改进CGA在3D动漫造型设计中的应用

为自动生成新颖多样的3D动漫造型,提出一种改进的元胞遗传算法(CGA)。使用ACIS规则表达式对已有的3D动漫造型在3个方向上实施非均匀缩放变形,采用树结构编码生成长度和内容变化较大的规则表达式,通过人机交互的方式,利用专家知识确定个体适应度值。基于3D动漫造型创新系统ECTDS的实验结果表明,该算法可以生成一系列生动的创新造型。     

支持协同设计的3D动漫造型进化计算方法

为了自动生成创意新颖的3D动漫造型,提出一种基于C/S模式的交互式遗传算法HA IGA.在HA IGA中引入HSF协同技术和AC IS规则,利用三棵二叉树表示AC IS规则表达式,分别用于在x轴、y轴和z轴三个方向上对3D实体进行非均匀缩放;通过对二叉树实施选择、交叉、变异和精英保留操作进化产生新的规则表达式,从而进化生成新的3D动漫造型.实验结果表明,本文提出的方法能够有效支持协同设计,并进化生成一系列创意新颖的3D动漫造型.     

用C语言实现造型表功能

早期使用过GWBASIC语言的人都知道造型表这个概念,通过它我们可对自定义的任意造型进行诸如缩放、旋转等各种特技显示,使设计出的界面更生动、友好。 造型表的实现方法是:预先定义好一些代码,其含义分别为往不同的方向移动画笔,并区分开落笔和抬笔的码。通过不同的代码描述,从而将造型在屏幕上勾画出来。对某造型,我们按定义将其编好码,然后给出缩放比     

用C语言实现造型表功能

早期使用过GWBASIC语言的人都知道造型表这个概念,通过它我们可对自定义的任意造型进行诸如缩放、旋转等各种特技显示,使设计出的界面更生动、友好。 造型表的实现方法是:预先定义好一些代码,其含义分别为往不同的方向移动画笔,并区分开落笔和抬笔的码。通过不同的代码描述,从而将造型在屏幕上勾画出来。对某造     

二维手绘草图的非均匀α-B插值样条曲线表示的方法研究*

根据非均匀α-B插值样条曲线的一般形式,结合非均匀α-B插值样条曲线的形状调配方法,产生了一种新方法来解决二维手绘草图的表示问题。在二维草图中,研究了基于非均匀αB插值样条曲线的草图表示、草图生成、草图修改以及草图缩放的算法。这种表示方法模型统一,生成插值点的算法简单,适合分布式网络环境下的实时协作。表示后的草图缩放具有向量图缩放的优点,设计人员可以在缩放后的草图上进行形状调配。     

基于启发式搜索的浮点表达式设计空间探索方法

为了提高浮点表达式设计空间的探索效率，提出一种基于启发搜索的浮点表达式设计空间探索方法。在每次迭代过程中首先对非支配表达式的设计空间进行探索，同时将非支配表达式和可支配表达式分别添加到非支配列表和可支配列表中。当迭代完成后对可支配列表中的表达式进行探索，从中选择非支配的表达式，并对其邻域进行探索。将新的非支配表达式添加到非支配列表中，有效提高了非支配表达式的多样性和随机性。最后再次对非支配列表进行探索，得到最终的等价表达式，并进一步提高最优表达式的性能。与现有的浮点表达式设计空间的探索方法相比较，所提出的方法使计算精度提高了2%~9%，并减少了5%~19%的计算时间和4%~7%的资源消耗。实验结果表明，该方法可有效提高空间探索效率。     

有向图基因表达式程序的电路演化模型

为提高组合逻辑电路的进化速率和成功率,在基因表达式的基础上,结合图形结构提出了有向图基因表达式(GGEP)模型.其中基因表达式包含符号和连接两部分,通过基因显示型映射得到的连接非循环有向图可以很好地描述进化电路,最大正确输出且逻辑门数最少的电路为最优电路;提出了中立变异算法,使变异发生在基因表达式的非编码区域,产生电路进化的中立效果,并分析了该算法的复杂度,测试了中立对电路演化的影响.电路实验结果证明:GGEP模型比其他方法成功率高,演化速率快4～20倍;中立存在的GGEP模型的收敛速率和成功率都要比非中立变异的演化模型高出近一倍.     

