一种改进的TSP启发交叉算子

旅行商问题（TSP,Traveling Salesman Problem）是一种经典的NP组合优化问题。遗传算法在求解这类组合问题方面明显优于传统算法,同时也提出了许多求解较好路径的交叉算子。在对比分析唐立新提出的两种启发式交叉算法的基础上,提出了一种新的交叉算子。该算子通过判断父代的城市是否相邻来保存有效基因片断,通过加入一个移动的窗口来加快算法收敛。实验结果表明了该算子的有效性。     

结合启发式算子的单变量边缘分布算法求解SAT问题

单变量边缘分布算法(UMDA)是一种新的进化算法,是求解复杂问题的一种有效算法.根据SAT问题的特点,本文提出了一种求解SAT问题的改进单变量边缘分布算法(HeUMDASAT),该算法结合SAT问题本身固有的结构信息与当前群体的优秀解所提供的全局信息,构造了一个新的启发算子,并将此算子结合到单变量边缘分布算法中.此算子不同于随机搜索算子,由其产生的个体可以使得算法跳出局部最优并探索新的潜在区域,并且加快算法的收敛速度.用SATLIB库中的标准SAT问题对HeUMDASAT算法进行测试,实验结果表明该算法在求解速度和成功率方面都有明显的改善.     

求解旅行商问题的一个新的单亲遗传算法

本文提出了求解旅行商问题（TSP）的一个新的单亲遗传算法（PGA）。首先，定义了‘好’基因段的概念，并据此设计了一种新的、有效的基因段换位算子；同时，为提高该算子的搜索能力，结合一个局部搜索技术来改进该算子；然后，在此基础上提出了一个求解旅行商问题的一个新的单亲遗传算法。计算机仿真结果表明，该算法是有效的。     

Jφsang主观信任模型的优化

研究了Jφsang主观信任模型。针对模型不能惩罚恶意行为的问题,提出一种证据数据预处理算法,实验结果表明该算法能使信任随负面证据的增加呈几何级数减少,可以较好地惩罚恶意行为;针对模型传递算子不能自适应系统状态变化的问题,构建了与实体主观性和系统状态有关联的乐观因子,基于该乐观因子提出新的传递算子,理论分析表明新传递算子能够自适应系统状态变化;针对模型聚合算子聚合对立观点鲁棒性差、计算精度低的问题,基于证据数据标准化提出了新的聚合算子,理论和比较分析表明,新的聚合算子能够提高模型的精度和鲁棒性,同时降低计算的复杂性。     

多目标设备经费分配的混合遗传优化方法

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效的方法。     

一种基于近邻策略求TSP问题的改进演化算法

针对贪心演化算法(GEA)在旅行商问题中存在的求解规模小、成功率低的缺点,引入Inver-over倒异算子、贪心算子,改进近邻优化、映射算子、变异算子等策略,提出一种新的改进演化算法来求解中等规模旅行商问题(TSP)。通过仿真实验,验证了该进化算法收敛速度快、求解成功率高的优点,稳定性也更好。     

多目标设备经费分配的混合遗传优化方法

为了探索新的经费分配方法和管理模式，建立了一种新的多目标非线性规划优化模型。提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验，得到的种群个体明显优于基本遗传算法的个体。仿真结果表明，该算法收敛寻优能力强，并能产生很多次优解，是一种高效的方法。     

一种求解TSP问题的演化算法

针对IGT算法在求解旅行商问题(TSP)中存在的求解规模较小、求解成功概率较低等问题,通过改进原有映射算子及Inver-over算子并引入求异算子,提出一种新的求解TSP问题的演化算法。方差对比及T-test结果表明,与IGT算法相比,该算法可以求得概率较高的最优解,且稳定性也更好。     

一种改进的非支配排序多目标遗传算法

多目标进化算法的研究目标是使算法快速收敛,并且广泛而均匀分布于问题的非劣最优域。在NSGA-Ⅱ算法的基础上,提出了一种新的变异算子。该算子具有良好的局部搜索能力,提高了算法的效率。改进后的算法与原算法相比较,结果表明新算法较好地改善了分布性和收敛性。     

基于谷算子的人眼特征点检测方法*

考虑带姿势旋转的人脸的特征点检测问题,提出了一种基于谷算子得到眼睛的候选区域,用Gabor滤波和方差投影构造模糊模板检测出眼睛的位置,并利用二值图像数学形态学与投影的方法得到有姿势旋转的人脸特征点检测的算法。该算法利用软数学形态学构造了一种新的谷算子,用一种新的局域区域取二值化的方法对图像进行二值分割,提出了通过谷算子运算得到人脸谷极点的方法,减少了一些不稳定点的影响。实验表明,该算法具有很高的精度和很强的鲁棒性。     

遗传算法及应用的研究

遗传算法是建立在自然选择和遗传学机理基础上的一种启发式算法，具有很强的全局优化能力。文章通过对遗传算法的描述，介绍了编码方案、个体评价指标、遗传算子等，并概述了它的应用领域。     

一种求解函数优化问题的单亲遗传算法

1 引言求解函数优化问题,特别是多峰函数的优化问题,由于传统的遗传算法将杂交算子作为主要算子,在选择压力的作用下,群体的多样性在进化过程中存在逐步降低的现象,最后以致趋同,进而过早收敛。文[1]也指出“杂交算子在搜索过程中存在着严重的成熟化效应,它在起搜索作用的同时,不可避免地使群体的多样性趋于0,从而逐渐减小自己的搜索范围,引起过早收敛”。     

