基于余弦相似度的改进蝴蝶优化算法

针对蝴蝶优化算法（BOA）容易陷入局部最优和收敛性差等问题,提出一种多策略改进的蝴蝶优化算法（MSBOA）。首先引入余弦相似度位置调整策略,通过旋转变化算子和伸缩变换算子进行位置更新,从而有效地保持BOA的种群多样性;其次引入动态切换概率,来平衡BOA局部阶段和全局阶段的转换;最后增加混合惯性权重策略,以提高BOA的收敛速度。使用16个基准测试函数、Wilcoxon检验以及部分CEC2014函数来验证MSBOA的有效性和鲁棒性。仿真实验结果表明,与BOA和其他改进策略BOA及其他群智能算法相比,MSBOA在收敛精度和收敛速度上有明显的提升。     

三种近似算子之间的关系

在广义近似空间中,可以从对象、知识粒以及子系统的角度构造3种不同类型的广义粗糙近似算子。文中研究了这些近似算子的基本性质与相互关系,给出了3类近似算子相同的充要条件。另外,不同的近似空间可能生成相同的基于知识粒及基于子系统的近似算子,文中给出了不同二元关系生成相同近似算子的一些充要条件。     

区间Pythagorean犹豫模糊连续熵及灰色关联度的应用

区间Pythagorean犹豫模糊集,可以更加全面完整地描述决策者给出的决策结果,因此它是一个表示不确定现象的强有力的工具。针对模糊信息下的决策问题,提出了一种基于区间Pythagorean犹豫模糊连续熵的多属性决策方法。提出连续区间Pythagorean犹豫模糊有序加权平均（CIPHFOWA）算子,并提出了区间Pythagorean犹豫模糊连续熵,同时给出了属性权重完全未知和部分已知时的权重确定方法;提出了一种基于区间Pythagorean犹豫模糊连续熵-灰色关联度的多属性决策方法,并通过新型农村医疗制度完善情况评价案例说明该方法的可行性和有效性。     

基于改进NSGA-II的车间排产优化算法研究

针对NSGA-II算法在处理车间排产优化问题中出现的子代种群多样性差、收敛能力差等问题,提出了一种改进NSGA-II的车间排产优化算法。改进NSGA-II算法主要对传统NSGA-II算法的交叉和变异环节,提出新的改进自适应交叉和变异算子,通过对个体拥挤度与种群平均拥挤度进行对比,并结合种群迭代进化过程,将遗传概率与种群个体及种群进化迭代次数关联,避免盲目导向性,提高种群的收敛速度;提出新的均匀进化精英保留策略,通过自适应分层次选取种群个体,解决子代种群多样性差的问题。针对车间排产问题,选择“最大化最小交货提前期”和“最小化最大理想加工时间偏差”作为目标函数,运用改进NSGA-II算法进行实际工程的仿真分析,对比改进前后算法优化的结果,验证了算法的有效性,同时证明了其应用于实际生产排产调度问题的价值参考性。     

空间域与频率域结合的医学影像增强处理

医学影像对现代医学的研究具有重要的指导意义,本文提出一种将空间域与频率域结合的医学影像增强新算法,首先采用理想高通滤波器法提高图像整体质量,同时使用Sobel算子突出图像边缘,再将均值滤波器去噪后的Sobel算子图像掩蔽理想高通滤波器图像,最后通过高提升滤波输出图像,并将新算法与空间域、频率域两种图像增强算法得到的医学影像进行比较。得出新算法增强后的医学影像既不存在过度增强的问题,同时还能很清晰的突出边缘以及细节部分,增强效果明显强于另外两种算法。     

一类诱导广义有序加权对数的连续区间有序加权调和平均算子及其应用

结合连续区间有序加权调和平均(C-OWHA)与诱导广义加权对数平均(IGOWLA)两类算子,提出了一类诱导广义有序加权对数的C-OWHA(IGOWLC-OWHA)算子.以改进的Theil不等系数为相关性准则,构造了一种基于IGOWLC-OWHA算子的区间组合预测模型.算例分析表明,该模型能有效提高预测精度.     

基于一种贴近度的IGOWLA算子的最优组合预测模型

为了克服传统的单项预测方法选取固定参数时的不足,在广义诱导有序加权对数平均算子(IGOWLA算子)的基础上,引入贴近度以及λ次幂误差,构建了基于一种贴近度的IGOWLA算子的最优组合预测模型,并给出了该模型的预测精度、优性及非劣性定义.实例分析表明,该组合预测模型优于传统的单项预测模型,能够充分利用各个单项预测方法的信息并提高预测精度,是一种优性组合预测.     

基于改进的算术平均算子的阈值分割算法

针对图像模糊集模型的构造问题,提出一种基于改进的算术平均算子的阈值分割算法。该算法先对指数型限制等价函数进行修正,然后选取5种代表性的隶属度函数,剔除最大和最小的隶属度值,采用算术平均算子对剩余的模糊隶属度值进行集结,将灰度图像转化为一个模糊集合,再以α-型模糊散度为目标函数寻找最佳阈值。仿真结果表明,该算法比其他算法准确率更高,分割效果更好。     

基于空域追踪算法的基线漂移信号噪声修正

为了消除基线漂移信号噪声对信号的干扰影响,提出一种基于空域追踪的修正算法.通过非线性滤波器从原始信号中粗提出基线信号,利用多步迭代微分算子从基线漂移信号中分解出更加精准的基线信号,再从原始信号中移除基线漂移信号,完成基线漂移信号噪声修正.选取多种类型测试数据(包括心电信号与噪声数据)来验证算法的有效性,结果表明,同传统的四种基线漂移信号修正算法相比,所提出的算法可以高效去除基线漂移信号的干扰.     

基于新型两阶段混合算法的电力系统无功优化

针对电力系统无功优化领域现有的人工智能算法易早熟和收敛精度不佳的缺点,将萤火虫算法和量子粒子群算法相结合,形成一种新型两阶段混合优化算法。该混合算法采用串联的方法将GSO算法与QPSO算法混合,使两种算法优势互补。在算法迭代前期充分利用萤火虫算法可同时搜索全部局部最优解的特性,保证了寻优的全面性。在迭代中后期,利用量子粒子群算法收敛速度快、解的精度高的特点进行寻优,保证了算法的收敛精度。同时基于黄金分割点理论,引入了群体替代算子,避免了迭代后期算法陷入局部最优。经过算法在IEEE30节点算例中的对比仿真,结果表明:在无功优化领域中,两阶段混合算法的全局搜索能力,收敛速度及精度均优于对比算法。