高效秩-μ更新自动协方差矩阵自适应演化策略

自动协方差矩阵自适应演化策略(active-CMA-ES)使用不成功的突变信息使计算协方差矩阵秩-μ更新的时间增加。cholesky因子更新协方差矩阵可有效减少计算时间,但目前只实现协方差矩阵cholesky因子秩-1更新。针对该问题,实现了协方差矩阵cholesky因子秩-μ更新。结合高效秩-1更新应用于active-CMA-ES形成chol-active-CMA-ES。在一组基准测试函数中比较算法与其他CMA-ES变体的性能。实验结果表明,该算法在大部分测试函数中优于其他CMA-ES变体。协方差矩阵更新的时间比active-CMA-ES快约2.5倍至8.7倍。     

基于流形的微粒群优化

起源于群体智能的微粒群优化技术已经得到广泛的应用.一般情况下,我们假定微粒处于均匀分布的线性空间内.流形是几何学中的概念,概括地说,它是一个非线性空间.提出了一种基于流形即非线性空间上的微粒群优化框架MPSO,它用于非线性、非均匀数据分布,并对其进行了收敛性分析和算法性能评估.     

黑盒测试技术综合策略的探讨

黑盒测试技术在各类软件测试和各测试阶段中都有广泛的应用,它是软件测试技术中最基本的方法之一。黑盒测试用例的设计方法有多种,在实际测试中,往往是综合使用各种方法才能有效地提高测试效率。本文主要针对黑盒测试用例设计方法和综合策略进行探讨。     

基于云推理的协方差矩阵自适应进化策略算法

针对协方差矩阵自适应进化策略(CMA-ES)在求解某些问题时存在早熟收敛、精度不高等缺点,通过利用云模型良好的不确定性问题处理能力对CMA-ES的步长控制过程进行改进,得到一种基于云推理的改进CMA-ES算法。该算法通过建立步长控制的云推理模型,采用云模型的不确定性推理来实现步长的控制,避免了原算法采用确定的函数映射进行步长伸缩变化而忽视进化过程中不确定性的不足。最后通过测试函数验证了改进算法具有较高的寻优性能。     

黑盒测试方法和综合策略的研究

黑盒测试技术作为传统的软件测试技术已经得到了广泛的应用。多种黑盒测试用例的设计方法也应运而生,实际应用中各种方法的取舍成为一个测试用例设计人员的难题。经过对现有成熟而常用的方法的研究,给出了各个测试方法的优缺点,并结合实际工作经验提出了制定测试用例的综合策略。     

集成协方差矩阵自适应进化策略与差分进化的优化算法

不同智能优化算法在求解优化问题时通常表现出显著的性能差异.差分进化(DE)算法具备较好的全局搜索能力,但存在收敛慢、效率低的不足,协方差矩阵自适应进化策略(CMA–ES)局部搜索能力强,具备旋转不变性,但容易陷入局部最优,因此, DE和CMA–ES之间具有潜在的协同互补能力.针对上述问题,提出了一种集成协方差矩阵自适应进化策略与差分进化的优化算法(CMADE).在CMADE框架中, DE算法负责全局搜索, CMA–ES算法进行局部搜索.通过周期性解交换机制实现CMA–ES和DE两个算法间协同交互和反馈控制.在解交换时,从DE种群中选择优秀个体,利用CMA–ES算法在优秀个体周围进行局部搜索.同时在DE和CMA–ES的混合种群中,综合考虑解的多样性和最优性,选取一定比例的解作为DE算法的新种群进行全局搜索,实现全局搜索与局部搜索的动态平衡.将CMADE算法与CMA–ES, DE, SaDE, jDE, EPSDE, ACODE和SHADE算法在CEC2014标准测试集上进行比较实验.结果表明, CMADE整体性能显著优于其它比较算法.     

基于概率分布的动态矩阵演化算法

传统演化算法通常以宏观层面的种群之间或个体之间的相互作用来进行协同演化,较少考虑个体基因编码在微观层面进行局部优化时的相互作用。针对该情况,提出基于种群基因分布结构的动态矩阵演化算法。利用二进制基因矩阵的方式构建种群个体,结合基因编码差异及适应度评价种群个体,通过对比种群基因列决定个体基因结构调整的位置,并根据优势种群的基因结构产生下一代个体,通过微观层面上基因位之间的协同作用引导种群的演化。实验结果表明,该算法对于中、高维函数均表现出良好的优化性能,同时能较好地平衡宏观全局优化和微观局部优化之间的关系。     

基于混合演化策略算法的多场桥调度优化

针对集装箱堆场多场桥调度问题,构建调度模型,提出一种混合演化策略算法。采用基于实数的四维个体编码方法,设计了基于三点交叉互换的重组算子以及基于两点互换的变异算子,并采用三种不同的局部搜索策略来优化算法的性能。通过算例分析证明混合演化策略算法在优化多场桥调度问题时的有效性。在三种不同的局部搜索策略中,基于互换操作的局部搜索策略要优于其他两种,能明显改善演化策略算法的优化性能。最后,通过一组对比试验对局部搜索的次数进行了分析。     