基于Haar小波的图像变换方法的研究

系统地介绍了基于快速滤波器组卷积算法的第一代小波和基于提升方案的第二代小波。通过对图像先行后列分离,结合惰性滤波器进行奇偶分割,由欧几里得算法求出预测算子和更新算子,实现了由此提升方案构造的Haar小波1级图像分解。实验结果表明提升方案构造的Haar小波实现起来相当容易,简化了很多复杂的计算过程,其本身的诸多特点更便于在实际中应用,且在变换后的效果上,与第一代基本无差异。     

一种求解TSP问题的单亲遗传算法

1 前言 TSP问题可描述为:给定一个城市的集合,寻找一条从集合中的某个城市出发,访问每个城市一次且仅一次,最后回到出发点的最短路径。这已被证明是一个NP难解问题。求解TSP问题,遗传算法通常采用序号编码和非序号编码两种解表达方式。其中序号编码相对简单直接,其代表性的有“邻接表达”、“普通表达”和“路径表达”等几种编码方式,后者是最自然的表达方式。序号编码方式的杂交算子难于设计,杂交后解的合法性是需着重考虑的问题。虽然目前已提出了一些基于路径表达的杂交算子,如PMX、OX和CX,但普遍计算额外开销很大,而且杂交算子的使用对群体的多样性存在很大影响,容易使算法过早收敛。     

多源遥感图像融合的数据同化算法

为解决现有融合方法不能根据遥感图像的后续处理要求对融合规则进行自适应调整的问题, 本文结合模型算子和观测算子的优点构建数据同化系统, 提出了基于数据同化和遗传粒子群方法的遥感图像融合算法. 该算法将平移不变性小波变换作为模型算子, 将对比度金字塔作为观测算子. 由后续处理对图像属性指标的依赖程度确定属性指标的权重, 用评价指标的加权和构造目标函数, 并用遗传粒子群算法优化目标函数, 从而获取高清晰度的遥感图像. 本文通过遥感全色图像与多光谱图像、红外图像与可见光图像的融合证明了算法的优越性.     

改进的多尺度图谱和局部谱的目标提取算法

当目标对象与背景的纹理较多或两者纹理较接近时,基于多尺度图谱和局部谱的目标提取算法不能很好地提取目标,主要由于在计算相似度度量时,金字塔多尺度图谱算法特征选取较简单。针对算法不足,提出基于改进的金字塔多尺度图谱和局部谱相结合的目标提取算法,主要通过改进多尺度图谱中干涉轮廓权重构造方法,原算法中是基于拉普拉斯边缘图和梯度图,改进后是基于多尺度边缘概率检测算子和方向分水岭算法产生的边缘强度图。多尺度边缘概率检测算子可以有效地解决纹理较复杂图像分割不佳问题,方向分水岭算法可以有效解决由于目标和背景部分边界信息较接近导致的分割不佳问题。实验结果表明改进算法有效地弥补了原算法的不足,并且具有良好的目标提取效果。     

图像关联规则挖掘研究*

介绍了图像关联规则的相关概念,描述了传统的双种群遗传算法的执行过程;针对采用固定染色体交叉概率和染色体变异概率容易出现早熟、收敛速度较慢等问题,设计出了能自适应调整的染色体交叉算子和变异算子。最后将改进后的双种群遗传算法成功地运用到Landsat卫星遥感图像,实现了图像关联规则的提取,为退耕还林决策提供了有力的依据。     

Microgenetic algorithms as generalized hill-climbing operators forGA optimization

We investigate the potential of a microgenetic algorithm (MGA) as a generalized hill-climbing operator. Combining a standard GA with the suggested MGA operator leads to a hybrid genetic scheme GA-MGA, with enhanced searching qualities. The main GA performs global search while the MGA explores a neighborhood of the current solution provided by the main GA, looking for better solutions. The MGA operator performs genetic local search. The major advantage of MGA is its ability to identify and follow narrow ridges of arbitrary direction leading to the global optimum. The proposed GA-MGA scheme is tested against 13 different schemes, including a simple GA and GAs with different hill-climbing operators. Experiments are conducted on a test set including eight constrained optimization problems with continuous variables. Extensive simulation results demonstrate the efficiency of the proposed GA-MGA scheme. For the same number of fitness evaluations, GA-MGA exhibited a significantly better performance in terms of solution accuracy, feasibility percentage of the attained solutions, and robustness     

一种在医学图像中挖掘非对称区域的方法

介绍了一种在包含复杂结构的医学图像中利用近似对称性，通过消除对称区域，有效挖掘出非对称区域的算法。首先使用基于对称度的刚性配准算法对三维灰度医学图像进行自我镜像对齐，然后对配准后的图像使用改进的自适应溶蚀算子以消除那些近似对称的区域，多精度迭代上述两个步骤以获得最终的非对称区域。在人类头部CT的胆脂瘤检测实验中，该算法显示出良好的挖掘效果，检测成功率达到80%。     

一种求解高维复杂优化问题的动态自适应和声搜索算法

为了更好地提高求解高维复杂优化问题的能力,提出一种动态自适应和声搜索(DSHS)算法。该算法采用正交试验来设计算法的初始化和声记忆库;利用多维动态自适应调整算子和单维和声微调算子相结合的策略进行和声创作;改进和声音调调解步长,从而增强算法的扰动能力,避免其陷入局部搜索。通过6个标准Benchmark函数测试表明,该算法在全局搜索能力、收敛速度和稳定性方面都有明显提高。