基于耗散结构的改进遗传算法求取红外图像二维阈值

在二维阈值化分割算法的基础上，提出了一种新的改进分割算法运算效率的遗传算法，在对耗散系统理论研究的基础上，将简单遗传法与耗散结构相结合，构成一种新的算法，并对该算法求解红外图像二维阈值问题进行了仿真研究。仿真计算结果表明：用这种方法求解红外图像二维阈值分割问题，计算效率大大提高，而且求解性能较简单遗传算法有很大的改善。     

基于进化策略和公平竞争的多用户OFDM系统资源分配

提出了一种用于多用户OFDM系统的资源分配算法(ESFC),能以低复杂度完成用户间的子载波、比特及功率分配,达到快速优化系统发射功率的目的。该算法同时考虑到动态业务的实时性和用户间的公平竞争性,将系统资源分配问题转化为数学模型的多约束优化求解问题。资源分配过程分为两个步骤,包括基于进化策略进行子载波分配和使用注水算法进行比特及功率分配。仿真结果表明：与现有算法相比,该算法能有效降低复杂度,在优化OFDM系统性能的同时兼顾了实时性需求,明显减少了运算量,能快速收敛到优化解。 关键词：OFDM; 进化策略; 子载波分配; 比特分配     

非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法以及运动矢量的统计特性设计了3种终止策略,使用模板匹配算法对遗传搜索过程进行优化。实验结果表明：该算法在确保编码质量的同时,能大幅缩减搜索点数和编码时间。     

改进后的遗传算法在排课系统中的应用研究

首先针对排课问题提出遗传算法来解决这样的复杂问题,把排课问题融入遗传算法中,针对遗传算法做了模块化设计,将算法的运行区分为多种不同的机制,并提出一种改进的遗传算法。     

基于灾变型文化算法的不确定条件下中间存储时间有限Flow Shop调度

针对某些不稳定的中间产品,考虑其在中间储罐存储时间有限的调度问题。用粗糙变量表示不确定的加工时间,在粗糙规划 理论的基础上建立相应的粗糙调度模型,并将其清晰等价化。设计了具有针对性的信仰空间及其与种群空间进行沟通的渠道,并在 此基础上仿照自然界的演化规则为解决进化停滞的问题引入了灾变算子,提出了一种新的灾变型文化算法。仿真结果表明了本文所 提出模型和算法的可行性及有效性。与改进遗传算法和无灾变算子的文化算法的对比研究表明了灾变型文化算法具有更好的求解性 能。     

求包含多边形的最小正三角形的遗传算法

对寻找包含平面多边形的最小正三角形问题提出了一种基于遗传算法的求解方法。对遗传算法求解过程中的编码、正三角形内心(内切圆的圆心)的范围界定,选定个体内心后正三角形内切圆半径的确定和适应度函数选取等进行了讨论,并以实例验证了算法的有效性。     

基于小波变换的多分辨率CT/MRI图像配准

本文以仿射模型为基础将区域配准问题转化成优化问题,然后给出小波金字塔分解用于配准的一般框架,并与常规金字塔分解法进行了分析比较;针对配准过程的多变量非线性优化问题,结合混沌理论和遗传算法提出了改进的全局优化的混沌遗传算法.这种算法将混沌序列嵌入标准遗传算法,对标准遗传算法的个体进行混沌化处理,利用混沌的遍历特性来改进遗传算法的鲁棒性.     

分类核算法在综合性医院临床科室绩效分配中的应用初探

针对综合性医院临床科室绩效分配过程中经常遇到的仅按经济指标提成核算除了易单纯追求经济利益还有其他问题、仅按工作量完成情况核算会遇到医技科室工作量不易统计、仅按岗位职称高低分配易失去激励作用等考核和分配难点问题进行了分析,提出了采用单项指标核算法和复合指标核算法两种分类核算的方法来解决不同类型临床科室的绩效分配问题。     

基于免疫算法的带软时间窗车辆调度问题

在对带软时间窗车辆调度问题(VSPSTW)简要叙述的基础上建立了VSPSTW数学模型。针对VSPSTW问题,构造一种免疫算法来求解VSPSTW,并提出了一种新的抗体编码、改进的亲和力计算方法,将求解结果与遗传算法比较。结果表明:该算法对于求解VSPSTW问题具有较好的性能和更好的鲁棒性。     

