基于模拟退火算法的最优层叠滤波器设计

为了改进层叠滤波器的优化方法,提出基于模拟退火算法的层叠滤波优化设计方法,用来处理灰度图像.层叠滤波器是基于阈值分解发展起来的一种非线性滤波器,它的优化过程是对正布尔函数不断学习的过程.模拟退火算法是一种通用的优化算法,目前已在工程中得到广泛的应用,优化的时间相对于遗传算法要短.仿真结果可知,应用模拟退火算法的优化层叠滤波器,可有效滤除噪声和保持图像细节.     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法，提出的算法能充分利用目标函数值的信息，优化搜索过程具有较强的方向性和目标性，收敛速度快，且是全局优化算法；将群体复合形进化算法应用于三层前向人工神经网络逼近，提出了三层前向人工神经网络全局最优逼近算法；将三层前向人工神经网络全局最优逼近算法应用于实例，表明了提出的全局最优逼近算法的有效性     

改进的加权顺序统计量滤波器快速优化算法

提出一种改进的加权顺序统计量滤波器（ＷＯＳ）快速迭代优化算法．与Ｙｉｎ算法相比，文中算法具有收敛速度快，以及收敛结果更接近全局最优的优点．     

全局雪崩准则的矩阵表示及其性质

从研究全局雪崩准则的表达方式出发,提出了全局雪崩准则的矩阵表示方法,并证明了布尔函数f(x)与f(x+α)全局雪崩的绝对值指标和平方和指标相同。依据矩阵表示方法得到了全局雪崩准则与布尔函数Walsh谱值的关系,并给出了一个布尔函数同一个仿射函数的互相关全局雪崩准则绝对指标的上、下限。最后,分析了修改序列中的一位对布尔函数全局雪崩准则指标的影响,结合爬山算法设计了一种修改M-M型Bent函数的优化算法,得到的布尔序列在非线性度和全局雪崩准则指标上优于已有的构造。     

离散三群粒子群优化算法

提出了离散三群粒子群优化算法(DTHSPSO),该算法将整个粒子群分为三群,第1群粒子朝全局历史最优方向飞行,第2群粒子朝着相反方向飞行,第3群粒子在全局历史最优位置周围随机飞行。粒子的速度保持连续性,对于粒子位置的处理采用两种方法:一是通过传递函数,根据速度的大小进行离散化;二是直接通过强硬限制函数(Hardlim函数)将位置离散化。通过对两种离散函数进行测试与比较,表明两种DTHSPSO都比基本离散粒子群优化算法(DPSO)具有更好的优化性能,而且直接采用Hardlim函数的DTHSPSO算法效果更加突出。     

求解一类非线性规划问题的混合遗传算法

提出了一种求解目标函数和约束条件均二阶可导的非线性规划问题的混合计算智能算法．该算法是把一种浮点数编码遗传算法和约束变尺度法相结合提高求取全局解的速度和概率．在该算法中，选择、交叉和变异等遗传操作算子是以非线性规划问题的一个惩罚函数为求解对象，目的是把解引向全局解附近，为约束变尺度算子提供初值；而约束变尺度算子直接以原非线性规划问题为求解对象，以发挥其局部搜索能力强的优点，数值实验表明，混合算法是一种可靠、高效的全局优化算法．     

求解约束非线性优化问题的群体复合形进化算法

分析了SCE－UA算法的特性,指出该算法仍存在着一些缺陷,例如（1）SCE－UA算法的全局最优性依赖于随机选取的初始点集的多样性,若初始点集选取不当,搜索进化就会早熟而陷入局部最优解;（2）SCE－UA算法其求解效率有待于进一步提高,提出了群体复合形进化算法,能充分利用目标函数值的信息,优化搜索过程具有较强的方向性和目标性,收敛速度较快,且是全局优化算法,能有效地求解不等式约束非线性优化问题。     

复杂工程问题全局优化算法研究

分析了遗传算法,模拟退火算法与神经网络等近年来广泛应用于复杂工程问题优化的全局优化算法各自的特点与其全局优化能力,指出如何针对其特点进行改进以达到更佳效果,深入研究了复杂工程问题优化的关键技术－目标函数与约束条件建立方法,最后,展望了全局优化算法与复杂工程问题优化技术的发展趋势。     

解高维复杂函数优化问题的混合差分进化算法

鉴于传统方法用于高维复杂函数优化很容易陷入局部极小,为此提出了一类通用、易实现、具有全局优化特性的混合优化算法（CHADE算法）．该算法将混沌优化的随机性与差分进化算法（DE算法）相结合,利用混沌扰动算子增强算法的局部搜索能力;同时,随着搜索过程的进行随机地调整缩放因子和差分进化模式．多个典型高维复杂函数的数值仿真结果表明：CHADE算法寻优效率高、收敛速度快,尤其是具有避免局部极小的能力,其优化性能优于单一的DE算法．     

