基于多种群进化的遗传算法

针对单个种群的遗传算法容易陷入局部收敛而出现早熟的情况,提出了一种新的多种群遗传算法,用多线程并行处理的方法实现种群之间同步进化。实验证明,基于多种群的遗传算法能够有效地避免局部收敛问题,通过与简单遗传算法进行比较,所提出的新算法不仅收敛速度快,而且收敛效率高,是一种可行、有效的算法。     

基于两分法的全局最优化方法

结合分形的思想方法将经典的两分法推广到平面上,提出了一种求解非线性优化问题全局最优值的新算法。该方法稳定精确、简单易行,有效地克服了传统方法易于陷入局部最优的弊端。算法的收敛性得到证明,算例表明算法是有效的。     

基于量子粒子群优化的最小属性约简算法

属性约简是粗糙集理论中的一个核心问题,为了有效获取属性最小相对约简,提出一种基于量子粒子群优化算法的粗糙集属性约简算法。该算法通过引入自适应参数使得算法在保证取得的是一个约简的情况下尽可能地减少所包含的属性数目,并期望能够获得理想的约简结果。试验结果证明该算法能有效地进行属性约简,并取得良好的约简结果。     

一种改善EMD端点问题的方法

经验模态分解（EMD）是一种先进的数据处理方法,对脑电信号（EEG）等非线性非平稳信号的处理非常有效。但是其在利用三次样条曲线构造上下包络时,端点附近的包络存在严重的摆动。针对该问题,在镜面延拓算法的基础上,提出了二次延拓算法。根据邻近端点的数据计算出该信号在端点处的拟合函数;利用该拟合函数在左右端点各延拓出一个极值点;采用镜面延拓算法对延拓后的信号进行EMD分解。算法考虑了信号端点处的变化趋势,使得端点处的延拓更加合理,从而使三次样条曲线在端点处不会出现大的摆动。仿真结果表明,该算法能有效地对脑电信号进行分解。     

一种基于PSO的模糊聚类算法

在大量的模糊聚类算法中,模糊C均值聚类算法是应用最为广泛的,然而它存在着一些缺点:对初始值敏感,对噪声数据敏感,容易陷入局部最优。针对以上问题,提出了一种基于粒子群优化的模糊聚类算法,利用粒子群强大的全局寻优能力,这种算法克服了模糊C均值聚类算法的缺点,试验证明,这种算法是一种很有潜力的模糊聚类算法。     

基于混沌扰动和邻域交换的蚁群算法求解车辆路径问题

为求解车辆路径问题,提出一种新的基于混沌扰动和邻域交换的蚁群算法。针对标准蚁群算法存在搜索时间长,容易出现早熟收敛,得到的解不是最优解等缺点,新算法利用混沌的随机性、遍历性及规律性,在算法陷入早熟时,对小部分路径的信息素采用混沌扰动策略进行调整;针对标准蚁群算法的贪心规则随机性缺点,新算法采用邻域交换策略对最优解进行调整。在用于求解不同规模车辆路径问题的仿真结果表明,新算法比标准蚁群算法和遗传算法具有更好的效果。     

一种协调勘探和开采的遗传算法：收敛性及性能分析

提出了一种新的遗传算法结构。在该结构中,每一代的新种群由保留种 群、繁殖种群的随机种群三部分组成,而它们的相对数量则由不同的参数进行控制,这体现了该算法在运行过程中对搜索空间勘探和开采操作的协调和权衡。通过把该算法建模为齐次的有限Markov链,该文证明了该算法具有全局收敛性。对试验数据的分析表明,该算法能够有效协调算法对问题解空间的勘探和开采操作,因而在处理复杂问题时表现出较高的性能。     

一种改进的运动目标标记算法

针对多运动目标跟踪的实时性要求,对运动目标标记的速度要求也越来越高,在区域增长算法和线标记算法的基础上,结合两者的优点,提出一种新的基于链表的二值图像标记算法。该算法对图像进行一次扫描就可以标记出所有的连通区域,而且很好的解决了一般算法在扫描过程中出现的标记冲突的问题。对各种图像都具有很好的效果,而且算法在速度上也有提高。     

层次渐进的三维骨架算法

提出一种新的三维网格模型骨架抽取算法。首先基于多维标度法计算三维网格模型的特征面片,以特征面片为类心对三维网格模型进行聚类分割预处理,然后在模型的各分割块上,以特征面片为种子点、以渐次读取部域带为区域增长方式,层次推进读取该分割块;计算每个层次推进带的中心,顺次连接中心即为各分割块的骨架线;最后将各分割块的骨架连接起来,即为模型的整体骨架。实验结果表明,该算法是正确的和有效的。     

解决图着色问题的一种新禁忌搜索算法

为了解决典型的组合优化问题——图顶点着色问题,结合增强SEQ算法和禁忌搜索算法的优点与缺点,提出一种基于增强SEQ的新禁忌搜索算法(SEQTS)。该算法利用增强SEQ算法较强的构造较优解的能力来为禁忌搜索算法构造多个较优初始解,然后进行多初始解禁忌搜索以找到全局最优解。计算机实验的结果表明该算法(SEQTS)有较好的寻优能力,增强了该算法的有效性。     

