一种改进的自适应遗传算法

提出的自适应遗传算法采用群体的最大适应度fitmax、最小适应度fitmin、适应度平均值fitave 这 3个变量来衡量群体适应度的集中程度 ,然后根据适应度集中程度 ,自适应地变化整个群体的交叉概率pc 和变异概率pm ,改进了M .Sriniras提出的自适应遗传算法。采取最优保存策略来保证最优个体不被大的pc和pm 破坏掉。并用无放回余数随机选择算子 (RSSR选择算子 )对基本选择算子进行了改进 ,选择误差比较小。将自适应遗传算法用于图像分割的试验结果表明 ,与基本遗传算法相比 ,由于该算法综合考虑了“快速收敛”和“全局最优”这两个要求 ,因此它不仅能得到较好的分割质量 ,而且基本保持了遗传算法的运算速度 ,利于硬件实现     

一类多资源作业车间混合优化调度方法

针对多资源作业车间调度问题,结合启发式算法和遗传算法的特点,提出了混合优化调度方法,建立了多资源约束的车间优化调度模型.根据启发式算法中调度优先规则对调度目标的影响程度,设计了新的编码规则.采用正弦函数作为改进遗传算法中的自适应因子,使交叉概率和变异概率随群体的适应度自动改变,提高了运算的效率.通过实例仿真并与其他算法比较结果表明,该混合调度算法可以进行作业车间在机床、刀具等多种生产资源约束下的优化调度,并在评价指标上较其他算法更优.     

改进微粒群算法及其在生料浆调配多目标优化中的应用

微粒群算法是一种简单易行、收敛快速的演化计算方法，但也存在早熟收敛的缺陷。鉴于惯性权值对控制算法收敛所起的作用，本文提出一种改进的微粒群算法，让惯性权值按类S型曲线形式随迭代次数非线性变化，并根据微粒当前的搜索状态自适应调节该曲线的曲率，有效保证算法收敛速度和全局寻优能力。改进的微粒群算法用于求解氧化铝生料浆调配过程0-1组合优化问题，与传统微粒群算法及遗传算法比较的结果表明，改进的微粒群算法具有较强的全局搜索能力且能有效避免早熟收敛问题。     

采用十进制免疫遗传算法求解高校排课问题

论文深入分析了高校排课问题, 建立了其数学优化模型, 构建了其基本求解框架. 针对高校排课问题的特点, 引入遗传算法来加以解决, 设计了多种改进方案, 包括: 十进制编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、 自适应交叉概率和自适应变异概率设计方案. 仿真结果表明该算法能够满足高校排课问题的多重约束条件, 能更有效地解决高校排课问题.     

一种基于自适应遗传算法的聚类分析方法

本文研究了基于自适应遗传算法进行聚类分析的基本原理和实现方法。自适应遗传算法不同于一般遗传算法之处是其交叉互换率与突变率这两个参数随串的适应度值而变化，极大地增强了算法的性能。实验结果表明，遗传算法应用于聚类分析能够搜索到更为精确的聚类中心值，在模式识别、数据压缩等领域有着广泛的应用前景。     

改进的自适应遗传算法在TDOA定位中的应用

针对无线通信到达时间差(time difference of arrival,TDOA)定位技术位置解算为复杂的非线性方程最优化问题,采用实数编码遗传算法,提出了改进的自适应遗传算法。该算法设计了自适应交叉率和变异率的计算公式,考虑了随着进化代数增加种群的整体变化,同时考虑了每代种群不同个体适应度的作用,并引入最优保存策略防止优良个体的破坏,能有效产生新的个体进而摆脱局部最优值的搜索达到全局最优解。仿真结果表明,改进的遗传算法性能稳定,进化收敛速度和TDOA定位估计精度都有较大的提高。     

自适应试验遗传算法研究与应用

均匀设计与遗传算法相结合已有许多成功例子,但在应用中均匀设计表一般囿以固定形式而使二者的结合缺乏灵活性和普适性.为此提出应用亚遗传算法获得若干个任意水平数的均匀设计,并将其以3种方式嵌入标准遗传算法中:1)初始种群的均匀性分布;2)进化过程中对变量空间均匀性投点搜索;3)应用均匀设计进行调优试验,同时还增加了正态随机和摄动调优等试验操作技术,以上形成了基于试验设计、具有自适应能力的试验遗传算法.算例表明,通过以上方法改进的遗传算法可较好地保持种群多样性,寻优效率有较大提高,并能自动适应算法对搜索精度的要求.     

