三维医学图像分割的改进量子进化搜索算法

传统量子进化算法用于搜索某些函数极值时精确度较低且稳定性较差.针对该问题,借鉴模拟退火算法,根据进化代数及个体的适应度值,修正了传统量子进化算法旋转门函数的旋转角度值,并应用于三维医学图像分割,从而形成了一种用于三维医学图像分割的改进量子进化算法.100次阈值计算实验结果表明,提出的分割算法与传统量子进化算法相比,在保持了传统量子进化算法收敛速度快特点的同时,可大大提高算法在三维分割中的精确性和稳定性.     

一种新量子进化算法及其在函数优化中的应用

基于量子计算理论和进化理论,提出了一种新的量子进化算法-基于实数编码的量子进化算法(RQEA).不同于传统进化算法的单点编码和量子进化算法的量子比特编码,算法以实数矩形区域来表示基因,一条染色体携带多个个体信息.利用量子态叠加和相干机理,通过叠加、变异及自学习来完成进化过程.实验表明,该算法在函数优化上具有优异的性能.     

基于文化知识的量子进化算法

量子进化算法在实数优化时存在局部寻优能力不佳、收敛速度较慢等缺陷.为克服这些缺陷,本文引入文化算法思想提出一种基于文化知识的量子进化算法,该算法具有量子进化层和知识进化层双层进化框架,引入的文化算法能较好地协调全局与局部寻优,并避免算法陷入局部极值.由于新的算法框架及量子观测方式的引入,提出的算法不但保留了量子编码的优点,而且有效解决了求解实数优化问题时存在的缺陷.实验表明,提出的算法不但比量子进化类型算法性能有较大提升,而且与其它相关的几种算法相比具有更好的求解精度和速度.     

面向多峰函数的自适应小生境量子进化算法

为解决量子进化算法在多峰优化时只能找到一个最优解,无法找到所有全局和局部最优解的问题,提出自适应小生境量子进化算法。利用佳点集理论初始化种群,使种群均匀分布在整个搜索空间;提出中心地形信息小生境自适应识别方法,用于自适应的识别峰值所在区域,并建立小生境完善策略,提高小生境识别速度;借助量子进化算法的快速寻优能力精确寻找各个峰值点;采用动态种群调整策略,维持种群的多样性,自适应地调节种群规模。仿真实验结果表明,该算法具有较强全局优化能力和局部优化能力,且搜索到的每个最优解都达到了理想值。     

多智能体量子多目标进化算法及其在EELD问题中的应用

环境经济负荷分配问题是电力系统中重要的多目标优化问题。求解多目标优化问题的关键在于找到尽可能多的Pareto最优解。在基于量子进化理论,智能体的竞争、学习能力和生物的进化策略的基础上,提出了一种用于求解多目标优化问题的量子编码的多智能体进化算法。该方法将智能体分布在多智能体网络环境中,智能体之间通过量子进化来生成问题的可行解。将该算法应用于经济环境负荷分配的两目标(燃料成本和NOx排放)与三目标(燃料成本,NOx排放和SO2排放)优化问题,通过与经典多目标优化算法进行比较,表明了该算法的有效性。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

有能力约束车辆路径问题的量子进化算法

针对有能力约束车辆路径问题,构造一种具有量子旋转门和灾变操作的量子进化算法.算法采用0-1矩阵编码方式, 通过量子旋转门实现进化,引入灾变操作保证解空间的多样性,采用最邻近插入法结合2-Opt法再优化线路内次序.选取基准实例进行实验仿真, 通过与文献中其它算法进行性能比较,表明文中提出的量子进化算法是一个有效求解有能力约束车辆问题的方法.     

基于单集货中心多卸货点运输网络的车流组织协调优化

对单集货中心多卸货点运输网络的重空车流协调与优化问题进行描述,进而构建基于直观描述的数学模型。鉴于该模型利用传统数学规划方法难于求解,设计基于卸货点集群划分的两阶段求解方案。首先根据卸货点位置及需求量进行集群划分及调整,并在各个集群划分内部进行车流径路协调优化,以达到整体优化的目的;然后设计算例展示算法演进过程,并进行大规模运输网络的仿真实验,同时分析不同卸货点规模对计算机运行时间的影响,从而验证算法的可行性和有效性。     