基于启发式搜索的浮点表达式设计空间探索方法

为了提高浮点表达式设计空间的探索效率,提出一种基于启发搜索的浮点表达式设计空间探索方法。在每次迭代过程中首先对非支配表达式的设计空间进行探索,同时将非支配表达式和可支配表达式分别添加到非支配列表和可支配列表中。当迭代完成后对可支配列表中的表达式进行探索,从中选择非支配的表达式,并对其邻域进行探索。将新的非支配表达式添加到非支配列表中,有效提高了非支配表达式的多样性和随机性。最后再次对非支配列表进行探索,得到最终的等价表达式,并进一步提高最优表达式的性能。与现有的浮点表达式设计空间的探索方法相比较,所提出的方法使计算精度提高了2%~9%,并减少了5%~19%的计算时间和4%~7%的资源消耗。实验结果表明,该方法可有效提高空间探索效率。     

支持进化的计算机辅助设计环境

介绍一个支持进化的计算机辅助设计环境。多Agent系统的结构为设计人员在该环境下的协作及资源共享提供了支撑框架，基于树结构的遗传算法为拓宽设计人员的思维空间提供了一种工具。文中用一个手机设计实例描述了该环境中进化设计的过程。该实例用基于数学表达式二叉树的遗传算法及数学软件工具MATLAB生成形状草图，用基于特征的设计产品树产生可选的部件组合。由于进化过程由设计人员引导，因此可以较快地实现令人满意的结果。     

求解JSP的改进差分进化算法

针对作业车间调度问题,提出一种改进的差分进化算法。该算法设计一种新的实数次序号编码方法,将加工机器实数化,该编码通用性好,能适应于不同情况下的作业车间调度问题;在此基础上,改进变异算子,使得在进化过程中,不会产生无效解,进而提高算法的运行速度;算法还改进了缩放因子,提高种群的多样性。对12个通用的典型实例计算表明,该算法是可行有效的。     

交互式遗传算法在分形艺术设计中的应用

为提高分形艺术图案的设计效率,提出一种基于交互式遗传算法的分形图案生成方法。该方法采用二叉树结构表示分形图案的迭代函数,并对树型结构表示的迭代函数进行交叉、变异、选择等操作,产生新的后代。同时,又以用户共识满意度作为适应度函数,优化评价机制,达到减小主观评价误差的目的。为更快、更好地满足用户提出的个性化设计要求提供了帮助。从应用层次验证了该算法的可行性和实用性。     

遗传算法优化延迟时间和嵌入维的网络流量预测

为了提高网络流量的预测精度,利用延迟时间（τ）和嵌入维（m）间的联系,提出一种遗传算法优化τ、m的网络流量预测模型（GA-PSR）。将τ和m作为遗传算法的个体,以网络流量预测精度作为目标函数,通过选择、交叉、变异等操作找到最优τ和m值,重构网络流量序列,采用BP网络对网络流量建立单步、多步预测模型。仿真实验结果表明,相对于对比模型,GA-PSR提高了网络流量的预测精度。     

自动化集装箱码头AGV配置与调度耦合问题研究

针对自动导引小车（Automated Guided Vehicle，AGV）数量偏多导致的自动化码头水平运输区域拥堵的情况，采用多学科变量耦合优化设计的方法对自动化码头AGV调度与AGV配置问题进行研究。先以最小化岸边等待时间为目标建立AGV调度模型，再以最小化AGV数量为目标建立AGV配置模型。并将完工时刻和AGV数量作为公用设计变量连接两个模型，建立了协调调度耦合模型。设计算例，利用遗传算法（Genetic Algorithm，GA）收敛速度快的特点对该耦合模型进行求解，经反复迭代计算后得出最优AGV数量与AGV调度方案。最后，扩大算例规模，设计9组实验，比较了GA、粒子群算法（Particle Swarm Optimization，PSO）和蚁群算法（Ant Colony Optimization，ACO）的求解结果，结果表明随着算例规模的增大，GA的求解能力更为突出，从而验证了设计的算法的可行性。     

贷款组合优化决策问题研究

针对贷款组合优化决策模型的求解问题,提出了用于求解该问题的知识进化算法,阐明了算法的具体实现过程,采用VB语言编写了相应的仿真实验程序。通过多次的仿真实验结果比较,表明了算法在计算时间、稳定性和寻优能力上的有效性。     

