基于梯形模糊隶属函数的复合语言多目标决策

对于一些复杂的决策问题, 使用比较语言比单一语言更能准确地表达专家的看法. 据此, 提出一种同时使用单一语言和比较语言的新算法. 根据上下文无关文法将比较语言表达转换为犹豫模糊语言术语集(HFLTS), 并应用有序加权算子(OWA) 计算出由梯形隶属函数表示的模糊语言术语集的模糊包络, 有效地简化了基于HFLTS 的词计算过程. 最后应用逼近理想解排序(TOPSIS) 方法进行决策.

     

虚拟窗口阴影去除算法的车流量检测研究

针对城市道路交通流量检测中的实时性和准确性的要求,在背景差分的基础上提出了一种改进的基于虚拟窗口检测的方法。通过获取前景目标尽量少的帧图像,快速建立虚拟窗口的初始背景模型,并实时更新背景;将Sobel边缘检测算法引入前景目标检测,从而快速检测出前景目标变化的完整区域,提高检测的准确率;再使用基于HSV色彩空间直方图势函数去除阴影算法,进一步去除前景目标中的阴影区域,有效地保留了真实的运动目标区域;最后统计交通车流量,可结合其他信息(如红绿灯状态)做出该路段相应的交通流状况判断。通过实验结果证明,所提出的检测算法可有效应用于视频交通车流量检测中。     

基于改进粒子群算法的航班降落调度问题研究

航班降落调度是多约束的整数规划问题,也是组合优化中的典型NP难题之一.针对传统粒子群算法易陷入局部最优和求解组合优化问题能力不强的缺点,提出改进策略.改进的算法通过禁忌搜索策略生成初始粒子群以满足航班调度多约束的限制,引入遗传算法的交叉变异等操作以增强粒子群间信息交流能力,重新定义惯性权重和加速度因子,以增强粒子的多样性和收敛性,加入进化交叉算子以增强粒子的局部寻优能力.通过与修补遗传算法、罚函数遗传算法进行对比,经多次运行后的结果表明,提出的改进算法的局部搜索能力和全局搜索能力都得到增强,同时也验证了算法的可行性和有效性.     

朴素差分进化算法

针对变异算子学习方式的单一性,提出一种朴素变异算子,其基本思想是向优秀的个体靠近,同时远离较差个体,其实现方式是设计一种缩放因子调整策略,如果三个随机个体在某维上比较接近,则缩放因子变小,反之变大.在实验过程中通过平均适应度评价次数、成功运行次数和加速比等指标表明,基于朴素变异算子的差分进化算法能有效提高算法的收敛速度和健壮性.     

云计算环境中服务动态选择算法研究

为解决云计算环境下的服务动态选择问题,设计了综合考虑反应时间和成本的适应度函数,提出了求解服务动态选择问题的分布估计蛙跳算法.在蛙跳算法的基础上,借鉴交叉操作改写蛙跳算法的进化算子,并引入分布估计进化策略改进蛙跳算法的青蛙更新模式,使改进后的新算法具有更全面的学习能力,能够有效避免算法陷入局部最优.仿真实验验证了算法的可行性和有效性,与蛙跳算法和分布估计算法相比,该算法的收敛性能和寻优能力均得到改善,能够更好地解决云计算环境下的服务动态优化选择问题.     

一种改进的基于样图的图像修复算法

图像修复的目的是填补有信息缺损的图像,并使观察者无法察觉出图像的填补痕 迹。分析了图像修复技术中的Criminisi算法,针对它的不足,提出一种新的改进算法。新算法从4个方面加以改进：使用了新的优先权计算函数,优化了优先权大小选择的计算,避免了因模板数据项迅速衰减带来的错误填充次序;利用Sobel算子改进等照度线计算,使等照度线上的点优先被修复;采用新的匹配方法,将查找匹配的范围锁定在破损区域的边缘。最后为了平滑置信值更新导致的误差传播,定义了新的置信值更新方程。实验结果证明,本文图像修复算法不但可以改善图像修复质量,还可以提高图像修复效率。     

基于逆透视变换的车辆排队长度检测方法

交通路口的车辆排队长度检测是智能交通系统的重要组成部分,传统的检测方法易受背景噪声、摄像机透视效果等因素的干扰造成检测失败,而且其实现都是基于串行结构的处理器,不能用于实时处理的场合。本文设计了一种充分利用平直道路几何特征并适合FPGA实现的排队长度自动检测算法,该算法利用逆透视变换消除图像几何失真,引入公路的结构性约束有效检测了车道线;接着采用Sobel边缘算子检测出各车道的车辆轮廓,通过一种基于信息量的度量方法提取排队的队尾,从而确定了车辆排队长度,并且通过硬件化设计使得整个检测过程达到实时的处理速度。     

基于灰关联混合蛙跳算法的雷达波形设计

提出了一种基于灰关联混合蛙跳算法的雷达波形设计方法,以混合蛙跳算法为主体,在局部更 新算子中引入遗传算法的遗传算子,并改进原始蛙跳算法的分组方法,丰富了种群的多样性,同时引入灰关联综合评价法则对适应度函数值加以关联度分析。文中以设计具有低自相关旁瓣和互相关特性的正交多相编码为例,将该算法用于雷达波形设计中。仿真结果表明使用本文算法产生 的波形具备较好的低自相关特性和互相关特性,表明了该算法是有效和可行的。     

多种群免疫协同进化算法在物流配送中心选址中的研究

为提高免疫算法在物流配送中心选址问题的效率,文章引入了多种群协同进化的框架模型,在此模型上提出了一种多种群免疫协同进化算法(Multiple Population Immune Co-evolution Algorithm,MPICA).MPICA通过对若干个抗体子群进行多样性评价,获得各自的记忆库和父代种群;记忆库之间通过移民算子进行联系,增大优秀抗体亲和度成熟的概率;各父代种群通过期望繁殖率进行选择、动态交叉和变异来提高抗体分布的多样性.针对物流配送中心选址实验数据表明,MPICA具有可靠地收敛性和全局寻优能力,能够高效的进行物流配送中心的选址.     

改进Canny边缘检测算法研究

提出了一种基于Canny算子的图像边缘检测算法,采用最大类间方差法确定高低阈值。实验结果表明,该算法可减少干扰边缘和噪声的影响,处理效果明显。