基于多任务判别器的图像阴影去除算法

针对现实生活中存在的阴影对于计算机视觉任务产生不利影响,现有图像阴影去除算法有效性与准确性低的问题,提出了一种基于生成对抗网络的阴影去除方法.该方法主要包括两个部分,采用了U-Net网络结构作为生成器部分的网络,用来提取图像中的有效信息,同时在生成器网络中引入自注意力机制,提高网络对阴影区域特征的关注度;采用多任务网络结构的判别器,通过对生成器生成图像的整体区域、局部区域以及与约束条件的匹配程度,进行多方面的鉴别,用来提升判别器鉴别能力,进而督促生成器,生成更加符合真实情况的无阴影图像.该方法在公开数据集ISTD上进行实验,实验结果表明所提方法在图像的结构相似性上以及峰值信噪比方面均有所提升.     

求解PFSP问题的多粒子群协同学习算法

针对以最小化最大完工时间为目标的置换流水车间调度问题,提出了一种多粒子群协同学习算法。该算法在协同粒子群算法的基础上,采用了精英库种群和普通种群共同进化框架,重新构造了学习交流方式。精英库种群采用改进的综合学习策略,普通种群中的每个子群采用经验指导的精英学习策略进行局部搜索。此外,还引入了精英迁移策略,促进整个种群的信息交流与协同进化。通过在不同规模问题的实例与另外两种优化算法进行比较,仿真结果表明了该算法在解决置换流水车间问题上的有效性。     

基于膜计算的蚁群算法在配电网WSNs中路由研究

针对智能配电网WSNs数据传输可靠差、节点能量消耗快、网络生存周期短和路由空洞等问题,研究一种膜计算-蚁群路由(Membrane Computing-Ant Colony Routing,MCACR)算法;通过在状态转移函数中引入动态补偿因子,避免了MCACR算法因信息素过高出现过早停滞现象;利用膜计算膜内运算和膜间运算的并行能力,结合引入的最优路径衡量公式,进行多路径并行搜索获取到最优的路径,提高了MCACR算法的局部和全局收敛的能力;通过定义路由修复机制,使得MCACR算法避免了路由空洞;仿真结果表明:MCACR算法在数据的可靠路由方面有明显增强,实现节能要求以及延长了网络寿命。