基于改进遗传算法的影像中心布局优化方法

针对影像中心现有布局优化方法自动化水平低、受个人主观意愿影响较大等问题,提出运用系统布置方法(systematic layout planning,SLP)和改进遗传算法相结合的方法对布局进行优化。利用SLP生成的布局方案改善遗传算法的初始种群,增加初始种群多样性;从遗传进化代数和个体适应函数值2个方面实现遗传参数自适应调节,提高其寻优效率。在西安某影像中心布置区域模型和多目标优化数学模型的基础上,运用改进后遗传算法对西安某影像中心布局优化问题进行了仿真实验。实验结果证明：该算法在求解影像中心布局优化问题时比传统遗传算法或蚁群算法速度更快、效果更好。提高了影像中心布局优化的自动化水平,为建筑设计人员提供合理的参考方案。     

基于枢纽魅力度的城市公交枢纽布局优化方法

本文提出一个两阶段的城市公交枢纽布局优化方法, 该方法首先从备选点易达度、公交线路聚集程度和公交线路的分布范围评价其魅力度, 进而确定备选枢纽点集. 基于备选枢纽点集, 综合考虑乘客和运营者双方利益, 提出一个以枢纽辐射域最大、枢纽间相似度最小和土地成本最少的多目标枢纽布局优化模型, 并设计多目标遗传算法进行求解. 最后, 以大连市主城区的公交系统为例, 对本文提出的模型和算法进行检验. 通过实例分析发现, 本文提出的备选枢纽筛选模型得到的备选点几乎涵盖了大连市主城区的主要集散点, 表明以魅力度评价备选枢纽点的方法是可行的, 可以有效地为枢纽布局优化提供较合适的搜索空间. 同时, 从枢纽布局优化结果看, 本文提出的多目标优化模型可以兼顾枢纽的数量、位置和土地成本, 优化结果也符合大连市的实际情况.     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。     

加速收敛的人工蜂群算法

针对人工蜂群算法(artificial bee colony algorithm, ABC)存在的收敛速度慢、易陷入局部最优的缺点,提出了一种改进算法。首先,设计新的选择策略和交叉策略,使群体快速向最优解靠近;然后,鉴于控制侦查蜂行为的参数难于确定,且对算法性能影响较大,提出了基于反向学习的变异策略代替侦查蜂行为,同样达到避免陷入局部最优的效果。通过对10个标准测试函数的仿真表明,改进算法几乎都可以得到各测试函数的全局最优解,而且收敛速度快、鲁棒性好。改进性能明显优于现有人工蜂群算法。     

遗传算法中自适应伸缩搜索空间的方法

在求解优化问题时,与进化策略和进化规划不同,遗传算法依赖于所给定的搜索空间。但对于大多数实际问题,并不知道最优解所在的区域,因而无法给出适当的搜索空间,大大影响了遗传算法的性能。针对这一问题提出了一种自适应伸缩搜索空间的方法,它包括扩展阶段和收缩阶段。前者能够快速找到一个包含全局最优解但较为粗糙的搜索空间,后者则不断地细化这个空间。文中方法可以从任意初始空间出发并很快获得较为精确的上下界。同时,当应用到动态环境时,也能够迅速地适应新的适应度曲面。仿真实验证明了其优越性能。     

基于D-NSGA-Ⅲ算法的无人机群高维多目标任务分配方法

随着人工智能技术的快速发展, 种类繁多的无人机在军事领域得到了广泛应用。受单平台资源配备和执行能力限制, 大多数复杂任务需由多个无人机协同完成, 最优任务分配是其中需解决的重点和难点问题之一。最优任务分配方案求解问题已被证明是一个NP难问题, 针对多无人机系统的组织架构, 将非支配排序遗传算法与岛屿模型、主从模型结合, 构建一种分布式高维多目标演化算法D-NAGA-Ⅲ并对实际应用场景中4个目标进行优化, 并引入迁移策略和贪心算法对任务分配方案进行局部提升, 提高算法寻优能力和解质量。实验结果表明: 该方法在求解高维多目标的分布式无人机任务分配问题方面具有一定的效果。     

基于并行云变异蛙跳算法的梯级水库优化调度研究

本文针对混合蛙跳算法(shuffled frog leaping algorithm,SFLA)早熟收敛的问题,将云模型算法融合于SFLA算法中,形成一种云变异蛙跳算法(normal cloud mutation SFLA,NCM-SFLA),弥补混合蛙跳算法后期容易陷入局部最优的不足.同时利用算法易于并行的特点,在多核环境下基于.NET4的并行拓展库(parallel extensions)进行算法的并行优化.将其应用于梯级水库优化调度中,实例计算表明,与多维动态规划算法(MDP)相比,NCM-SFLA方法具有更好的全局寻优能力和较快的收敛速度,在现有的计算条件下该并行算法能有效缩短程序运行时间,求解梯级水库优化调度问题是合理、有效的.     

