基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为M IT技术应用提供了理论参考.     

基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(...     

基于评价指标的EIT算法参数选择方法研究

为客观准确地选择EIT算法参数,采用8种评价参数指标对共轭梯度算法的迭代次数和Tikhonov正则化算法的正则化因子的选择进行研究.首先,构建EIT正问题模型,并求得两种算法的逆问题解;然后,根据8种评价参数的定义,获得图像重建时的最佳参考值范围:共轭梯度迭代算法的迭代次数在70~80次,正则化因子的取值范围为0.01~0.1.为了验证上述结论,重建EIT图像,并进行对比分析.结果表明:基于评价指标获得参数重建图像的效果更令人满意;针对参数选择,提出的方法可为其他电阻抗图像重建算法提供一种客观的评价依据,为EIT图像质量评价体系的构建奠定基础.     

脑磁感应断层成像技术的敏感性分析及图像重建

为了分析脑磁感应断层成像(MIT)技术的敏感性,利用三层同心圆的简单头模型讨论了颅内血肿电导率大小、颅内血肿面积、颅内血肿位置及颅骨电导率大小对接收线圈上感生电压的影响,并利用变差正则化方法对三个不同位置的血肿进行了仿真重建.仿真结果表明:低电导率的颅骨对接收线圈上感生电压的影响不大,且利用变差正则化方法所获得的重建图像可以大致反映出颅内血肿的位置和大小.与Tikhonov正则化方法相比,重建图像的质量也得到了一定的提高,所以此方法为脑MIT的图像重建提供了一种有效的途径.     

电阻抗成像正则化参数的优化方法

为改善电阻抗成像逆问题的不适定性,通常采用Tikhonov正则化算法来求得适当的解。正则化参数对重建图像的质量和计算速度影响较大。笔者提出了一种基于残差范数和解范数乘积的优化方法(PRS)求取电阻抗成像的正则化参数。为验证该方法的有效性,笔者针对不同的目标大小、目标位置、目标电导率、目标数目以及不同程度的噪声分别进行了重建图像的仿真实验和水槽实验。结果表明：这种优化方法可以快速找到相对最优的正则化参数,且具有良好的抗噪性能。与传统的L曲线方法相比,提高了图像重建质量。     

三维电阻抗成像中混合正则化算法

为解决三维电阻抗成像(electrical impedance tomography,EIT)逆问题的病态性和改善重建图像质量,在对比研究Tikhonov正则化和一步牛顿法(Newton’s one-step error reconstructor,NOSER)的基础上,提出基于这2种算法的混合正则化算法。采用归一化均方距离判据和归一化平均绝对距离判据,为判断重构图像和原始图像的差异提供一种量化的客观标准。仿真计算和物理模型实验结果表明：混合正则化算法与Tikhonov正则化、NOSER正则化相比,不仅降低了雅克比矩阵的条件数,使逆问题由病态转为良态,还提高了目标物体的空间分辨率,有效改善了图像质量。该混合正则化算法对三维EIT的图像重构是有效的、可靠的。     

基于三维模型的改进正则化ERT成像算法

电阻层析成像（ERT）通过对被测场边界注入电流,测量被测场电压变化,重建物场内电导率．针对ERT成像分辨率低,提出一种基于三维模型的改进Tikhonov迭代电阻成像算法．针对Tikhonov正则化参数选择问题,提出基于同伦映射的方法,并利用非线性函数Sigmoid调节正则化参数,以获得的图像灰度值作为Tikhonov迭代法的初始值进行迭代,重建敏感场图像．仿真及实验结果表明,该方法有效地改进了ERT图像质量．     

几种漫射光学成像图像重建算法的比较研究

针对漫射光学成像(DOT)选择不同的逆问题求解算法将直接影响成像质量的问题,对4种常用重建算法的重建效果进行了比较研究,采用双异质模型,利用Rytov方法对扩散近似方程进行近似,假设散射系数是已知常量,重点关注吸收系数图像的重建.通过使用Tikhonov正则化、截断奇异值分解(TSVD)、代数重建算法(ART)和同时迭代重建技术(SIRT)4种常用重建算法,对不同条件下的双异质图像的逆问题进行求解,研究不同算法重建后图像的空间分辨率、抗噪声能力和成像速度.研究结果表明:低噪声条件下,Tikhonov正则化算法重建图像的空间分辨率最好;当信噪比小于20 dB时,TSVD算法具有最佳的抗噪声性能;当源-探测器结构不变,成像的感兴趣区域的尺寸和体素划分固定时,Tikhonov正则化算法的速度最快.总体上讲,子空间技术优于代数重建技术,研究结果对不同成像条件下选择合适的重建算法具有一定的指导意义.     