基于推广流形学习的高分辨遥感影像目标分类

针对传统的流形学习算法不能对位于黎曼流形上的协方差描述子进行有效降维这一问题,本文提出一种推广的流形学习算法,即基于Log-Euclidean黎曼核的自适应半监督正交局部保持投影（Log-Euclidean Riemannian kernel-based adaptive semi-supervised orthogonal locality preserving projection,LRK-ASOLPP）,并将其成功用于高分辨率遥感影像目标分类问题.首先,提取图像每个像素点处的几何结构特征,计算图像特征的协方差描述子;其次,通过采用Log-Euclidean黎曼核将协方差描述子投影到再生核Hilbert空间;然后,基于流形学习理论,建立黎曼流形上半监督正交局部保持投影算法模型,利用交替迭代更新算法对目标函数进行优化求解,同时获得相似性权矩阵和低维投影矩阵;最后,利用求得的低维投影矩阵计算测试样本的低维投影,并用K—近邻、支持向量机（Support victor machine,SVM）等分类器对其进行分类.三个高分辨率遥感影像数据集上的实验结果说明了该算法的有效性与可行性.     

求解全局优化问题的正交协方差矩阵自适应进化策略算法

针对协方差矩阵自适应进化策略(CMAES)求解高维多模态函数时存在早熟收敛及求解精度不高的缺陷, 提出一种融合量化正交设计(OD/Q)思想的正交CMAES算法。首先利用小种群的CMAES进行快速搜索, 当算法陷入局部极值时, 依据当前最好解的位置动态选取基向量, 接着利用OD/Q构造的试验向量探测包括极值附近区域在内的整个搜索空间, 从而引导算法跳出局部最优。通过对6个高维多模态标准函数进行测试并与其他算法相比较, 其结果表明, 正交CMAES算法具有更好的搜索精度、收敛速度和全局寻优性能。     

基于进化策略有频率禁区的结构优化设计方法

有频率禁区的桁架结构优化设计是在结构保证静态强度的前提下,通过调整构件的截面或节点坐标来改变结构的动力特性,从而避开激振频率带宽。自适应协方差矩阵进化策略（CMA-ES）算法是一种寻优效率高、鲁棒性好的全局优化算法,对处理复杂的非线性多维度的优化问题有很好的适应性。在考虑工艺可行性的基础上,结合有限元分析软件,提出了基于CMA-ES算法的有频率禁区的桁架结构优化设计方法。算例研究表明,该方法是可行的,与传统优化方法、粒子群优化方法相比较,具有全局寻优性能好、效率高的优点。     

一种基于进化策略和注意力机制的黑盒对抗攻击算法

深度神经网络在许多计算机视觉任务中都取得了优异的结果,并在不同领域中得到了广泛应用.然而研究发现,在面临对抗样本攻击时,深度神经网络表现得较为脆弱,严重威胁着各类系统的安全性.在现有的对抗样本攻击中,由于黑盒攻击具有模型不可知性质和查询限制等约束,更接近实际的攻击场景.但现有的黑盒攻击方法存在攻击效率较低与隐蔽性弱的缺陷,因此提出了一种基于进化策略的黑盒对抗攻击方法.该方法充分考虑了攻击过程中梯度更新方向的分布关系,自适应学习较优的搜索路径,提升攻击的效率.在成功攻击的基础上,结合注意力机制,基于类间激活热力图将扰动向量分组和压缩优化,减少在黑盒攻击过程中积累的冗余扰动,增强优化后的对抗样本的不可感知性.通过与其他4种最新的黑盒对抗攻击方法（AutoZOOM、QL-attack、FD-attak、D-based attack）在7种深度神经网络上进行对比,验证了该方法的有效性与鲁棒性.     

基于协方差矩阵自适应进化策略的机器人手眼标定算法

针对视觉传感器标定和机器人运动学求解过程中存在噪声干扰,导致传统的手眼标定算法求解误差较大的问题,提出一种基于协方差矩阵自适应进化策略（CMAES）的机器人手眼标定算法。首先,采用对偶四元数（DQ）对旋转和平移分别建立目标函数和几何约束,简化求解模型;其次,采用惩罚函数法将约束问题转化成无约束优化问题;最后,使用CMAES算法逼近手眼标定旋转和平移方程的全局最优解。搭建机器人、相机实测实验平台,将所提算法与Tsai两步法、非线性优化算法INRIA、DQ算法进行对比。实验结果表明：所提算法在旋转和平移上的求解误差和方差均小于传统算法;与Tsai算法相比,所提算法的旋转精度提升了4.58%,平移精度提升了10.54%。可见在存在噪声干扰的实际手眼标定过程中,所提算法具有更好的求解精度与稳定性。     

