运用多帧序列图像估计运动参数的一种改进算法

根据ＨｏｒｍｏｓＳｈａｒｉａｌ和ＫｅｉｔｈＥ．Ｐｒｉｃｅ导出的运动参数估计方法，提出一种新的改进算法，并将改进算法与原算法进行了比较．从实验结果可以发现，改进算法比原算法具有更多的优点．     

一种无导师自学习的人工神经网络模型——自适应谐振理论ART的改进及应用

概述了目前各种人工神经网络模型的特点及优劣，在此基础上着重介绍一种无导师的在线学习模型——自适应谐振理论ART，并给出其具体算法步骤．详细分析该传统ART算法的实质，指出其合理及不合理处，并就其不合理处提出改进算法（已在AST486上实现）．作为对改进算法的验证，给出了一个“字符识别“的应用实例，改进算法无论在学习过程上还是在识别结果上都比传统算法更类似于人脑．     

基于Logistic映射的分组密码算法研究及其应用

针对传统分组加密算法仅仅依赖于算法设计，初始密钥始终不变的不足，提出利用Logistic映射改进分组密码算法的思想．实现了基于混沌序列的DES算法，先用Logistic映射定时迭代产生的伪随机序列，然后经过变换后作为DES算法的密钥，使其分组加密算法得密钥也处于不断的变化之中，从而提高加密强度．并给出了改进算法加密图像数据的应用实例，分析比较了改进后的算法和传统分组密码算法在安全性和抗破译性方面的性能．     

运用多帧序列图像估计运动参数的一种改进算法

根据Ｈｏｒｍｏｓ Ｓｈａｒｉａｔ和Ｋｅｉｔｈ Ｅ．Ｐｒｉｃｅ导出的运动参数估计方法，提出一种新的改进算法，并将改进算法与原算法进行了比较，从实验结果可以发现，改进算法比原算法具有更多的优点。     

模糊k-prototypes聚类算法的一种改进算法

模糊k-prototypes算法是当前聚类分析中最有效算法之一．简述了模糊k-prototypes算法的发展进程和主要性质；并在此基础上．指出它在处理数值型和分类型混合数据时的不足，进而提出一种改进算法；最后，将算法应用到英语借词之中，给出计算结果．结果表明，改进算法具有较好的稳定性和较高的精确度．     

基于改进粒子群算法的损伤检测数值仿真研究

结构损伤检测在数学上常转化为约束优化问题．首先介绍了粒子群算法（PSO）的基本理论，并在分析传统粒子群算法容易陷入局部极小原理的基础上，提出了旨在增强粒子群算法后期粒子摆脱局部极小能力的改进粒子群算法（IPSO）．5个常用测试函数的测试结果表明，改进粒子群算法的性能优于传统粒子群算法．最后通过两层钢框架多种损伤工况的数值研究，进一步验证了改进粒子群算法的优越性及其应用于损伤检测领域的可行性．     

基于BP神经网络的压力传感器非线性校正方法

采用BP多层前馈神经网络及其改进算法对传感器特性进行补偿，有效地改善了BP传统算法收敛慢、容易收敛到局部最小点的缺陷，并编制了训练程序．结果表明，经BP改进算法处理后，传感器性能大幅度改善，网络的收敛速度更快，精度更高．     

一维下料问题的改进自适应遗传算法

提出采用改进的自适应遗传算法与求解此类问题的一般算法——BFD算法相混合，构成一种改进的自适应混合遗传算法(MAHGA)．并将其与另一种新的求解此类问题的EPFF算法进行了精度、速度等方面的比较．结果表明，本文方法可以取得较为满意的效果．文章最后给出了一个实例．     

0FDM信号在时变信道中的性能分析与改进接收算法

信道的时变性对OFDM信号的传输质量产生较大的影响．该文分析了在时变信道中OFDM系统的性能，并在此基础上提出了一种改进的接收算法．试验结果表明，改进算法的信噪比得到明显改善．     

基于模拟退火算法的最优码本设计

分析了矢量量化码本设计基本算法及其不足，给出了完善的局部最优的改进算法及其实现．简介了模拟退火算法的基本原理，并利用模拟退火算法进行全局最优码本设计，文中给出了具体的算法实现和实验结果．     

改进的基于局部搜索策略的生物地理学优化算法

为了提高生物地理学优化（BBO）算法的优化特性,提出一种改进的基于局部搜索策略的生物地理学优化算法（ILSBBO）。改进的算法将差分进化算法的局部搜索策略与BBO算法的迁移策略进行结合,并引入了差分进化算法中的选择操作。在13个基准测试函数上,对改进的算法、基本BBO算法,以及基于BBO的混合差分进化算法（DE/BBO）进行比较,结果表明改进的算法优于所比较的其他两种算法;此外,改进后的算法在收敛速度上也优于基本BBO算法。     

基于改进莱维飞行的狼群算法及其在翼型气动优化设计中的应用

智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法,并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力,将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合,在增加收敛速度的同时,保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷,引入高斯核函数自适应调节莱维飞行的搜索步长,以增加其搜索效率;引入四元法,以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证,表明改进算法在优化效率和全局寻优能力方面均优于原始算法。     

基于PPSO算法的电力系统无功优化

电力系统无功优化可以降低系统的有功损耗,保证系统运行的安全性和经济性.采用向量粒子群优化（PPSO）算法求解电力系统无功优化问题,在算法中通过初始化得到向量的相位角,并将相位角引入速度更新过程,这样可以更有效地提高搜索精度.在IEEE-14节点系统中,采用PPSO算法、标准粒子群优化算法、随机惯性权重粒子群优化算法和改进吸引排斥粒子群优化算法进行无功优化仿真实验对比,结果表明,PPSO算法可以更好地降低有功损耗.     

