一种求解H2/H∞控制问题的局部正交多目标遗传算法

针对H2/H∞多目标控制问题的求解,提出一种新的混合多目标遗传算法,以解决遗传算法局部搜索能力差的不足.此算法首先运行多目标遗传算法,以便使解集快速地达到Pareto最优解附近,然后运用一个新的局部优化算法对先前得到的外部Pareto解集进行进一步的局部优化.实例仿真表明,此算法有较强的全局和局部搜索能力,可以提高搜索的效率,适用于绝大多数H2/H∞多目标问题的求解.     

改进线性外推法预估器的手势跟踪

针对动态手势识别系统手势跟踪问题,提出了一种基于改进线性外推法预估器的手势跟踪算法.该算法用前两帧的平均位移作为未来帧的位移预测,提高了预测精度;采用5点直线拟合,根据拟合直线斜率判断目标遮挡和重叠状态下的运动方向,克服了由于手势目标质心变化引起的预测位置偏离实际目标的缺陷.实验结果表明:所提出的算法能准确稳定地跟踪手势目标,平均预测偏差缩小到3.374像素,并且能在手势被遮挡和手势重叠的情况下实现有效跟踪.     

一种带差分进化策略的多分布进化算法

结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法（multi-distribution evolutionary algorithm with differential evolution,MDEA_DE）。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。     

基于Logistic混沌映射的改进麻雀算法

针对麻雀搜索算法(SSA)在迭代后期种群多样性减少,易陷入局部最优等难题,提出了一种基于Logistic混沌映射的改进麻雀算法(LCSSA).利用Logistic混沌映射初始化种群,提高了初始解的质量,增加了种群多样性,利用线性递减权重法,降低了群体智能算法容易早熟的风险,避免算法后期容易在全局最优解附近发生振荡现象.依据8个基准函数对改进后算法与改进前算法进行性能对比测试.测试结果表明,LCSSA相较于SSA具有更快的迭代收敛速度、更高寻优精度且兼顾更好的稳定性.     

模板在线聚类的目标跟踪

针对基于模板的目标跟踪算法存在模板冗余高、难以适应非刚性目标外观多变的问题,提出一种基于粒子滤波的模板在线聚类目标跟踪方法.首先建立用于描述目标和背景的正、负模板集,然后抽取候选粒子,使用候选粒子与正、负模板集的类内距离以及正、负模板集之间的类间距离来构建似然函数,最后依据最大后验概率准则确定最佳候选粒子作为跟踪结果.根据视频序列中连续变化的目标状态,将一定范围内的相似目标状态视为一个状态类,确定当前状态类的聚类半径.采用均值漂移算法对正模板集及最近几帧跟踪结果进行聚类,并将聚类后的中心集作为新的正模板集.实验表明,该算法能保留目标不同的外观状态,在复杂情况下仍能准确跟踪目标.     

多模块稀疏投影在密集场景目标跟踪中的应用

提出了一种包含随机运动的复杂密集场景下的目标跟踪方法. 在跟踪算法中,将稀疏模型与多模块彩色特征相结合,并通过将其转化为l1正则化最小二乘问题实现对特征的稀疏投影. 跟踪过程中利用粒子滤波得到预测跟踪点,并将对应于最小投影差的预测点模块作为最优跟踪. 为适应特征变化,在跟踪完成后根据新的跟踪结果自动更新目标模板. 大量包含遮挡和光照变化的不同类型密集场景测试验证了该方法的有效性,与其他算法的比较说明了其优良性能.     

基于动态区域划分的多种群进化算法

针对多种群进化算法中解空间无法准确划分的问题,在进化过程中利用云模型估计优化问题.根据云估计与原问题的差异动态划分解空间;采用聚类算法构建多个子种群,并设计异构进化策略;对区域划分的有效性进行理论分析,证明划分方法能准确缩小搜索空间.实验分析表明:所提出的划分策略既可降低优化问题难度,又能提高算法的有效性与可行性.     

图书馆大规模日志数据的快速聚类

给出了一种简单有效的算法，用于对图书馆大规模日志数据的快速聚类和借阅趋势分析。首先，根据读者基本的借阅规律，把日志数据聚成若干子类，然后，给出了对子类结果进行再次聚类的模糊算法。最后，为了预测读者的借阅趋势，对每一类进行了回归分析。该算法具有线性复杂度，对大规模数据集是可伸缩的，实验证明是可行的。     

动态环境下基于混合记忆策略的遗传算法

为了有效地处理动态优化问题,提出一种短时记忆与长时记忆相结合的混合记忆策略. 被记忆的信息由最优个体与种群概率向量组成. 短时记忆作用于进化过程中的每一代,对记忆中的信息进行提取并构建下一代的种群;长时记忆仅在环境发生变化时产生作用,取新环境中最优的一组信息对短时记忆进行赋值. 该文首先构建了动态环境下基于混合记忆策略的遗传算法,然后在非周期、周期和带噪声周期动态环境下进行算法的性能验证. 实验结果表明,新算法处理动态优化问题的能力优于同类算法.     