求解JLSP问题的遗传禁忌混合优化算法

针对批量与排序的集成问题设计一种遗传算法和禁忌搜索相结合的混合算法,用遗传算法作为主框架优化批量,排序部分由禁忌搜索单独优化,并将排序最优解反馈到遗传算法的主框架中生成集成计划继续寻优。遗传算法的选择算子和变异算子分别采用不同的自适应机制,以提高算法的搜索能力和收敛速度。对3种不同规模算例进行测试,其结果与其他算法比较,验证了所提算法的有效性。     

基于免疫遗传算法的三维大脑图像分割

利用最大熵多阈值方法对三维大脑数据进行分割时,穷尽搜索法耗时长,而简单遗传算法的搜索结果又不够稳定和精确.针对该问题,提出了一种免疫遗传和模拟退火相结合的新算法来快速求解全局最大熵.与简单遗传算法相比,免疫遗传算法采用了更佳的选择操作,以确保更多不同个体被选择来保存种群的多样性,而模拟退火机制用于拉伸免疫遗传算法的适应度函数.算法给出了选择概率的一般表达式,并采用精英策略和自适应的交叉、变异机制以改善算法的收敛性.基于IDL平台的100次仿真结果表明,三维大脑数据被成功地分为:脑白质、脑灰质和脑脊液三部分,且与简单遗传算法和传统免疫遗传算法相比,本文算法在稳定性和精确性上更具优势.     

基于信息熵的自适应PBIL算法及其应用

分析了基于群体的增量学习(Population-based Increased Learning，简称PBIL)算法的基本原理和存在问题，提出了一种具有自适应学习和变异能力的改进策略。新的算法采用信息熵衡量种群的进化程度，并根据熵值的变化自适应地调整学习速率和变异率。应用该算法求解典型的Flow Shop调度问题，通过与简单PBIL算法和遗传算法的结果进行比较，表明该算法的计算效率和局部搜索能力得到提高，且收敛过程非常稳定。     

基于UML实时扩展的嵌入式软件测试用例生成技术

将统一建模语言(unified modeling language, UML)和对象约束语言(object constraint language, OCL)引入嵌入式软件测试领域,首先提出了一种基于UML实时扩展的嵌入式软件测试建模过程。然后,给出了UML状态图和类图的实时扩展方法。最后,结合航空电子系统嵌入式软件测试用例生成过程,详细阐述了被测系统的静态和动态建模,提出了扩展的测试序列定义及其生成方法,最终将所生成测试用例采用扩展标记语言(extensible markup language, XML)格式存储。工程应用验证表明,上述方法可充分发挥UML作为工业标准的工具资源优势,提高嵌入式软件测试用例生成的准确性、有效性和自动化程度。     

遗传规划算法的C++实现及在机器人自适应行为演化中的应用

作为遗传算法的一个分支，遗传规划算法（Genetic Programming)由于和计算机程序的直接紧密结合，可以用来 实现问题求解程序的优化设计和代码自动生成，被越来越被研究者所重视并应用于许多领域，但由于软硬件配置环境的限制 ，较难在 PC机上用传统的LISP语言来实现算法，有必要采用一种通用的高级语言来实现算法。本文选用C＋＋语言，用二叉树的树型结构和节点结构来表示GD个体和个体的节点，实现了GP算法，给出的算法实现的具体步骤 ，结合自主移动机器人沿墙走行为的设计，给出了本文算法在机器人适应性行为设计中的具体应用实例，仿真结果说明了这一方法的有效性。     

基于系统分析的控制系统故障树自动生成

提出一种基于系统分析的故障树自动生成方法。首先,建立描述元部件因果模型及控制回路因果模型的数据库。然后,利用控制系统流程图和邻接矩阵确定系统中独立元部件、控制回路以及系统外界不可控扰动的直接关系,确定系统故障树的结构模型。最后,通过搜索相关数据库,调用相应的因果模型,自动生成系统故障树。结合一个具体算例验证了该方法的有效性和可行性。     

