一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.     

基于改进遗传算法和内点法的无功优化混合算法

文章针对具有离散变量和连续变量共存的高维大规模无功优化问题,采用非线性内点法和改进遗传算法交替求解的混合算法,在迭代的不同阶段,分别对内点法和改进遗传算法进行收敛条件改进,使二者的优化结果互为基础、相互利用,保证了混合算法的整体寻优效率.IEEE118节点系统的无功优化计算表明,所提混合算法可有效提高单一算法的收敛性能和运算速度.     

基于云模型的细菌觅食优化算法

针对细菌觅食优化算法收敛速度慢、容易陷入局部极值点出现早熟的问题,提出一种新的基于云模型优化的细菌觅食优化算法.首先给出了细菌灵敏度的概念,结合云模型随机性和稳定倾向性的特点,运用了X条件云发生器来调整细菌灵敏度,控制游动步长,进行了趋向性操作和复制操作,改进了标准的细菌觅食优化算法,提高了算法的收敛速度.然后利用正向正态云发生器,修正非线性自适应的迁移概率,进行了迁移操作,增强了算法的全局寻优能力.将该算法应用于自动组卷系统中,与遗传算法进行实验比较分析,结果表明:该算法的收敛速度与优化质量均优于遗传算法.     

基于遗传粒子群混合的可重入生产调度优化

可重入生产调度优化问题是个NP难问题,针对可重入生产调度的特点,对该优化问题进行数学规划建模,并通过一些定义将模型映射为有向图,以便于智能搜索算法的应用.结合粒子群算法收敛速度快与遗传算法全局搜索能力强的特点,进行优势互补,并优化设计相关参数,构造了一种混合算法.运用混合算法对供应链优化调度问题模型进行求解,与标准遗传算法、粒子群算法的求解结果进行比较,结果表明混合算法有着更好的优化性能.     

炮射导弹控制系统的多目标二级优化设计

建立了炮射导弹多目标二级优化模型,提出了多目标二级混合遗传优化算法.对第一级多目标函数引入Lagrange乘子向量作为协调变量,采用两级递阶协调法实现多目标的第一级优化;针对遗传算法局部优化性能较差的缺点,将遗传算法与模式搜索法相结合,采用改进的遗传算法实现了多目标的第二级优化.仿真结果表明,所提出的多目标二级混合遗传优化算法收敛速度快,所设计的控制系统性能优于基于权重系数变换法的遗传算法的效果.     

基于遗传算法的产品分配方案研究

建立了产品分配的时变模型 ,并将其分为两层子问题 .下层子问题为基本的运输问题 ,按一般的线性方程求解 ;上层子问题则求系统的最小成本 ,采用遗传算法进行求解 .同时 ,还进行了大量的计算机实验 ,并在实验过程中将遗传算法与实现产品分配时常用的算法进行了比较 .结果表明 :采用本研究所建模型 ,并利用遗传算法进行求解 ,可以取得相当好的效果 ,具有实现简单、收敛时间短等优点 .     

小生境遗传算法优化的BP神经网络模型

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出一个小生境遗传算法优化的BP神经网络模型.该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练,有效解决网络初值不合理的问题,提高网络收敛速度、稳定性.实验证明:与传统方法相比,该模型具有很强的可行性和有效性.     

关联运输调度问题的模糊机会约束规划模型

提出了针对多车场多车型的关联运输调度问题(Multiple-depot and Heterogeneous-vehicle Incident Vehicle Routing Problem)的模糊机会约束规划模型,将问题模型中各个客户的需求量及各供货点库存看成是模糊参数,讨论了如何处理模糊目标函数,并讨论了改进的遗传算法和免疫克隆选择算法,比较其优劣。实验证明,对于求解该模型,免疫克隆选择算法能够快速收敛于全局最优解,优于改进的遗传算法,能有效地解决关联运输调度问题。     

基于退火因子混合遗传算法的离散制造工作量负载优化方法

以Petri网作为工具,描述了物料存储与工作量负载之间的关系,建立一种相应的非线性生产模型.为了避免遗传算法的早熟收敛现象,在选择概率的设计上引入了一个具有模拟退火温度特性的可变因子改进简单遗传算法.一个生产实例的优化结果表明该算法比简单遗传算法较快收敛到近似最优解.     

基于遗传算法的BP网络在机车滚动轴承故障诊断中的应用

提出一种遗传算法（GA）和BP算法结合的神经网络模型优化方案。首先采用自适应交叉概率和变异概率的遗传算法优化BP网络的权值,在进化结束时,能够寻到全局最优点附近的点;在遗传算法搜索结果的基础上,利用局部寻优能力较强的BP算法,从此点出发,进行局部搜索,进而达到网络的训练目标。在铁路机车滚动轴承诊断方面,利用MATLAB仿真实验结果表明,遗传算法与BP算法结合的模型诊断精度为100%,标准BP算法的模型诊断进度为80%,并且提高了网络的收敛速度。说明GA—BP算法模型诊断精度较高,诊断能力得到了改进,遗传算法与BP算法的结合算法可行有效。     

基于改进遗传算法的露天矿运输路径优化

为克服露天矿以等效运距为权重进行路径优化的现实不可行性,建立以时变运输功最小化为优化目标的路径优化模型,用以描述道路网络的随机波动性。首先建立了时变运输功计算模型,并进一步提出基于随机过程的最优化概率模型;最后从改造遗传算法入手,进一步提高解的收敛速度。实验结果显示,较之传统的静态路径规划算法,文中算法不仅能快速获得低能耗的最优化路径,而且能大幅度的提高解的收敛速度,进一步压缩整个运输系统实际工程中的费用成本。算法在实际调度过程中具有更高效的优化效果。     

多峰函数优化的混合遗传算法

研究了2种基于最速下降法和遗传算法的求解多峰函数优化问题的混合遗传算法,以Schaffer函数的全局优化问题和收敛概率、平均收敛时间和平均收敛值等评价指标检验了混合算法的性能.结果表明混合算法的性能优于单独的遗传算法或最速下降法,采用随机方式选择局部优化个体的混合遗传算法性能在总体上优于从每代群体中选择适应度高的个体进行局部优化的混合遗传算法.     

