一种新的基于遗传算法的动态聚类算法

为了在聚类数不明确的情况下实现聚类分析,提出一种新的结合最近邻聚类和遗传算法的动态聚类算法.新算法包括两个阶段:第一阶段用最近邻聚类算法根据最近邻方法把最相似的实例分到同一个簇中并根据一些相似性或相异性度量过滤掉噪声数据从而得到初始聚类集,第二阶段是遗传优化阶段,利用动态聚类评估函数,动态地合并初始聚类集,从而获得接近最优的解.最后对算法进行了实验仿真,实验结果表明方法在事先不知道聚类数的情况下能够有效地进行聚类.     

基于蚁群优化的SVM及其应用研究

针对蚁群算法的容易陷入局部最优解的问题,对连续蚁群算法的全局转移因子和挥发因子进行了改进.在搜索过程中,蚂蚁利用前一代最优解的位置及信息素强度决定最优解转移步长及概率,对每一代搜索过程,利用动态的全局转移因子来确定蚂蚁应该进行如何搜索,保证蚂蚁能够得到更多的搜索空间,解决了蚁群算法"早熟"的现象.利用优化后的支持向量机(C-SVR和C-LSSVM)建立了某型航空发动机起动过程的数学模型.通过实际的发动机数据对模型的有效性进行了验证,结果表明,C-SVR和C-LSSVM泛化性能优于ε-SVR和LSSVM.     

一种新型高精度温度控制方法

为控制环境温度剧烈变化,对于精密仪器设备对温度精度和系统稳定性要求也随之提高,提出了一种参数自学习比例-周期控温算法,能够自动辨识系统参数和控制参数,并具有自学习能力。当环境温度快速变化时,可以采用相应的控制策略,达到理想的控制效果,适用于控制系统参数未知的场合,同时对环境温度的变化具有较强的自适应能力。仿真结果表明,算法控制精度高、自适应能力强,确实能够满足精密仪器设备对温度的精度和稳定性的要求。     

模糊自整定PID的船舶蒸汽动力负荷控制

船舶蒸汽动力装置自动控制的首要任务是机组的负荷控制。传统的PID控制算法由于具有结构简单、易于实现、可消除静差等优点得到了广泛的应用,但它受控制对象的影响较大,只有在各参数整定良好的前提下才能得到满意的控制效果。根据上述情况,结合船舶蒸汽动力单元工况变化频繁的特点,提出一种基于输出响应的自适应PID算法,以提高控制系统适应负荷变化的能力。方法在保留传统定值PID控制算法优点的同时,引入模糊控制在线整定PID控制参数,改善了机组的负荷控制特性,具有一定的工程应用价值.     

基于服务质量的对等网络流模型的研究与设计

在网格环境下的分布式数据流管理系统中,传统的客户/服务器结构的数据传输和处理方式存在着巨大的性能瓶颈问题.借鉴对等网络在应用层传输数据方面的优势,将应用层服务质量的概念引入到P2P Streaming(对等网络流)模型中来,并基于此设计出一套启发式的算法,使得数据流在对等节点间的传输大大优化.在相应原型系统上的仿真实验结果表明,新模趔在服务质量上明显优于传统模型.并且,新模型也更加适于不同服务质量需求的各类分布式系统.     

基于遗传模拟退火算法的移动机器人路径规划

针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高.     

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量.通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的.     

Gray编码对族群进化算法性能的改进

族群进化算法（EGEA）利用族群机制进行群体结构调控。在基于二进制编码的群体中,个体间编码的差异性被作为族群聚类的标准。由于自然二进制编码所存在的Hamming悬崖问题易影响族群聚类的准确性,从而降低EGEA的搜索效率,因此提出利用Gray编码连续个体间编码只有一位不同的特点来改进族群聚类的精度。针对典型多维函数的仿真实验表明,基于Gray编码的族群聚类过程可显著提高EGEA的收敛速度和解的精度。     

基于内容的图像检索中SVM和Boosting方法集成应用

提出一种适用于图像内容检索的AdaBoostSVM算法。算法思想是采用支持向量机(SVM)作为AdaBoost算法的分量分类器;基于相关反馈检索机制,通过增加重要样本来模拟AdaBoost算法的权重调整方法。在包含2000幅图像的数据库中进行了检索实验,结果表明AdaBoostSVM算法能有效提高系统的检索性能。     

粒子群优化算法的发展趋势

分析优化算法的发展历程,指出粒子群优化算法(PSO)是基于群体智能的一种算法,简单易行,可调参数少,研究广泛且发展迅速.结合图形给出算法的个体极值和整体极值的搜优运动过程.研究总结算法的研究现状及特点,认为PSO还需要完善和继续研究.提出将算法应用于复杂的约束优化、随机优化与最优控制问题是算法应用研究的方向,并指出对该算法完整的收敛性分析是算法成熟的标志.