一种改进的多倍体遗传算法

基于种群保留遗传算法,引入了多倍体的慨念,给出了一种基于种群保留的多倍体遗传算法．当该算法运行时,种群个体将由单倍体变为多倍体．为了适应这种变化,算法引入了扩展算子,成功地进行了模糊控制器的参数寻优．实验结果表明,该算法具有很好的收敛性和鲁棒性,在复杂环境中表现出了很强的自适应性,明显改善了模糊系统的控制效果．     

粗粒度并行遗传算法收敛性分析及优化运算

提出了一种新型的粗粒度并行遗传算法(CGGA)，该算法利用多个子种群基于不同的编码方式进行进化计算．首先各子群体独立进行交叉、变异和选择遗传操作，每代进化后迁移算子被引入用来进行种群问的信息交流，迁移算子将各个子种群的最优个体替换相邻种群最差个体后继续进化．基于时齐遍历马尔可夫链理论，给出了CGGA各个子种群的概率转移矩阵与其进化概率转移矩阵，证明了以概率1全局收敛．对典型的测试函数CGGA进行了求解．仿真结果表明，本算法的收敛性能优于经典遗传算法(CGA)，可以有效解决CGA的过早收敛问题．     

基于遗传算法的改进GLA算法

提出了基于遗传算法的改进广义Ｌｌｏｙｄ算法（ＧＬＡ）。它以种群为基础,使用选择算子对种群进行有针对性的操作,通过变异算子以提高种群的平均适应值,使其逃离局部最小点,最后采用交叉算子以增加个体的多样性,又降低了该算法对初始码书的敏感程度。高斯－马尔科夫序列实验表明,该算法较好地实现了全局最优,并有助于克服对初始码书较为敏感的缺点。     

求解作业车间调度问题的一种自适应遗传算法

针对作业车间调度问题，提出了最小化空闲时间的处理过程及其变异算子，设计了一种自适应遗传算法．该算法根据个体的特征确定交叉和变异次数，并根据种群特征不断修正种群．经典的调度基准问题测试表明：自适应措施能够有效保持种群的多样性，可以采用非常小的种群规模；最小化空闲时间的变异算子缩小了算法的搜索空间，大大提高了搜索效率．     

基于硬判决的多用户检测遗传算法改进

针对多用户检测中基于遗传算法的种群初始化不足,充分利用有用的边信息,结合传统匹配滤波器的硬判决,提出一种更为合理的种群个体初始化结构,改进了异步CDMA系统中多用户检测的遗传算法。仿真结果表明．改进后的种群个体初始化结构减少算法早熟收敛带来的影响,使搜索能更快地向最优解靠近,弥补了简单遗传算法自身的盲目性,加速了算法的收敛速度,实现了异步系统下高效、快速的多用户检测．     

最优家族遗传算法

从种群规模和个体空间的角度分析了影响遗传算子性能的因素，在遗传算法(GA)的基础上设计了一种搜索区域可变、群体规模可变的最优家族遗传算法(OFGA)，该算法提出了在优良解附近构造最优家族，最优解搜索将在这个微型空间中进行，在有限的时间内搜索到更优基因的家族将获得生存的权利．由于每一个家族的搜索区域大幅度减缩，伴随着种群规模的减缩，因此提高了算法的收敛速度，家族个体空间大小不变提高了解的精度．最后，给出了3个典型函数的模拟例子，通过与GA的对比结果看到，OFGA在数量级上提高了收敛速度，使最优解的精度也有很大提高，说明新的算法具有应用的潜力。     

链码描述图象的快速恢复研究

给出一种新的链码描述图象的快速恢复算法，在对已有图象恢复算法的不足之处及对链码结构所具有的特点进行充分分析的基础上，算法将区域的链码描述转换成应用广泛的表结构表示，避免了传统图象恢复算法中的奇异性处理问题，提高了图象恢复速度，并可对多彩色图象进行处理。该算法在内点测试、集合演算中得以推广应用。     

基于邻域一致性测度的链码改进方法

从图像中提取出的目标边界曲线由于受噪声的影响,使得相应的边界链码很难与目标形状一致,影响了用链码来分析目标形状．因此引入邻域一致性测度的概念,提出了链码的一种改进方法．利用该方法,对由Canny算子检测得到的边缘图像进行编码．实验结果表明,上述算法明显改善了常规方法对噪声敏感的性能,能有效地使用到链码分析目标形状的预处理中．     

加速微种群遗传算法及其在结构优化设计中的应用

将微种群遗传算法与基于启发式模式移动的局部寻优方法和Aitken Δ^2加速策略相结合,给出了一种加速微种群遗传算法．算法中利用Aitken Δ^2加速策略改进当前种群,利用基于启发式模式移动的局部寻优方法改进子代群体．利用3个数值优化算例测试了算法的性能,表明本文算法具有较好的收敛性和计算效率．最后将其用于桁架结构截面优化设计,10杆平面桁架和25杆空间桁架的优化结果表明,本文算法的计算精度和计算工作量均优于传统的遗传算法．     

一种改进的图像中连通体边界freeman链码的获取算法

本文介绍了一种基于边界追踪的freeman链码获取算法，算法可以快速获取二值图像中连通体边界线的freeman链码，不仅适用于单连通的简单区域，对于多连通的孔洞区域同样有效．