改进的自适应遗传算法在函数优化中的应用*

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值,搜索效率低,不稳定等特点,提出一种改进的自适应遗传算法,该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值,从而能更好地产生新的个体摆脱局部极值搜索到全局最优解,并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明,与现存其他算法相比,改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度、和稳定性等方面都有了较大的改进和提高。     

良性进化的自适应遗传算法及其仿真研究

为了搜索函数最优解,基于遗传算法基本理论,提出了良性进化的自适应遗传算法（AGA）。AGA从两个方面改进了标准遗传算法：一是交叉、变异率会自适应调节大小;二是交叉、变异具有方向性。通过对AGA的仿真研究,分析了AGA中参数取值对算法的性能影响。最后把AGA和标准遗传算法进行了仿真比较,结果表明AGA在求解函数最优解问题时具有较强的自适应性和收敛性。     

基于遗传算法的测试用例生成工具研究

以Korel的遗传算法生成测试用例策略为基础,在适应函数、染色体编码、遗传算法效率等方面提出了相应的算法改进。引入程序结构依赖系数来确定个体的适应值,使得整个搜索更加智能化;解决编码长度预测问题;采用改进的自适应遗传算法提高用例的搜索效率。同时对实现测试用例生成过程中的关键技术进行了分析。最后结合算例对软件进行了验证。     

一种面向路径的测试用例自动生成方法

由于标准遗传算法一般使用固定的交叉和变异概率,并且容易出现局部收敛、早熟等现象,降低了遗传算法的全局搜索效率。针对这种情况,提出一种改进遗传算法。在使用实数编码的前提下,对适应度函数进行优化改进,避免过早收敛,对变异和交叉算法进行优化,使得交叉和变异概率能够自适应调整,增加种族的多样性,确保算法的全局搜索能力。实验结果表明,改进之后的遗传算法可以达到很高的路径覆盖率,搜索效率比标准遗传算法高。     

一种改进的自适应遗传算法

为了提高遗传算法的搜索效率,引进了父子竞争机制,采取一多点交叉操作技术,提出了一种改进的自适应遗传算法,并通过一个多元多峰数学函数对最佳个体保留遗传算法(Elitist-Reserved GA, EGA)、自适应遗传算法(Adaptive GA, AGA)以及文中提出的改进算法(Multi-point Crossover Adaptive GA,MAGA)进行比较评估,验证了该方法的合理性和可靠性.     

改进梯度算子的小生境遗传算法

为避免小生境遗传算法存在的早熟和收敛速度慢等问题,本文提出了一种改进的梯度算子,以保证进化朝最优解方向前进,提高计算峰值的精度。同时,利用进化代数和个体的适应度值,动态调整个体的交叉算子和变异算子,有效保证种群的多样性,改善全局搜索能力,加快收敛速度。将改进的梯度算子引入到基本小生境遗传算法和自适应小生境遗传算法,通过Shubert函数测试,证明本文改进后的算法与基本小生境遗传算法和自适应小生境遗传算法相比,不仅大大提高了收敛速度,并能搜索到所有全局最优解。     

一种改进的自适应遗传算法

为了提高遗传算法的搜索效率，引进了父子竞争机制，采取一多点交叉操作技术，提出了一种改进的自适应遗传算法，并通过一个多元多峰数学函数对最佳个体保留遗传算法(Elitist-Reserved GA，EGA)、自适应遗传算法(Adaptive GA，AGA)以及文中提出的改进算法(Multi-point Crossover Adaptive GA，MAGA)进行比较评估，验证了该方法的合理性和可靠性。     