一种新环境选择策略的多模态多目标优化算法

为了获得多模态多目标优化问题较优解集，本文针对差分进化算法提出了一种新的环境选择策略，一方面通过保留种群中非支配解确保目标空间的收敛性，另一方面通过和参考向量关联获得目标空间分布性较好的种群，通过同时考虑目标空间收敛性和决策空间多样性来选择下一代父代个体。在11个多模态多目标测试函数上的结果表明，本文算法在求解多模态多目标优化问题上是有效的。     

基于一种改进人工蜂群算法的认知无线电频谱分配

摘要：为提高人工蜂群算法的开采能力和收敛速度,在人工蜂群算法中引入动态加速因子和种群自适应比例因子,得到一种新的动态加速种群自适应人工蜂群算法. 将认知无线电TV频段频谱分配模型中的分配矩阵与动态加速种群自适应人工蜂群算法中的可行解相对应,分别以网络效益最大化和比例公平性为目标函数,实现了空闲TV频段频谱的合理分配. 仿真结果表明,与其他算法相比,该算法能更好地实现网络效益的最大化以及用户之间的比例公平性.     

基于当前最优解的反向差分进化算法求解函数优化问题

当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.     

基于模拟退火思想的优化k-means算法

鉴于典型的基于划分的聚类算法——k-means算法中存在局部最优和算法执行速度慢等问题,提出了基于模拟退火思想的优化k!means算法.该算法将模拟退火思想用于对k-means算法的优化,是一种具有全局最优解和较高执行效率的算法.针对聚类算法典型数据集和随机产生的数据集,在不同情况下进行对比实验.实验结果表明,优化k-means算法优于基本的k-means算法。     

具有对偶知识的文化算法

传统文化算法的知识对于进化过程的影响是统一进行的,而知识的趋同性导致算法易早熟收敛于局部最优解. 为此,提出一种新的由当前种群最优个体及其所在区域,以及当前个体共同确定的对偶知识. 当对偶知识指导个体进化时,不同个体的进化方向由相对应的对偶知识所确定. 对复杂函数进行了测试,所得数据表明该算法有良好的全局收敛能力及解决高维优化问题的能力.     

改进最优梯度法在光伏发电系统MPPT中的应用

在外部环境变化时,很难快速有效地对光伏发电系统最大功率点进行跟踪。传统最优梯度法在跟踪光伏发电系统最大功率点时响应速度慢且存在振荡问题,本文提出了一种结合模糊控制(Fuzzy logical control,FLC)和最优梯度法(Optimum gradient method,OGM)的光伏发电系统最大功率点跟踪(Maximum power point tracking,MPPT)方法。当系统功率距离最大功率点较远时,利用最优梯度法进行跟踪,当达到最大功率点附近时,利用模糊控制算法进行跟踪。仿真结果表明,所提出的改进方法可以有效地进行最大功率点跟踪,解决了最优梯度法在最大功率点处振荡的问题,跟踪速度提升了64%,在外界环境快速变化时也可有效地进行最大功率跟踪。     

结合类别信念的AdaBoost算法(英文)

集成学习是一种受到广泛认可和使用的机器学习算法.为此提出一种新的多类集成学习算法,即AdaBoost belief.此算法改进多类集成学习算法AdaBoost·SAMME,使每个基分类器对于每个类别都有权重信息.这种类别上的权重被称为类别信念,可通过计算每次迭代中各个类别的正确率得到.将所提出的算法与原有的AdaBoost·SAMME算法从预测准确率、泛化能力以及理论支持等方面进行比较发现:在高斯数据集、多种UCI数据集以及基于日志的多类别入侵检测应用中,该算法不但具有更高的预测准确率和泛化能力,而且当类别数目增加,即类别更难以预测时,其分类错误率较原有AdaBoost·SAMME算法上升得更缓慢.     

面向增强现实协同式车间布局的三维注册算法

提出了一种基于磁跟踪装置的自适应区域基准的三维注册算法并应用于增强现实车间布局中.该算法的基本思路是把磁跟踪发射器的半球空间划分为N个区域,每个区域都有相应的基准,当磁接受器到达每个区域时,自动地利用该区域的基准来注册定位.为验证所提出的算法,开发了一种网络环境下支持多用户协同设计的车间布局原型系统.系统运行及误差分析结果表明,此方法相对于直接使用跟踪装置的注册算法而言,精度及鲁棒性均有所提高,能较好的满足大环境下车间布局的精度和广度的要求.     

飞机环控/发动机系统多目标优化

提出一种改进的多目标粒子群优化算法,应用于飞机环控/发动机系统的综合优化. 将不同飞行阶段系统总熵产最小视为不同的目标函数,建立了多目标优化模型. 进而在基本多目标粒子群优化算法基础上,引入跳转操作、族群概念和一种全局最优位置分配方法,提出了一种改进算法,测试结果表明该算法性能良好. 采用该算法对多目标优化模型进行计算,得到收敛且分布均匀的非劣最优解集,为飞机系统综合优化提供一种新思路.     

基于BP网络的三值动态矩阵控制算法的实现

通过具体分析动态预测控制算法在工业应用中存在的实际问题,提出了一种三值动态矩阵控制算法,该算法主要在优化性能指标函数式中真正地建立了"头、中、尾"3点约束.仿真结果表明,该算法具有系统跟踪精度高、鲁棒性好等优点.同时,针对慢时变、大时延和不确定性系统的跟踪问题,提出了一种基于BP网络的三值动态矩阵控制算法.该算法在三值动态矩阵控制算法的基础上,利用一个3层BP神经网络对被控对象进行辨识.通过仿真,验证了所提算法的有效性.     

动态环境下混合生产的Makespan调度方法

针对动态生产环境下混合生产的最小完工时间(Makespan)调度问题,借鉴于预测控制的思想,用滚动优化的原理求解.提出可操作集的概念,将动态环境下的调度问题合理分解,并将所得的子问题规范化,并给出适用小规模问题的基于混合整数规划的算法,对于较大规模的问题给出快速收敛的启发式算法.仿真算例表明方法的可行性.