无传感器PMSM中基于IGSO优化EKF的速度估计方法

为了提高无传感器永磁同步电机(PMSM)控制系统中速度控制性能,提出一种基于改进群搜索优化(IGSO)算法的扩展卡尔曼滤波(EKF)速度估计方案。首先,分析了PMSM磁场定向控制(FOC)系统模型;然后,将电机的d-q轴电压、电流和转子速度作为状态变量,构建EKF中的状态方程来估计转速和负载。同时,为了提高EKF的估计性能,以估计值与实际值的平方误差积分(ISE)作为适应度函数,通过IGSO算法来优化EKF中的噪声协方差矩阵Q和R,以此获得最优参数。仿真结果表明,提出的控制系统能够精确估计出电机转速并进行有效控制。     

采用捕鱼策略的优化方法

引入一种采用渔夫捕鱼策略的新的优化方法。该优化方法主要采用移动搜索、收缩搜索和加速搜索三种搜索技术。设初始时在搜索域中随机分布有若干个点,每个点看作一个“渔夫”,每个“渔夫”通过移动、收缩和加速三种搜索方式在搜索空间中独立开展寻优活动,以搜寻全局的最优解或最优点。测试结果表明,该算法具有较好的全局搜索能力,因而该优化方法是有效的和可行的。     

基于流形正则化的非光滑非负矩阵分解

经典的非光滑非负矩阵分解方法只能发现数据中的全局统计信息,对于非线性分布数据无能为力,而流形学习方法在探索高维非线性数据集真实几何结构方面具有明显优势。鉴于此,基于流形正则化思想,提出了一种新颖的基于流形正则化的非光滑非负矩阵分解方法。该方法不仅考虑了数据的几何结构,而且对编码系数矩阵和基矩阵同时进行稀疏约束,并将它们整合于单个目标函数中。构造了一个有效的乘积更新算法,并在理论上证明了算法的收敛性。标准数据集上的实验表明了MRnsNMF的有效性。     

基于演化博弈的拟态防御策略优化

网络空间拟态防御是近些年出现的一种主动防御理论,以异构冗余和动态反馈机制不断调整执行环境来抵抗攻击。然而,面对黑客的多样化攻击手段,仅凭借拟态防御抵抗攻击是不安全的。为了增强系统的安全防御能力,本文在目前已有的防御系统基础上提出更为合理的防御选取方法。将有限理性的演化博弈引入到拟态防御中,构建了由攻击者、防御者和合法用户组成的三方演化博弈模型,并提出了最优防御策略求解方法。该博弈模型利用复制动态方程得到了演化稳定策略。仿真实验结果表明,系统通过执行推理的演化稳定策略可以降低损失,遏制攻击方的攻击行为,对拟态防御系统中防御策略选取和安全性增强具有一定的借鉴意义。     

基于信息增量矩阵的故障诊断方法

主元分析(Principal component analysis, PCA)是一种常用的故障检测方法,由于特征提取不准确, 在用于故障诊断时常存在误报率和漏报率较高的现象.为此,本文首先介绍了基于全局的协方差矩阵的信息增量矩阵的故障诊断方法,虽然相比PCA方法它能有效减少误报率和漏报率, 但随着采样样本的增加,会因计算得到的阈值越来越不具代表性和计算量较大等原因而影响该方法的性能.然后,建立了基于局部数据的移动窗口协方差矩阵的信息增量矩阵的故障诊断方法, 以克服上述方法中存在的不足. 该方法主要通过定义局部协方差矩阵、局部信息增量矩阵、局部信息增量均值、 局部动态阈值、异常检测与判定等过程完成.最后,通过两个数值仿真例子来验证PCA方法、 基于全局的协方差矩阵的信息增量矩阵方法以及本文方法在故障误报和漏报方面的检测效能. 实验结果表明,本文方法具有最好的检测性能.     

基于改进协方差矩阵的半色调图像分类研究

针对半色调图像分类中只存在0和1的特点,提出了一种基于改进的协方差矩阵在半色调图像中的分类方法。根据协方差矩阵在实现半色调图像分类中个数少且并未体现其局部和全局信息的特性,对协方差矩阵的底层特征进行改进。利用样本的局部特性和核密度估计方法,实现黎曼流形上的贝叶斯分类策略。实验中研究协方差矩阵的底层特征与传统协方差矩阵的特征提取方法并对其进行分类性能比较。实验结果表明,在半色调图像分类中,与传统的协方差矩阵相比较,改进的协方差矩阵提取出的特征在分类中平均错误分类率更低。     

采用加权协方差矩阵描述子的OCR识别方法

传统光学字符识别（Optical Character Recognition,OCR）方法一般只提取图像亮度特征,在图像退化较严重时识别准确率不高。针对这一问题,提出一种新的扫描字符特征提取方法。除各通道亮度外,还提取像素位置、亮度的一阶导、二阶导等特征构成特征图像,并根据各个特征对图像的贡献程度进行加权处理。计算以当前像素为中心的局部区域特征图像块的协方差矩阵作为当前像素的描述子,然后在黎曼空间对字符实施分类。实验结果表明,采用典型的结构化分类器时,该特征提取方法对字符识别的准确率高于传统方法,表现出较强的鲁棒性。