群体智能算法在图像分割中的应用综述

图像分割的通用方法一直是图像处理领域中的热点和难点。随着人工智能的兴起和发展,群体智能算法成为当下热点研究的方向,将图像分割技术结合群体智能算法成为一种新型有效的改进方法。群智能算法通过模拟自然界的事物或生物的行动规律,将传统的人工智能和群体生物结合,在解空间中搜索最优解,为解决复杂问题提供了新的解决思路。阐述群体智能算法的研究现状和发展过程,将早期的蚁群算法（Ant Colony Optimization,ACO）、经典的粒子群算法（Particle Swarm Optimization Algorithm,PSO）以及较新的麻雀搜索算法（Sparrow Search Algorithm,SSA）为例详细介绍其算法原理方法,并简要表述蝙蝠算法（Bat Algorithm,BA）、鲸鱼优化算法（Whale Optimization Algorithm,WOA）、人工蜂群算法（Artificial Bee Colony Algorithm,ABC）、萤火虫算法（Firefly Algorithm,FA）、布谷鸟搜索法（Cuckoo Search,CS）、细菌觅食算法（Bacterial Foraging Optimization,BFO）和最新的蜉蝣算法（Mayfly Algorithm,MA）的原理,在此基础上,结合国内外文献对上述算法的改进方法和结合图像分割技术的综合改进及应用进行分析总结。将群体智能算法结合图像分割技术的代表性算法提取出来进行列表分析总结,随后概述总结群体智能算法的统一框架、共同特性、不同的差异并提出存在的问题,最后对未来趋势做出展望。     

求解考试时间安排问题的离散蛙跳算法

针对考试时间安排问题,提出了一种离散化蛙跳求解算法,并结合简化邻域搜索算法给出了两种改进策略。该算法借助蛙跳算法优化机理,采用基于时间序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型。仿真实验表明了所提算法及策略的有效性。     

基于聚类的NSGA-II算法

采用精英策略的非支配排序遗传算法（NSGA-II）种群收敛分布不均匀,全局搜索能力较弱。针对该问题,基于现有的算法,提出一种基于聚类学习机制的多目标进化算法KMCNSGA—II。利用K均值聚类对目标函数和个体分别进行聚类,对聚类后的个体进行局部学习,以提高适应度。将该算法应用于经典的多目标约束和非约束测试函数中,通过收敛性指标世代距离和多样性指标△进行性能评价。实验结果表明,与NSGA—II算法相比,该算法在算法收敛性和种群多样性保持方面均有明显提高。     

基于自适应小生境遗传算法的船型优化

自适应小生境遗传算法能够克服基本小生境遗传算法操作复杂和计算费时的缺陷,同时具有保持种群的稳定性,获取合适的子种群规模,从而更快地获得最优解的特点。为快速获得阻力性能优良的船型,以势流兴波阻力理论Rankine源法为基础,采用自适应小生境遗传算法并结合CAD技术进行船型优化设计。S60船型的优化算例结果表明,采用自适应小生境遗传算法进行船型优化具有可行性。     

基于正交自适应鲸鱼优化的云计算任务调度

针对任务调度中存在的任务完成时间长、系统执行任务成本高且系统负载不均衡等问题,提出了一种基于正交自适应鲸鱼优化算法（OAWOA）的云计算任务调度方法。首先,将正交试验设计（OED）应用于种群初始化和全局搜索阶段,以提升和维持种群的多样性,避免算法过早陷入局部收敛状态;然后,利用自适应指数递减因子和双向搜索机制,来进一步加强算法的全局搜索能力;最后,对适应度函数进行优化,从而使算法实现多目标优化。通过仿真实验将所提的算法与鲸鱼优化算法（WOA）、粒子群优化（PSO）算法、蝙蝠算法（BA）以及其他两种改进的WOA进行比较。实验结果表明,在任务规模为50和500时所提算法都取得了更好的收敛效果,并且得到的系统执行任务的总时间和总成本均低于其他几种算法,同时负载均衡度仅低于BA。可见,所提算法在降低系统执行任务的总时间和总成本以及提高系统负载均衡方面均表现出了显著的优势。     

基于边界点检测的变密度聚类算法

密度聚类算法因具有对噪声鲁棒、能够发现任意形状的类等优点,得到了广泛的应用。然而,在实际应用中,这种算法面临着由于数据集中不同类的密度分布不均,且类与类之间的边界难以区分等导致聚类效果较差的问题。为解决以上问题,提出一种基于边界点检测的变密度聚类算法（VDCBD）。首先,基于给出的相对密度度量方法识别变密度类之间的边界点,以此增强相邻类的可分性;其次,对非边界区域的点进行聚类以找到数据集的核心类结构;接着,依据高密度近邻分配原则将检测到的边界点分配到相应的核心类结构中;最后,基于类结构信息识别数据集中的噪声点。在人造数据集和UCI数据集上与K-means、基于密度的噪声应用空间聚类（DBSCAN）算法、密度峰值聚类算法（DPCA）、有效识别密度主干的聚类（CLUB）算法、边界剥离聚类（BP）算法进行了比较分析。实验结果表明,所提算法可以有效解决类分布密度不均、边界难以区分的问题,并在调整兰德指数（ARI）、标准化互信息（NMI）、F度量（FM）、准确度（ACC）评价指标上优于已有算法;在运行效率分析中,当数据规模较大时,VDCBD运行效率高于DPCA、CLUB和BP算法。