基于个体差异移民的改进元胞遗传算法

针对灾变元胞遗传算法中的精英策略,在求解具有欺骗性的优化问题时易陷入次优解的情况,分析了几种移民策略。提出了一种基于个体差异的新移民策略,在灾变发生后,灾难区域以这种新的移民策略迁移个体。通过两个具有欺骗性典型函数的实验,表明在灾变机制元胞遗传算法中采用新的移民策略能提高数值优化函数的精度和收敛率,具有更好的全局搜索和局部搜索性。     

基于ObjectARX开发轴类零件的参数化绘图方法

基于ObjectARX二次开发工具的特性 ,通过对现有的参数化设计方法的分析 ,给出了轴类零件一种切实可行的参数化绘图设计方法。该方法设计界面友好 ,能简洁高效地实现交互式参数输入 ,由结构构建零件图形等功能。     

基于捕食机制的元胞遗传算法

提出了一种基于捕食机制的元胞遗传算法,当优化复杂多模函数时,该算法进一步提高了全局探索能力.算法通过模拟生态系统捕食与被捕食之间的相互关系,采用捕食机制替代元胞遗传算法中的演化规则,使得遗传个体生存与死亡状态的演化既与其适应度相关,又与邻域内捕食及被捕食个体密度相关,并通过群体规模控制策略维持捕食与被捕食群体间的个体数目动态平衡,实现了全局搜索与局部寻优之间更好的协调与均衡. 对典型的多峰函数进行优化的实验结果表明,该算法在抑制早熟收敛以及提高全局收敛率方面获得了明显的优势.     

改进的EMD算法及其在条带间距测量中的应用

经验模式分解(EMD)是一种非平稳信号分析方法,存在边缘效应. 针对此问题,文中用线性预测对信号进行端点延拓,增加附加的极值点来拟合包络线,以实现准确的经验模式分解,并通过数值实验验证了该方法的有效性. 根据疲劳断口图像中条带间的距离呈准周期性,可对其进行经验模式分解,分别算出水平和垂直方向上的条带间距,并通过三角转换关系得到相邻条带间的实际距离. 对实际疲劳断口图像中条带间距的测量表明,把改进的经验模式分解应用到条带间距测量是有效的.     

自适应调整选择压力的灾变元胞遗传算法

对于遗传算法而言,全局探索和局部寻优能力之间的平衡影响算法的性能,选择压力就代表着这个平衡.只有当全局探索和局部寻优之间的平衡达到最佳化才能够使算法又快又精确的寻求到全局最优解.随着算法运行,种群结构不断的变化,选择压力也在不断变化.分析研究了灾变元胞遗传算法的选择压力,根据种群多样性和种群收敛度,提出一种基于灾变参数调节选择压力的自适应元胞遗传算法.通过两个典型函数优化实验,表明选择压力自适应调节可提高算法性能,并得出这两个函数在寻优过程中的最佳选择压力变化规律,这为自适应算法设计提供了一种新的途径.     

MRI的脑部肿瘤分割及其三维重建

脑部肿瘤精确分割和三维重建的研究对脑部肿瘤疾病的诊断具有重要意义.提出一种全自动的脑肿瘤分割方法,该方法首先利用人脑结构信息的对称性,通过区域生长法实现脑肿瘤的粗略分割,然后将粗分割区域作为初始水平集轮廓,利用改进的测地线活动轮廓(geodesic active contours, GAC)模型进一步精确分割.经实验分析可知,该模型具有良好的分割灰度不均匀的弱边缘能力.最后对分割出的脑部肿瘤序列图像进行面绘制重建及其可视化,以此为脑肿瘤研究提供更多维度的信息.