基于Tent映射NSGA-II算法的微电网多目标优化方法

为提高微电网运行的经济性、降低网络中的碳排放量和有功功率损耗,文中提出一种基于Tent混沌映射NSGA-II算法的微电网能量优化管理方法。该方法采用双层能量优化管理：上层采用模糊管理系统确定微电网运行模式,下层采用改进NSGA-II算法对能量进行优化管理。首先在多约束条件下,建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型。其次在多目标优化数学模型求解过程中,引入Tent混沌映射方法来增加NSGA-II算法的种群多样性,以提高算法的全局搜索能力,同时利用隶属度函数确定微电网能量优化管理策略。最后运用欧洲一典型微电网作为算例,验证所提出的能量管理方法、容量配置优化模型以及改进NSGA-II算法的合理性和有效性。仿真结果表明：改进NSGA-II算法具有良好的优化效果,使得微电网运行的经济性得到了显著提升,较传统算法提高了14.55%;碳排放量有所降低,较传统算法减小了3.10%,可实现对微电网多目标的优化。     

基于改进灰狼算法的并网交流微电网经济优化调度

为了提高微电网的日运转经济效益,本文构建了并网模式下交流微电网运转结构图,建立了并网模式下交流微电网日优化经济调度数学模型,该模型包含有多个子目标函数、多个约束条件。针对传统灰狼优化算法无法很好均衡算法的全局寻优能力和局部寻优能力,寻优精度差的问题,引进一种基于非线性变化的收敛因子均衡算法的全局寻优能力和局部寻优能力,从而提高灰狼算法的寻优精度。采用改进的灰狼算法和原始灰狼算法对四个基准测试函数进行仿真,实验结果表明改进灰狼算法相较于原始灰狼算法能够获得更优解,初步证实了改进灰狼算法的可行性及优越性,再将改进灰狼算法和原始灰狼算法分别应用于并网模式下交流微电网日优化数学模型求解,通过对仿真结果对比分析,证实了改进灰狼算法的确能够更好的提高并网模式下交流微电网的日运转经济效益。     

激励机制改进蚁群优化算法用于全局路径规划

为提高优化算法搜索能力,分析了基本蚁群优化算法和心理学家斯金纳的强化激励方法的基本原理,将正、负激励原理应用于改进基本蚁群优化算法,提出了基于激励机制的改进蚁群算法,并给出了其数学描述。将改进的算法应用于求解旅行商问题和避碰约束下的最短路径规划问题,并与基本算法进行比较。仿真试验显示,改进的蚁群算法有效搜索到最短路径,实现全局路径优化。由于采用了激励机制,使得种群中所有个体都能够积极向最优解移动,从而更快地找到最优解,其较之基本蚁群算法具有较快的收敛速度,整体性能优越,能够应用于求解路径规划等问题。     

遗传算法在电力系统经济负荷分配中的应用

针对电力系统经济负荷分配问题的特点,应用极大熵理论将经济负荷分配问题转化为可微问题·在分析了遗传算法与传统数学优化方法的不同优势与特性的基础上,将遗传算法与传统数学优化方法相结合引入局部搜索算子实现快速搜索,提出了一种求解电力系统经济负荷分配问题的改进遗传算法·同时,应用多点均匀交叉算子提高遗传算法的全局收敛性能,将种群逐步向最优点进行引导·实例研究结果验证了方法的有效性·     

基于改进自适应遗传算法的舵机系统辨识方法

为了更准确地测量舵机的性能指标,利用系统识别技术来建立其数学模型具有很关键的作用。首先分析并建立电动伺服系统各部分结构模型,然后应用改进的自适应遗传算法(improved adaptive genetic algorithm, IAGA)进行系统辨识,同时将标准测试函数用于改进算法和不同智能优化算法的性能测试。最后将建立的模型作为辨识系统模型进行参数辨识,并将具有不同信噪比(signal noise ratio,SNR)的噪声信号添加到电动舵机的输出端以验证算法的稳定性。舵机实际实验结果表明,该方法参数优化精度高,抗噪声能力强且具有重要的工程使用价值。     

改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性,通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子,提出一种改进的鲸鱼优化算法 。 采用基于切割法的均匀设计种群初始化方法,改善算法初始种群的均匀性;通过引入基于NEWUOA算法的局部搜索算子,提高算法的局部搜索能力;在算法的越界处理方面,提出一种基于环形区间和随机波动的方式,降低算法陷入局部最优的可能;引入了非线性收敛因子和自适用权重,均衡算法的局部和全局搜索,并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验,验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法,在寻优效果和求解稳定性方面具有优越性。 针对混流U型装配线平衡问题,考虑最小化装配线的节拍时间,将改进的鲸鱼优化算法用于问题求解;在解码阶段,设计一种基于阈值的解码方法,优化工序的分配过程;最后计算了21个混流装配线算例,结果表明,改进的鲸鱼优化算法在20个算例中求得了更优解,相较于其它算法,节拍时间平均降低3.02%。     

无线传感器网络节点自适应惯性权重定位算法

在无线传感器网络定位算法中,为了降低定位误差,提高定位精度,提出一种结合DV-Hop算法和改进粒子群算法的,基于自适应惯性权重的优化定位算法。首先根据DV-Hop算法估算未知节点与信标节点的距离。然后采用改进的粒子群算法做后期优化。根据每次迭代后粒子位置与全局最优位置的距离,对粒子的惯性权重进行动态调整,使其具有动态自适应性。并且利用进化度作为搜索中止条件,加快算法的收敛速度。通过仿真说明,相较于DV-Hop算法和基于已有改进粒子群优化的DV-Hop算法,自适应惯性权重定位算法可以降低平均定位误差,有效地提高了无线传感器网络中节点的定位精度。