Human resources allocation for aircraft maintenance with predefined sequence

There are always large-scale items in the maintenances schedule of aircraft system, many of which have been fixed to be done in predefined sequences, which leads the workflow to be systematically complex and makes this kind of problem quite different from all sorts of existing job-selection modes. On the other hand, the human resources are always limited and men have different working capabilities on different items, which make the allocation operation of human resources be much roomy. However, the final total time span of maintenance is often required to be as short as possible in many practices, in order to suffer only the lowest cost of loss while the system is stopping. A new model for optimizing the allocation if aircraft maintenance human resources with the constraint of predefined sequence is presented. The genetic algorithm is employed to find the optimal solution that holds the shortest total time span of maintenance. To generate the ultimate maintenance work items and the human resource array, the sequences among all maintenance work items are considered firstly, the work item array is then generated through traversal with the constraint of maintenance sequence matrix, and the human resources are finally allocated according to the work item array with the constraint of the maintenance capability. An example is demonstrated to show that the model and algorithm behave a satisfying performance on finding the optimal solution as expected.     

线控系统协调优化模型及其改进粒子群算法研究

为合理控制线控系统,控制参数应协调设置.本文基于分层递阶技术优化设计控制参数.首先将元胞传播模型(CTM)进行改进,考虑出口道车队离散延误,建立干线路段及交叉口分流、合流交通流模型,使CTM适于网络交通流分析.然后,针对线控系统现状研究忽视共用周期优化的问题,基于控制参数间的相依关系,考虑上、下行相位差关系,建立两级递阶控制模型;协调级根据主次干道车流状况,以系统总延误最小为目标同时优化共用周期和双向相位差;控制级优化绿信比使所控交叉口延误最小.同时,采用分段变化的惯性因子选择机制改进粒子群优化算法.最后,将协调优化模型及其粒子群算法应用于某仿真线控系统,比较研究发现协调控制效果良好.     

航天器三维空间追逃问题研究

针对固定时间下的两航天器三维空间追逃问题,采用协同进化算法将复杂的双边最优规划问题简化成对追逃过程中纳什均衡点的搜索,进而得出追逃双方的最优对抗策略及解算方法。考虑在保证算法计算精度的前提下缩短计算时间,将对策模型进行简化处理,以航天器推力指向角为控制量对协同进化算法进行编码设计,利用B样条基函数对编码进行逼近拟合。两航天器均为连续小推力作用,以二者的末端相对距离作为支付函数,逃逸器希望支付最大,追踪器希望支付最小,并依此建立共享适应度函数。所提方法中对协同算子进行改进设计,提高算法空间搜索能力,并采用精英保留策略提高算法的收敛速度。仿真算例得到追逃双方的最优控制策略及相应的追逃轨迹,表明所提方法的能够解决此类航天器追逃问题。     

基于最大似然序列检测的PTS相位系数优化

建立了搜索最优PTS相位系数的树形网格模型,提出了一种基于最大似然序列检测的PTS算法(ML.PTS).该算法采用改进的最大似然序列检测算法搜索得到降低正交频分复用(OFDM)峰均比的最优PTS相位系数.仿真结果表明,在可控复杂度条件下,选择适当的译码深度,该算法可获得最接近相位系数最优解的可行解,最大程度地改善了OFDM信号峰均功率比统计特性.     

Adjustable entropy function method for support vector machine

Based on KKT complementary condition in optimization theory, an unconstrained non-differential optimization model for support vector machine is proposed. An adjustable entropy function method is given to deal with the proposed optimization problem and the Newton algorithm is used to figure out the optimal solution. The proposed method can find an optimal solution with a relatively small parameter p, which avoids the numerical overflow in the traditional entropy function methods. It is a new approach to solve support vector machine. The theoretical analysis and experimental results illustrate the feasibility and efficiency of the proposed algorithm.