多孔隙介质参数识别的正则化模拟退火法

针对二维多孔隙介质波动方程的参数孔隙率的识别问题,考虑模拟退火法的全局收敛特性,结合求解不适定问题的Tikhonov正则化方法,构造出正则化模拟退火算法.数值实验的结果表明此算法能够有效地处理参数识别问题.     

一种新的正则化图像重建算法及参数优化

针对电学层析成像技术的反问题求解,提出一种新的正则化图像重建算法及正则参数选择方法.采用最小二乘拟合法构建正则参数与评价参数的Matlab数学模型,取极值获得正则参数值;利用COMSOL Multiphysics建立仿真场域,最后利用Matlab求解反问题,重建图像.通过对重建图像及评价参数的对比分析,验证了方法的有效性.结果表明,所用方法及正则参数能够有效改善反问题的病态性,使反问题的求解质量最优.     

基于混合粒子群算法的农情监测无人机路径规划

用无人机对果树病虫害进行巡航拍摄是有较大潜力的农情监测方法,本文以飞行时间最短为目标,建立了农情监测无人机路径规划的数学模型。结合遗传算法、模拟退火算法的思想,在粒子群算法中引入交叉、变异、替换操作,提出了一种混合粒子群算法来求解无人机路径规划的数学模型。实验表明,无人机路径规划数学模型可以被混合粒子群算法有效求解,且混合粒子群算法的性能优于遗传算法和模拟退火算法。     

自动化立体仓库固定货架拣选路径问题研究

为提高自动化立体仓库拣选效率,以存取时间最短为目标,针对单巷道固定货架拣选作业过程,构建了解决拣选作业路径优化问题的数学模型,提出结合模拟退火算法的混合粒子群算法.该算法在求解过程中用粒子群算法初始化种群,提高了优化效率,缩短了搜索时间;在迭代过程中采用模拟退火算法,利用其概率突跳能力,以避免基本粒子群算法迭代过程中陷入局部最优和早熟收敛.通过实例验证,该算法比标准粒子群算法所用时间短、收敛速度快、迭代次数少.     

混合粒子群MP算法在脑电信号分析中的应用

目的开辟脑电信号分析的新途径。方法将混合粒子群算法与MP算法相结合,对脑电信号进行重构。结果混合粒子群MP算法不但极大地提高了信号稀疏分解的速度,而且还能够取得良好的重构效果。结论混合粒子群MP算法可以作为脑电信号分析的新方法。     

基于 SADPSO 的 MPRM 最小化算法

针对混合极性Reed-Muller(mixed-polarity Reed-Muller,MPRM)逻辑最小化问题,提出一种基于SADPSO (hybrid simulated annealing and discrete particle swarm optimization)的智能算法.该算法将模拟退火(simulated anhealing,SA)与离散粒子群优化(discrete particle swarm optimization,DPSO)相结合,对DPSO所得到的最佳解应用SA,帮助算法跳出局部极小.使用所提出算法和已有智能MPRM最小化算法分别对23个MCNC基准电路进行逻辑最小化,并对算法结果质量进行定量评价.结果表明,与已有智能MPRM最小化算法相比,所提出算法具有更好的全局收敛能力,能够提高算法结果质量.     

基于可靠性的供应链设施选址问题的优化模型

针对传统设施选址模型片面追求成本最小化而忽视供应链系统服务水平的情况,建立了一个基于容量有限制的供应链设施选址可靠性问题的多目标优化模型(RCFLP),并针对模拟退火算法与粒子群算法的优缺点,提出了一种混合型智能算法—模拟退火粒子群算法。通过收集中国各个省的人口和各个省会的相互之间的距离数据,构建实例,通过本文建立的模型与模拟退火粒子群算法进行了求解, 并对结果进行了分析,将模拟退火粒子群算法计算结果与模拟退火算法和粒子群算法的计算结果相比较,证明了模拟退火粒子群算法的可以较快地获得较好的全局最优解。     

求解作业车间调度问题的混合QPSO算法

文章使用混合量子粒子群优化算法求解作业车间调度问题,并设计了一种基于工序的编码方式;为了克服量子粒子群优化算法容易陷入局部最优的缺点,将模拟退火算法引入量子粒子群优化算法,使算法具有跳出局部最优的能力并增强其全局搜索能力,形成量子粒子群-模拟退火调度算法;仿真结果表明,混合算法具有良好的全局收敛性能.     

基于熵的混合粒子群算法在柔性调度中的应用

为了更好地求解大规模柔性车间调度问题,提高柔性车间调度算法的寻优性能,提出一种基于熵的混合粒子群算法.该算法把粒子群算法、遗传算法和模拟退火算法相结合,同时用种群熵自适应调节惯性系数和变异概率,以增强算法的寻优能力和克服算法的过早收敛.典型实例仿真结果表明,该算法能更好地求解柔性车间调度问题,与传统的优化算法相比,在优化精度上具有明显的优越性.