PageRank算法与HITS算法比较研究

对PageRank算法和HITS算法的基本思想和具体算法进行介绍,从算法思想、权重的传播模型、处理的数据量及用户等待时间几方面对两种算法进行比较,并分析其各自的优缺点。     

一种寻求多条最短路的新算法--生长路径法

为了寻找栅格状轨道交通运输网络中任意两个节点间的全部最短路径,根据数据结构中堆栈数据"后进先出"的原理,提出了生长路径法.它将从起点发出的初始最短路径压入堆栈,并利用边的编号和路径长度对堆栈内的路径进行生长和判断,合格的路径进栈,不合格的路径剔除,直到堆栈内所有的路径都生长至终点为止.利用这种算法可求出无负向边的有向网络中任意两节点间所有的最短路径.     

投影遗传算法

针对一般遗传算法在求解优化问题的多个优化解时的局限性,结合曲面投影与遗传算法的基本思想,提出了一种基于曲面投影的投影遗传算法用于解决此类问题,数值验证的结果表明了本算法的有效性和实用性。     

适用于信息融合算法性能评估的DS改进算法

为了解决信息融合算法管理过程中的最优算法决策问题,引入DempsterShafer证据理论。针对在实际应用过程中,由于相关证据合成而出现的评估结果超估计现象,提出了一种改进的证据合成方法。通过建立不同指标之间的相关性度量函数,对相关证据的基本概率赋值进行相应的调整,对修正后的证据再进行证据组合。实验结果验证了所提方法的合理有效性。     

一种新的运动估计算法

基于搜索起点的预测和梯度下降搜索,提出了十字交叉梯度下降搜索(CCGDS)算法。该算法根据运动矢量的中心分布特性设计了相应的匹配搜索模板。仿真结果表明:该算法可以用较小的搜索代价取得与全搜索相当的效果,且在搜索速度与搜索效果方面优于三步法(TSS)、四步法(FSS)和钻石法(DS)。     

小生境微粒群优化算法

将小生境技术引入到微粒群优化算法之中,设计出一种小生境微粒群优化算法。该算法除了始终赋予微粒生命力,还将位置重叠的差适应值微粒在搜索空间重新启动。通过对4个常用测试函数进行优化计算,仿真结果表明小生境微粒群优化算法比基本微粒群优化算法具有更好的优化性能。     

分段式微粒群优化算法

提出一种分段式微粒群优化算法。该算法将所要搜索的区域分成若干段,首先在每一区段内搜索出区段的最优位置,然后将各区段的最优位置组成一微粒群,继续搜索全局最优位置。通过对5个常用标准测试函数进行优化计算,仿真结果表明:分段式微粒群优化算法能有效地搜索到全局最优解,具有比基本微粒群优化算法更快的搜索速度和更好的优化性能。     

基于广义逆的无谱逆反卷积算法

在时域循环卷积运算实现反卷积方法的基础上，基于广义逆的概念提出了一种改进算法，该算法不仅可以有效地避开无谱逆问题，而且运算量增加较少，易于编程实现。     

一种改进的自适应差分进化算法

为了提高基本差分进化算法的寻优速度和寻优效能,提出了一种改进的自适应差分进化算法(ADE)。在基本差分进化算法中引入了自适应变异算子,根据每个个体与最优个体适应度值的相互关系,自动地调节变异算子值,使之在进化初期较大,随着个体逐渐接近最优值,算子值逐渐变小,确保个体向最优值快速、稳定地逼近。在每一代变异、交叉和竞争之后,又增加了与随机新种群的竞争操作,使算法易于跳出局部最优点,以提高全局搜索能力。采用4个经典的测试函数对算法进行验证,结果显示：该算法的收敛速度与收敛精度在一定程度上优于基本差分进化算法,同时也优于基于代数进行自适应变异的差分进化算法。     

改进的混沌粒子群优化算法

针对传统的简单粒子群算法(SPSO)早熟、易陷入局部最优的缺陷,提出了一种改进的混沌粒子群优化算法(CPSO)。该算法根据混沌算法遍历性的特点,选择合适的混沌映射提取SPSO初始种群,使粒子均匀分布在解空间。当SPSO陷入早熟时,CPSO在最优解周围的区域内进行混沌搜索,取代原来种群中的部分粒子,带领种群跳出局部最优。对7个标准测试函数的寻优测试表明：CPSO算法在寻优精度、速度、稳定性等方面均优于SPSO。