基于双子代差分演化和自适应分块机制的多聚焦图像融合算法

基于分块的多聚焦图像融合算法是多聚焦图像融合领域中的一个重要算法。基于差分演化的多聚焦图像融合算法将图像分块大小作为差分演化算法的种群,通过多次演化,最后获得使融合图像效果最好的图像分块。为克服标准差分演化算法由于丢失父代种群的部分信息导致收敛速度变慢、全局搜索范围较小,以及当对应图像块的清晰度相等时该算法的处理方式会改变源图像的像素值的缺点,在原算法的基础上,引入双子代机制和自适应分块机制,提出一种基于双子代差分演化和自适应分块机制的多聚焦图像融合算法。在演化过程中生成两个子代种群,最大程度上保留父代种群的信息,扩大全局搜索范围,提高算法的收敛性能;利用自适应分块机制,当出现图像块清晰度相等的情况时,将图像块分解成更小的图像块,然后再进行清晰度的比较,使改进算法获得的融合图像比原算法获得的效果更好,而且不会改变源图像的像素值。实验结果表明,基于双子代差分演化和自适应分块机制的多聚焦图像融合算法可以获得比原算法效果更好的融合图像,而且收敛性能更好。     

基于Fisher准则的自适应图像分割算法

为了克服基本遗传算法收敛性差、易早熟的问题,针对阈值分割算法的实时性和准确性的要求,基于Fisher评价函数较强的分类效果和遗传算法的强大空间搜索能力,提出了改进的自适应分割算法,引入Fisher评价准则函数作为适应度函数,运用自适应的遗传算法确定图像分割的阈值,实现二者的有效融合,获得了比较满意的结果。实验表明,通过与已有的算法进行比较,改进的算法在分割效果和寻优效率上,都有了显著的改善。证明该优化算法的正确可靠性。     

求解约束优化问题的自适应演化算法

提出一种基于高斯柯西变异算子的多父体杂交自适应演化算法,并用于求解约束函数优化问题。算法的特点：在随机搜索过程中引入三种新的多父体杂交算子加速收敛;基于高斯柯西变异算子提出一种新的产生新个体的方法;提出一种根据演化的进度能自动调整搜索范围的自适应机制。分析与实验表明,与其他算法相比,算法更具有通用性、高效性、鲁棒性,算法收敛速度和算法稳定性有明显改进。     

方差排序及相似膨胀分形压缩

该文就分形图像压缩中搜索与匹配过程的相似性,基于序列块和主块之间当前最小像差的方差信息,提出了一方差排序算法,该算法大大减少了对每个序列块进行搜索和匹配的主块数与相应的编码时间。同时又提出了一种不规则区域的图像分割算法,它比传统的基于块的分割获得了更大的压缩率。这两种算法结合使用可在较短的编码时间获得较高的压缩率。     

基于四叉树分割的分形图像编码的改进方法

针对在分形图像压缩中,为寻找最佳匹配块需要花费相当长的时间的问题,在四叉树进行图像分割的基础上提出了一种基于分类函数和γ函数的分形图像编码方法。通过该方法,可以将图像子块分成24类,并有效地确定一种变换,而不需将每一定义域块进行各种变换,节省了搜索空间。实验结果证明,该方法可使编码速度有较大提高,而解码图像质量无明显下降。     

基于误差阈值和分层搜索的快速分形图像压缩方法

针对基本分形图像压缩方法耗时过长的不足，提出一种快速分形图像压缩方法．首先给出分层搜索算法以减小待匹配父块的数量，然后引进误差阈值以减小待比较像素个数．理论分析和试验结果表明，相对于经典分形压缩方法(Jacqain)，该方法在不影响信噪比和解码图像质量的前提下，大大提高了压缩速度．     

基于演化算法的灰度图象压缩

基于分形和分块迭代函数系统(PIFS)的特点，本文提出了一种改进的用于求解具有全局最优的自相似分块的演化算法，详细地阐述了个体的编码方法、适应度函数的设计、遗传算子的设计和选择策略，通过实验结果表明，该方法解码质量好、编码速度快、压缩比高．     

