以提高遗传算法的性能．使用工具箱对一系列非线性、多峰值函数问题进行了测试,显示了优良的性能．通过测试、发现浮点式遗传算法的寻解效率和精确度都优于二进制算法以及传统的寻优方法．     

一种改进的遗传算法及其在系统辨识中的应用

研究了基于基本杂交操作的遗传算法的效率及全局收敛性，提出了一种改进的遗传算法，该算法成功地应用于系统辨识。仿真结果表明了该方法的有效性及实用性。     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

图像分割的遗传算法方法

提出了一种用遗传算法进行图像分割的方法。首先叙述遗传算法的基本原理和它的算法流程；接着研究用遗传算法实现图像分割，提出了单门限和双门限分割的遗传算法，并与传统的Ｏｔｓｕ门限分割方法作了比较；最后给出了几个用遗传算法分割图像的实验结果。     

Characteristic analysis and prevention on premature convergence in genetic algorithms

The identification and characteristics of premature convergence in genetic algorithms (GAs) are investigated Through a detailed quantitative analysis on the search capability and the degree of population diversity, the cause of premature convergence in GAs is recognized, and attributed to the maturation effect of the GAs: The minimum schema deduced from current population, which is the largest search space of a GA, converges to a homogeneous population in probability 1 ( so the search capability of the GA decreases and premature convergence occurs). It is shown that, as quantitative features of the maturation effect, the degree of population diversity converges to zero with probability 1, and the tendency for premature convergence is inversely proportional to the population size and directly proportional to the variance of the fitness ratio of zero allele at any gene position of the current population. Based on the theoretical analysis, several strategies for preventing premature convergence are suggest     

基于变异概率自适应调整的逆序遗传算法研究

提出一种改进的遗传算法，根据个体适应度不同对变异概率进行自适应调整，使群体中的优良模式不易被破坏，同时又保证了种群个体的多样性，从而提高了算法的搜索效率。算法中改变了交叉与变异的操作顺序，避免了个体适应度的重复计算，提高运行速度。仿真结果表明，该算法优于普通遗传算法。     

路网中新建道路空间走向的基因算法优化

利用基因算法(GAs)，从改善道路网的服务水平、工程造价和土方费用的角度优化新建道路的空间走向，应用GIS开发了在数字地形上自动生成新建道路走向初始方案的方法．提出了优化新建线路空间走向的目标函数，并设计了相应的基因算法．开发了在路网中新增一条道路后路网结构的拓扑方法，确立计算适应度函数的具体公式．设定研究区域进行数值实验，验证了该方法的有效性．     

遗传算法用于CMAQ模式污染源清单优化的研究

污染源清单的准确性是影响CMAQ模式模拟效果的一个重要因素.在Linux系统下建立了基于遗传算法的Models-3/CMAQ模型污染源清单非线性优化系统,包含污染源清单调整、种群初始化、遗传算法、CMAQ模式结果分析4个通用模块.选取1、4、7、10共4个代表月份的典型日,应用此系统优化了2002年北京市可吸入颗粒物污染源清单.优化后4个代表月的污染源排放速率分别提高60.3%、74.8%、72.3%、43.3%.优化前后的污染源清单分别输入CMAQ模式,进行空气质量的模拟,模拟误差分别降低2.6%、7.02%、14.07%、2.17%,表明遗传算法优化CMAQ模式污染源清单效果显著.     

用遗传算法优化神经网络初始权重的方法

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,通过采用遗传算法优化网络初始权重的方法,将遗传算法和BP算法有机结合,做到了优势互补,并在提高洪水智能预报精度,特别是提高洪峰预报精度的研究中得到了很好的应用。在珠江流域西江洪水预报系统中,以历史水文资料进行检验的结果表明,洪峰时段的预报精度明显高于平水期的预报精度,证明了这种方法的有效性和可靠性。