带宽优化的进化算法

介绍了实值优化问题的进化算法，自然进化是基于群体的优化过程，在计算机上模拟自然进化过程形成统计优化技术．同传统优化方法相比，进化算法具有全局优化的优点，而且适合复杂的实际问题．带宽优化是寻找结点编号的最佳排列，使得刚度矩阵的带宽最小．传统方法一般求得带宽的局部极小值，而带宽优化进化算法可求得带宽的全局最优解     

多级全方位细节保持层叠滤波器

以层叠滤波器理论为基础,通过对信号进行阈值分解和引入全方位结构元,提出了一种用于处理噪声图象的多级全方位细节保持层叠滤波器。通过在滤波算法中引入细节检测单元,使得滤波器的第2级可以针对噪声污染图象的不同区域,自动选择相应的滤波器单元,从而达到滤除噪声、保持图象边缘细节的效果.仿真实验验证了这种滤波器的有效性。     

基于布尔云模型算法的图像修复研究

针对现有图像修复算法的不足,采用布尔云模型算法。首先构造云模型,利用云熵确定云布尔关系。不同的云团值出现时,布尔逻辑计算每个云滴集合的互信息熵。通过比较熵的不同来确定结果值;接着在受输入和布尔函数决定后产生云态,云模型在受输入和布尔函数决定后,可以再次产生新的云团。对云态进行选择优化,其不同的云熵动态变化,最后给出了算法流程。仿真结果显示算法对修复图像连接自然,有光滑性,保持了整体连续,并且PSNR值较大。     

广义联邦滤波器的设计与实验

为了克服联邦滤波器理论中对滤波器维数的限制,基于信息滤波算法和信息分配原理,发展了广义联邦滤波器设计理论。提出了当主滤波器维数和局部滤波器维数不相同时,广义联邦滤波器达到全局最优的解析补偿方法。并将上述设计方法应用到双MIMS/GPS组合导航系统实验中。实验结果表明:经解析补偿的广义联邦滤波器的定位精度同集中Kalman滤波器的定位精度十分接近,具有全局滤波最优性。广义联邦滤波器的设计使联邦滤波理论更加完善,增强了其实用性。     

等价划分策略的混沌克隆优化算法

克隆选择算法随机产生种群的方式,将容易导致数字的取值非均匀的分布在解的空间,从而增加数据冗余的现象。为了克服克隆选择算法的缺点,将克隆选择算法和混沌优化相结合,提出一种用于函数优化的混沌克隆优化算法．该算法利用混沌的随机性、遍历性和规律性来避免陷入局部极小值,同时引入等价划分的策略,减少了可能出现的数据冗余现象。仿真实验显示了所设计的算法能以较快的速度完成给定范围的搜索和全局优化任务。     

基于遗传算法的最优小波滤波器构造

本文基于遗传算法对小波滤波器的构造方法进行了研究 ,重点在于解决对图象进行压缩处理所需要的最优小波滤波器的构造 .有效的染色体编码方案和适应值函数以及遗传算法的全局寻优性能 ,使得该方法在处理图象压缩优化问题上有其独特的优点     

MTL代数中的布尔滤子和正蕴涵滤子

在MTL代数中,给出布尔滤子的几种等价刻画,提出了正蕴涵滤子和固执滤子的概念,讨论了它们的一些基本性质,得到几类滤子之间及相互转化的关系。证明在满足正则性的MTL代数中,布尔滤子和正蕴涵滤子相互等价,超滤和固执滤子相互等价。     

Evolutionary Design of Boolean Functions

We use evolutionary computing to synthesize Boolean functions randomly. By using specific crossover and mutation operator in evolving process and modifying search space and fitness function, we get some high non-linearity functions which have other good cryptography characteristics such as autocorrelation etc. Comparing to other heuristic search techniques, evolutionary computing approach is more effective because of global search strategy and implicit parallelism.     

制造企业动态联盟合作伙伴组合优化方法

将制造企业动态联盟合作伙伴的选择和组合抽象为多目标优化问题，提出改进的蚁群算法——“小生境蚁群算法”及“小生境信息差”的创新概念并对其进行优化求解，在正反馈环节中引人时变参数并利用经验信息和启发信息进行解算，从而有效地防止遗传算法中的“早熟”和基本蚂蚁算法中可能发生的“停滞”状态，获得选择合作伙伴多目标组合优化问题的最优解．