Harmony Search-Dij kstra混合算法在铁路物流中心分层选址中的应用

为了满足铁路集中化运输的要求,基于铁路物流中心的层级特点,结合分层选址的理论和方法,以铁路物流中心覆盖的总需求最大化为目标,提出了铁路物流中心分层选址分配模型.针对铁路物流中心选址分配模型的特点,提出采用求解效率较高的和声搜索算法(Harmony Search,HS)和Dijkstra算法相结合的混合算法进行求解,并通过算例验证了模型的可行性和算法的有效性.为了验证算法的性能,对不同规模下的算法进行多次测试,结果表明当规模较大时,HS-Dijkstra混合算法仍可以在可接受的时间范围内收敛.为了体现算法的计算效率,对大规模下的Harmony Search-Dijkstra混合算法与遗传算法(Genetic Algorithm,GA)进行比较,结果显示Harmony Search-Dijkstra混合算法收敛速度明显优于遗传算法.因此,Harmony Search-Dijkstra混合算法可以有效解决铁路物流中心选址分配问题.     

区域网络化制造资源优化配置的遗传算法模型

对传统算法模型在解决优化配置问题上的缺陷进行分析和研究, 提出一个基于并行遗传算法的资源优化配置算法模型, 考虑到网络化制造系统中资源的特殊性, 编码方式采用二进制编码, 并行模型为粗粒度并行模型. 该模型不但可以在产品全生命周期中的每个环节选1个或多个企业参加, 而且不会遗漏任何一个可行的优化配置方案. 此外, 对该模型的可行性和优越性进行了论证, 给出基于该模型的原型系统运行界面, 通过具体实例验证了该模型的有效性.     

不确定条件下外协生产库存系统控制策略与参数优化

针对协作企业生产能力和运输时间不确定条件下的外协生产库存系统优化控制问题,提出了一种基于生产点和生产批量的生产库存控制策略。用统计概率分布对协作企业生产能力和运输时间的不确定性进行描述,以库存成本、生产准备成本和协作企业生产能力损失成本最小为目标,建立了生产能力和运输时间随机变动条件下生产库存系统控制策略的参数优化模型,设计了一种基于仿真的控制参数优化算法,通过实例对生产库存系统控制策略及控制参数优化算法进行了验证,并分析了生产点和生产批量等参数变化对与外协生产库存系统性能的影响。     

农村配电网开关的优化配置

为了克服应用传统遗传算法进行农村配电网开关优化配置时,由于遗传算法的"早熟"和局部寻优能力较差所导致的难以得到全局最优解的问题,将遗传算法与局部搜索能力较强的模拟退火算法相结合,以遗传算法为主,引进模拟退火算法产生新个体,形成遗传退火算法.同时,采用整数编码策略,以包含停电损失费用在内的总供电成本最小为目标函数,以节点电压、支路过负荷等为约束条件,RBTS-BUS6配电系统作为算例,将遗传退火算法应用于农村配电网开关优化配置.优化结果表明,遗传退火算法避免了遗传算法收敛过快的缺点,保证了所得解的全局最优性,求解精确解的质量优于遗传算法,是农村配电网开关优化配置强有力的工具.     

一种快速遗传算法的性能分析

 针对遗传算法全局优化速度缓慢、搜索的效率对约束惩罚因子的选择有明显的依赖性等问题,介绍了一种能够从可行解空间和不可行解空间同时搜索、具有"精英"保持能力和采用已搜索解集避免了子代的"返祖"和退化现象的快速遗传算法.性能分析表明,该算法为1阶快速收敛的遗传算法,收敛速度优于其它3种算法,而且参数的选择对于算法的收敛速度没有本质的影响,一般在第5次迭代后即可找到全局最优解.     

一种遗传算法交叉算子的改进算法

为了有效克服遗传算法收敛速度慢和易陷入局部极值点的缺点,提出了一种遗传算法交叉算子的改进算法,即采用自适应交叉概率,给不相关大的个体赋予较大的被选概率的配对方式进行交叉操作;在适应度比例轮盘赌的基础上辅以父子竞争的选择操作.二元多峰值Schaffer函数优化的仿真实例结果表明:与保留最优个体策略的遗传算法相比,改进算法能有效减少无效的交叉操作,收敛速度和全局搜索能力都得到了较大提高,其平均收敛代数和收敛到最优解的概率都优于保留最佳个体策略的遗传算法.     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

基于头脑风暴算法的多处理机组合生产批量调度问题

在生产调度领域中,受生产工艺等诸多因素的影响,往往每个生产过程都需要多台机器同时参与加工。同时,待加工的工件数量较多,需要将每种类型的工件进行批量处理,以缩短生产周期。本文在作业车间环境下,根据每个加工过程所参与机器的负荷,采用可变分批方案,提出了非混排多处理机组合生产批量调度模型,并结合头脑风暴优化算法,求解出最短加工时间。提出了一种改进的头脑风暴优化算法,引入贪婪思想与动态讨论机制,讨论次数随着算法的迭代而自适应变化,将全局搜索与局部搜索相结合,加强了算法的搜索能力。实验结果表明,改进的头脑风暴优化算法与基本的头脑风暴优化算法相比,求解效率更高,收敛速度更快。