求旅行商问题近似解的碰撞算法

提出通过寻找精确解的边获得旅行商问题(TSP)近似解的思想,并以该思想为指导,设计一种新的碰撞算法。对国际通用的TSPLIB中不同城市规模的数据进行测试表明,该算法可以得到与目前已知最优解或相同或相近的结果。该算法不仅可以计算小规模的TSP,而且同样适用较大规模的TSP。     

压入新、旧区段的区域填充扫描线算法

指出压入区段端点的区域填充扫描线算法对一类特殊4-连通区域有可能产生漏填,利用像素间的相关性和区域在扫描线上的连贯性提出了采用“重写区段左端点”的4向填充方法进行改进;通过分析原算法中仍然存在的像素点颜色判读的重复操作,提出了压入新、旧区段的区域填充扫描线算法并给出算法的描述;典型的填充测试证明了本算法的正确性和高效性。     

流不平衡条件下飞机恢复的优化模型与算法研究

为更有效地解决航空公司飞机恢复问题,在经典的资源指派优化模型中放宽飞机流平衡约束,加入合并航班的恢复策略;在贪婪随机自适应算法(GRASP)和模拟退火算法的基础上,提出一种新的启发式算法贪婪随机模拟退火算法,降低了陷入局部最优解的概率,同时通过限定路径对的种类和候选解的数量,提高了算法的时间效率.实例计算结果表明,本文提出的模型和算法能有效处理流不平衡条件下大规模飞机恢复问题,在有效的时间内求得最优解或近似最优解.     

群蚊子追踪算法

为利用高性能计算平台解决大规模复杂性问题,提出群蚊子追踪算法(GMHSA)。GMHSA是受到蚊子吸血行为的启发,以信息动力学为基础而提出的智能优化算法,涉及最大最小公平性及群体交互行为。利用群体分类机制,引入决策权概念,在整个种群中选择领导群体。利用领导力函数进行博弈,保持自身优越性,同时摆脱局部最优解。通过旅行商问题(TSP)对该算法进行测试,与其他智能优化算法进行对比,16节点并行实验中其加速比最高能达到158,接近线性加速比;而且GMHSA模型可直接用于运输问题等实际优化问题。结果表明GMHSA具有高度并行性及扩展性,是一种解决涉及行为的复杂优化问题的有效方法。     

无人机低空突防航迹规划算法研究

结合低空突防中的地形跟随/地形回避/威胁回避( TF/TA2)技术,在分析无人机各种机动性能以及A-Star算法的基础上,提出了一种基于局部空间搜索最优节点的方法,将A-Star算法进行稀疏化处理;设计了更贴近实际的航迹代价计算方法,将算法与数字地形相结合进行仿真计算.仿真结果表明,设计的航迹规划算法兼顾了算法效率、航...     

分工合作的加权蚁群算法*

针对蚁群算法搜索时间长、易于陷入局部最优解的缺点,提出一种新的改进算法——分工合作的加权蚁群算法。此算法采取分工合作的方式,在信息素初始化、状态转移概率中分别加入权值,并运用遗传算法中排序的概念对信息素更新机制进行排序加权,此外对信息素上限加以限制。最后以TSP为例,验证了此改进算法不但在收敛速度上有了大幅度提高,而且有效避免了易于陷入局部最优解的缺点,从而证明了提出的新算法是合理有效的。     

脱机手写汉字中叉点精细化的改进算法

提出了一种新的脱机手写汉字中叉点精细化的改进算法。它主要是在提取了手写汉字骨架之后，用Rutoviz相交数得到特征点。在此基础上进行叉点精细化的算法。该改进算法以最大圆规则为基础，结合实验中发现的问题，增加了新的规则，使叉点结合的错误率几乎为零。从而进一步提高了脱机手写汉字识别的正确率。     

不等长记录的公式索引分组字典排序

本文提出了一种公式索引分组字典排序法,其期望时间复杂性为O(n)。该算法基本上不象传统的排序方法那样进行元素间的比较,主要是用数学公式计算,直接得到排序结果。     

基于CBC算法的瓦斯突出预测模型研究

人工蜂群(ABC)算法易陷入局部极小点,搜索精度不高且算法收敛速度慢。为此,提出一种改进的混沌蜜蜂群(CBC)算法,修改ABC算法的食物源位置更新公式,引入混沌搜索机制进行局部搜索。将CBC算法应用于瓦斯突出预测中,建立神经网络预测模型,实验结果证明了该模型的有效性。     

基于遗传算法的测试用例自动生成及其改进方法

遗传算法是一种通用的自适应搜索算法。它给测试用例自动生成问题带来了新的解决思路。但是传统的遗传算法应用于测试用例自动生成,重组、突变的随机性容易使种群中多样性遭到破坏,使得算法搜索空间减小,从而导致算法错误地收敛到局部最优值。而且盲目的随机重组和突变又使得搜索的效率非常低。本文介绍一种改进方法,引进突变控制策略和优化解控制策略,可有效提高遗传算法的搜索能力和获取最优解的性能。