基于遗传算法的骨骼结构模型概念创新设计

讨论了一种计算机辅助概念设计的新思路,分析骨骼结构理论参数控制,增加了弧度作为控制参数并对实体进行分析。采用遗传算法对骨骼结构的参数进行优化。通过对遗传计算中父代编码的筛选,提高了遗传算法结果的质量。实验基于Visual C++平台,利用ACIS-HOOPS类库为基础,以吊灯造型的概念设计为例,按照提取骨骼结构、建模、遗传变异、产生概念设计结果等步骤,能产生大量整体协调、造型优美的吊灯造型供用户选择。     

DNA计算在产品创新设计中的应用

将DNA计算应用于产品创新设计的建模过程中。建立经验产品模型库,对产品的功能、结构、外观等因素进行DNA编码。针对用户需求,对目标产品进行编码,利用DNA计算实现联想记忆,构建计算模型。采用进化技术对建立的模型进行杂交、变异、布尔运算等创新操作,产生各种创新产品。通过一个桌子创新设计实例验证该方法的可行性和实用性。     

人工免疫系统研究

本文首先简单解释了人工免疫的定义;其次对常见的免疫算法的机理和结构进行总结;接着分析了人工免疫系统的应用情况,最后指出人工免疫系统的以后的研究方向。     

基于渐进蚁群算法的DNA多序列比对

DNA多序列比对是生物信息学中的最重要的任务之一。本文针对多序列比对的特点,提出一种渐进蚁群算法,即将渐进比对算法和蚁群算法相结合。在渐进蚁群算法中,既能克服蚁群算法易于陷入局部最优解、收敛速度慢的特点,又能充分发挥渐进比对算法的优点。     

网格聚类算法

聚类分析有广泛的应用,是数据挖掘中非常重要的方法。聚类分析算法有多种分类,每种方法在不同领域发挥了不同的作用。以研究网格聚类算法为目的,介绍了聚类分析算法的要求以及常见的聚类算法;针对基于网格方法的聚类算法进行专门研究,比较分析了传统的和改进的基于网格方法的聚类算法。介绍的各种网格聚类算法都有自身的优点和不足。通过对这些网格聚类算法的学习便于深入研究网格聚类算法,以便将其与实际问题相结合,设计更好的算法。     

分形图像压缩技术在神经网络中的实现

由于分形图像压缩技术具有解码分辨率无关性、快速编码及高压缩比和低损耗率等特点而被广泛应用,但基于迭代函数系统的分形图像编码方法却存在着计算量大的缺点,采用神经网络对分形图像进行压缩及解压缩目的在于解决压缩时间较长等问题.文中使用神经网络方法以并行方式完成对分形图像的压缩与解压缩.并通过实验,在实验中结合非线性网络和最速下降法实现对分形图像的压缩,在基本保证重建图像质量的前提下,减少了压缩时间,提高了压缩质量,进而说明神经网络技术应用于分形图像压缩中的可行性.     

一种基于离散Morse理论的优化模型及其应用

根据Forman 的离散Morse 理论的特点, 提出一种基于离散Morse 理论的优化模型. 该模型在3 维及以上空间点构建离散Morse 函数进行最优化, 得到了问题的最优解或近似最优解. 同时, 证明了所构建的函数确实是复形上的离散Morse 函数. 利用4 个典型的测试函数进行仿真实验, 结果表明了该模型的有效性, 且该模型尤其适用于解决大数据量的优化问题. 从聚类的过程即目标函数的优化过程这一角度考虑, 尝试将优化模型应用于聚类分析. 仿真实验结果表明, 所提出的算法能较好地划分数据点重叠区域的聚类形状, 验证了所提出算法的可行性和有效性.     

MFASSC:基于间隔Fisher分析的半监督聚类方法

针对高维数据的聚类问题,提出一种基于间隔Fisher分析(MFA)的半监督聚类算法。该算法首先使用已标记样本进行MFA映射,得到投影矩阵W后,再利用求得的投影方法对未标记样本进行降维;然后在低维空间引入基于约束的球形K-means(PCSKM)算法对降维后的数据进行半监督聚类,根据第一次的聚类结果,交替进行降维与聚类操作,直到算法收敛为止。该算法利用监督信息有效地集成了数据降维和半监督聚类。实验结果表明,该方法能够有效处理高维数据,同时能提高聚类性能。     

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.     

求解多目标优化问题的改进蚁群算法

蚁群算法是一种模拟蚂蚁行为进行优化的启发式优化算法,该算法在许多领域已经得到应用.针对多目标优化问题优化与求解较困难的问题,提出一种嵌入变尺度算法的改进蚁群算法用于求解,为蚁群算法在连续空间中的应用提供了怂一个可行的方案.给出了该算法的详细定义及实现步骤,实例仿真表明,该算法能加快收敛速率,对连续空间的蚁群算法研究具有重要的意义.