基于乌鸦搜索优化算法的多级阈值图像分割方法

针对传统Kapur熵在多阈值图像分割算法中存在运算量大、计算效率低以及精度不高等问题,提出了一种基于乌鸦搜索优化算法的多级阈值图像分割方法,该方法采用Kapur熵作为计算适应度的目标函数,通过引入乌鸦搜索优化算法求解目标函数最大化时的全局最优问题.实验结果表明:相对于其他方法,本文方法在多个评价指标上都有很好的性能体现...     

无线传感器网络中多基站定位的多目标蚁群算法

根据多目标进化算法思想,提出了无线传感器网络中多基站定位的多目标蚁群算法.该算法用一组蚂蚁并行搜索,用一个蚂蚁所在位置表示一个基站定位,多蚂蚁位置的组合表示多基站的定位.计算单基站和多基站定位的适应度,再根据这两个适应度值调整蚂蚁觅食路径上的信息素,蚂蚁沿着信息素强的方向搜索,不断逼近多目标优化的Parote解,从而获得全局优化的多基站定位解.实验结果表明,该算法求得的多基站定位位置能有效提高网络性能,且适用性强.     

蚁群与遗传算法融合的聚类算法研究

目的 通过将蚁群与遗传算法融合,以解决蚁群聚类算法参数众多且与问题域相关,搜索容易出现停滞现象等问题.方法 将主要影响蚁群聚类算法性能的5个参数作为遗传算法中的染色体进行编码.首先设计遗传算法的选择、交叉、变异算子,进而将用于聚类结果评价的F-measure函数作为适应度函数,通过多次迭代找出最优的参数组合.结果 在仿真实验中,获得了较好的聚类效果.结论 蚁群与遗传融合的聚类算法较蚁群聚类算法有更大的优势.     

基于人工免疫网络的多峰值函数优化

针对多峰值函数优化中常规方法难以同时搜索出多个极值的问题,借鉴生物免疫系统的相关机理,提出了基于人工免疫网络的多峰值函数优化算法,并在一些典型的测试函数上进行性能测试。实验结果表明,该算法具有很好的全局和局部搜索能力,能够较好地保持抗体的多样性,获得多峰值函数的全部或多个优化解。     

用于跳频分量选取的修正适应度距离比粒子群算法

跳频信号参数估计是跳频信号截获、干扰的前提,而传统Cohen类时频分析方法存在核函数选择的瓶颈.结合匹配追踪和智能计算的思想,将多峰函数粒子群优化算法引入跳频信号时频分析领域.在分析粒子适应度和粒子间距2个影响粒子搜索行为的关键因素的基础上,提出了基于改进的适应度-距离比测度的多峰函数粒子群优化算法,并应用于跳频分量自适应选取.该方法不需要跳频信号的任何先验知识和粒子群小生境参数的人为设置.理论分析和仿真结果表明,与基于环形拓扑结构、单一共享适应度信息的粒子群优化算法相比,算法成功率和参数估计精度进一步改善,该方法的邻域搜索机制和跳频分量选取具有可行性和有效性.     

采用群智能算法的多约束问题优化

为了解决约束优化问题,采用一种基于群智能算法优化的多约束问题优化方法.首先构造同时计及约束条件和优化适应度的目标函数,然后分别利用粒子群算法和人工蜂群算法优化其函数,从而获得约束条件下的优化解.仿真结果表明,该多约束问题优化方法是可行性的,人工蜂群算法比粒子群算法具有更好的搜索和收敛能力.     

受时间、空间约束VRP问题蚁群优化模型及算法的研究

蚁群算法求解组合优化问题是当今智能优化算法的发展方向之一.通过对M.Dorigo提出的传统蚁群优化元启发模型改进,提出了多参数约束蚁群优化元启发式模型.该模型将所有优化约束条件映射为影响人工蚂蚁搜索行为的诱导素;模型中的人工蚂蚁智能行为简单,只根据信息素和诱导素在求解空间中进行搜索,而不进行复杂的运算;该模型减少了人工蚂蚁的求解搜索空间.并通过受时间、空间约束问题VRP(Vehicle Routing Problem)验证了本文提出模型算法较传统蚁群算法简单、收敛性快.     

A*算法与蚁群算法相结合的无人艇巡逻路径规划

针对无人艇海上巡逻路径规划问题,提出了一种A~*算法与蚁群算法相结合进行最短巡逻路径优化的方法.在传统A~*算法的八角度搜索基础上,设计了一种多角度A~*算法以获得更短的两点之间可行路径,并以A~*算法搜索结果构建任意两个巡逻点之间的最短路径网络.结合最短路径网络建立多点巡逻路径规划问题的目标函数,利用蚁群算法进行求解以获得全局最优的巡逻路径.针对巡逻路径转折角较大的问题,提出了一种平滑算法以获得更符合实际航行需求的平滑路径.仿真结果表明:该方法有效地去除了冗余节点,缩短了路径长度,提高了路径平滑度,规划出了一条更优的无人艇巡逻路径.     

基于遗传算法的铁路纵断面优化设计方法

针对传统的铁路纵断面优化大多采用局部优化的方法,提出了一种基于遗传算法的铁路纵断面优化方法,这种方法可以在一个可行域中自动搜索获得一个最优或较优解。其基本思想是首先根据纵断面初始解建立一个可行域,对解个体进行编码,然后对可行域中的可能解用一个评价函数(适应度)进行度量,对解个体进行选择、交叉、变异,从而获得最优解。该方法具有全局解空间搜索能力,从而实现了全局寻优的目的。     

一种新的混合粒子群优化算法

将禁忌搜索思想引入粒子群优化算法中,改进惯性权重,添加罚函数重新构造适应度函数;在此基础上,提出了一种基于禁忌搜索的新的混合粒子群优化算法(NHPSO),通过4个标准测试函数实验,结果表明:NHPSO算法比基本粒子群优化算法(PSO)具有更好的全局寻优能力、更快的收敛速度以及获得更高精度解的能力。