基于激素调节的量子免疫克隆函数优化算法

为了提高量子免疫克隆算法（quantum inspired immune clone algorithm, QICA）对函数全局寻优的精确性和稳定性,引入了内分泌激素的调节规律,根据当前个体适应度值和上一代种群的平均适应度值重新设计克隆规模,按照种群多样性和Hill函数的上升规律对其进行自适应调整,使进化各代中优秀个体的克隆得到扩增,同时减少不良个体的规模,从而提出了一种基于内分泌激素调节的量子免疫克隆算法（hormone adjustment based QICA, HAQICA）。利用标准测试函数对算法进行了验证,50次随机独立实验结果表明,HAQICA算法的收敛速度与QICA算法相当,最优解的均值与方差等数据,证明了HAQICA算法在提高函数全局寻优性能上的有效性。     

基于遗传算法的决策树组合方法及在CRM的应用

针对客户关系管理中的客户分类问题,提出一种基于遗传算法的多重决策树组合分类方法.组合分类方法将概率度量水平的多重决策树并行组合,组合算法中采用遗传算法优化连接权值矩阵,并且采用客户信用等级评定的仿真数据对该方法进行测试和评估.实验结果表明,该组合分类方法比单个决策树及其他组合方法具有更高的分类精度,并在保持分类结果良好可解释性的基础上优化了分类规则.     

故障树分析技术在软件测试中的应用

针对故障模式判决软件测试用例设计的特点 ,提出了一种利用故障树分析原理 (FTA)和软件测试用例设计等价类划分方法进行故障模式判决软件测试用例设计的新方法。该方法运用FTA原理进行测试用例设计 ,根据故障判决模式画出故障树 ,将该树作为测试用例设计树 ,然后运用故障树原理获得该树的最小割集 ,将此最小割集作软件测试用例的设计的依据。利用该方法进行测试用例设计保证了测试的充分性、测试用例分布的合理性 ,同时依据此方法设计的测试用例辅助生成软件 ,也极大地提高了软件测试自动化水平。     

基于三维"运行剖面"描述模型的测试数据自动生成

针对被测软件有多种使用时的情况,提出了一个三维的运行剖面描述模型,该模型要求综合考虑被测软件在实际应用中的各种使用情况,因而依据三维运行剖面描述模型进行测试,能较好的体现出被测软件的整体质量.给出了基于三维运行剖面描述模型的测试数据自动生成算法,以及检验生成的测试数据集与被测软件的运行剖面是否一致的方法,以保证测试数据集的有效性.     

基于Targetlink的嵌入式系统控制软件开发

采用dSPACE公司提供的Targetlink自动代码生成工具,与MATLAB/Simulink软件配合,实现了嵌入式系统控制软件代码开发及自动生成。通过控制模型的规范设计,Targetlink软件的优化及代码生成,以及各种仿真测试和最终ECU样机的实验验证,成功地将这套开发工具应用于电控柴油机喷油系统控制软件的开发。与手工编写软件相比,Targetlink自动生成的代码不但功能相当,而且执行效率和代码尺寸的增加量完全在可接受范围内。另外,大大缩短了开发周期,提高了软件升级和更新的效率,保障了软件的运行质量。     

基于音视频特征和文字信息自动分段新闻故事

提出了一种新的基于音视频特征和文字信息自动分段新闻故事的方法。其基本思想是先对新闻视频进行镜头边界检测;其次,通过文字检测算法检测包含有主题字幕文本的帧来获得新闻故事分段的线索;接着用短时能量和短时平均过零率(ZCR)来检测新闻视频中存在的静音片段;最后,综合音视频特征和文字信息实现故事自动分段。在包含135,400帧的实验素材上获得了85.8%的准确率和97.5%的查全率,实验结果证明该方法是十分有效的。     

脑微观重建系统研究

本文旨在研究如何利用硬件,软件,算法的系统工程的方案解决脑微观结构重建的高通量自动化数据分析的难题.通过实现样片制备,自动切片,显微成像,三维重建以及软件平台等分阶段工作,建立符合神经结构生物学特征的模式识别和机器学习分类方法,解决海量畸变图像拼接配准,密集神经结构识别,歧义神经联结,多源数据融合等限制分析效率的关键问题,为搭建大体量神经结构重建工程平台提供理论基础和解决方案,满足脑科学研究对高通量神经回路网络重建的需求.