一种基于邻域搜索的分形图像编码算法

分形图像编码以其高压缩比,使得它具有广泛的应用前景,但是传统的分形编码方法压缩时间长,这是因为在为每一个值域块寻找合适的定义域块时需要在码本中进行大量的搜索匹配。研究发现,和值域块最匹配的定义域块大多数在值域块的附近。根据这一结论,提出了一种基于邻域的螺旋式搜索方法,并利用图像块间的信息熵差值,缩减了搜索范围。另外对误差图像进行编码,作为解码图像的补充,提高了解码图像质量。实验表明,该方法在不降低图像质量和信噪比的前提下大大加快了编码的速度。     

基于IFS块的快速图象编码算法

文中首先叙述了目前分形块编码研究领域大致情况，然后，提出了一种新的快速编码算法，用Ｌ１距离替换了以往算法所用的Ｌ２距离，把匹配过程转换成类似于矢量量化的搜索过程，因而采纳了许多矢量量化的加速算法，还讨论了以平坦区的处理并提出了新的剖分方法，取得了较好的效果，同其它的分形块编码方法相比，该算法大大缩短了编码时间，改善了压缩图象的质量，特别是它能较大程度地消除块效应，压缩比也有了进一步的提高。     

利用人眼视觉系统理论实现DCT域快速分形编码

考虑到人眼视觉系统的特点,提出了基于视觉敏感度的DCT域中的均匀块选择标准,该标准优于常用的块方差与信噪比度量．基于此标准,选择出DCT域中的均匀部分,直接将其直流部分编码输出,无需分形匹配,降低了DCT域分形图像压缩的复杂度．为进一步缩短编码时间,在DCT域内引入人眼视觉系统频率响应对图像块与相似块进行分类,在过滤冗余的匹配计算的同时保证了解码图像的视觉效果．实验结果表明,在不影响压缩比的前提下,编码时间大幅度减少,且PSNR有所提高,视觉效果较好．     

基于质心特征和重要敏感区域分类的分形图像压缩算法

图像压缩是数据传输和存储中必不可少的过程,分形图像压缩方法因其压缩方法简单、可任意尺度下重构、解码速度快且压缩比高具有独特优势,但传统分形图像压缩方法存在编码时间过长的缺陷。针对压缩比和恢复效果之间的不平衡问题,在确保图像恢复效果前提下,需要解决编码时间过长的问题。因此,提出了一种基于质心特征和重要敏感区域分类的分形图像压缩算法,通过构造质心特征,将基本分形算法中R块在码本中搜索最小均方误差MSE的问题转换为利用质心特征码本寻找最佳匹配块的问题,简化了块搜索过程,将全局搜索变为局部搜索,同时对重要敏感区域采取全局搜索的方式,以增强恢复图像的视觉效果。实验仿真结果表明,质心特征方法可以有效缩短编码时间,在保证图像恢复效果前提下,本文所提算法相较于基本算法最高可以节省大约64%的编码时间,相较于双交叉和特征方法,可以达到更好的恢复效果。     

IFS分形图像快速压缩编码

自Ｂａｒｎｓｌｅｙ提出分形图像编码的概念,特别是Ｊａｃｑｕｉｎ给出了第一个完全由计算机自动完成的图像编码算法以来,分形图像编码得到了越来越多的关注,但分形图像压缩往往需要较长时间,这就给具体实用带来了巨大困难。本文首先给出分形图像压缩理论,然后在Ｊａｃｑｕｉｎ所提出的分形方块编码基础上提出了改进算法,包括建立小方块被匹配概率活动表,按相似度找到匹配块,隔点计算法等。针对上述改进算法,作了具体实验。实验结果表明,与基本自动分形图像编码方法相比,在保持重建图像质量的前提下,运算时间大大下降,加快了分形图像压缩速度。     

基于四叉树分割的分形图像编码改进方法

目前分形图像压缩存在的最主要问题是编码速度慢。主要原因是搜索最佳匹配的定义域块耗时太多。本文通过分析影响分形图像编码速度的相关因素，对基于四叉树的分形图像编码提出了一种改进方法。通过缩小搜索范围达到提高搜索效率的目的。实验结果表明，该方法在相近的峰值信噪比和压缩比的情况下，编码速度得到了较大的提高。