基于拉普拉斯交叉算子的遗传匹配追踪

遗传匹配追踪算法可提高寻找最佳原子速度,但交叉算子降低收敛性,使算法的搜索速度降低。采用拉普拉斯交叉算子改进算法,将父代的拉普拉斯分布的密度函数系数引入算术交叉算子来实现父代控制子代的产生。仿真实验结果表明,这种改进的遗传匹配算法,从残差能量和搜索时间两方面的改进是有效的。     

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

一种视频编码的遗传块匹配算法

块匹配算法是视频编码的关键技术，算法的效率直接影响了视频传输的质量。目前有许多较好的搜索算法提高了块匹配算法的效率。而遗传算法是一种随机化搜索算法，它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最优解。文中通过对遗传 算法进行改进，将其应用于低比特率视频编码的块匹配算法中，经过实验仿真，在保持较好性能的基础上提高了搜索效率。     

实数遗传算子的作用与改进

从解空间的角度简单分析了实数遗传算子的作用；为更好地发挥变异开拓解空间的作用，设计了非重复一致变异方法，并从释放数值空间的角度提出了一种自适应群体置换策略以提高算法的搜索效率，各种改进方法通过对测试函数的寻优进行验证。     

一种改进的自适应遗传算法

针对传统遗传算法存在的 "早熟"以及在后期搜索效率低的问题,分析了目前常见的几种种群早熟程度的评价指标,提出了一种新的种群"早熟"程度评价指标,并据此实现了一种改进的自适应遗传法算法.仿真结果表明,该算法不仅能加快遗传算法收敛速度,而且还能增强算法的稳定性.     

一种改进的变步长自适应匹配追踪算法

压缩感知是利用信号的稀疏性和可压缩性进行信号处理的新理论.针对压缩感知中信号稀疏度未知的问题,提出了一种改进的变步长自适应匹配追踪(MVss AMP)算法.该算法通过计算余量与测量矩阵的相关性,自适应地选择候选集原子,并且通过可变步长更新支撑集,实现信号的精确重建.该算法通过设置一个参数来控制步长变化.仿真结果表明:该算法在误差范围内实现了信号精确重建,并且重建性能优于其他同类算法.     

自适应全搜索比特面匹配算法的分析与改进

分析了Feng等提出的简单自适应全搜索比特面匹配运动估计算法的不足，对其中比特面的计算方法、搜索起点的选择及比特面匹配准则搜索失败后的处理策略等方面作了改进，实验结果表明，改进后的算法的运动估计性能比原算法有较大提高，对于可视电话中的头肩视频序列，性能与全搜索法差别不大，且计算量仅为全搜索法的1／6。     

基于改进三维块匹配滤波的图像去噪算法

为了有效滤除樱桃图像在获取过程中混杂的不同噪声,保障图像识别与机器自动采摘时良好的图像信息质量,提出一种改进三维块匹配滤波(block-matching and 3D filtering, BM3D)的图像去噪方法.首先,在三维块匹配滤波的基础估计阶段构建自适应中值滤波处理器,滤除图像中部分椒盐噪声,并改进优化硬阈值、滑窗步长及三维硬阈值等关键参数快速滤除高斯噪声;其次,在基础估计阶段与最终估计阶段之间引入中值滤波,最大限度地去除图像中剩余的混合噪声;最后,通过仿真实验验证所提算法的有效性,并对比分析改进前后算法的归一化均方误差、峰值信噪比、信噪比改善因子及结构相似性等性能.结果表明,改进的BM3D方法在保持好樱桃图像细节信息的同时,能有效去除高斯噪声和滤除大概率椒盐噪声,且随混合噪声干扰的增强,所提算法的去噪性能更佳且优于其他滤波方法.     

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．     

一种应用于图着色问题的新型混合遗传算法

将遗传算法与模拟退火方法和禁忌搜索方法结合,提出了应用于图着色的混合遗传算法.在混合方法中,模拟退火算法用于局部寻优,提高算法的收敛速度,同时防止早熟收敛;禁忌搜索算法通过记忆能力防止进化过程出现循环来提高全局寻优能力.用遗传算法进行全局搜索,并与贪婪遗传算法和Dsatur算法进行了比较,结果表明,混合遗传算法的寻优质量优于对照算法.这种改进的混合遗传算法可以在稠密图上获得更好的寻优效率,在稀疏图上其效率则略有下降,这表明设计的改进混合遗传算法的合理性和有效性.     

单亲遗传算法在物流合乘优化中的应用

本文运用单亲遗传算法解决物流合乘的路径优化问题。通过在染色体上基因换位、移位、逆转等基因重组操作进行个体繁衍,经过若干代的繁衍迭代,从所有的上下车点中找出一条最优的、费用最少的路径。实验结果表明,该算法在提高合乘成功率的同时,还有效地降低了车辆运行时的总成本。     

一种基于遗传算法的指纹比对算法

指纹比对在身份验证与身份识别中具有非常重要的应用。该文提出了一种基于遗传算法的指纹比对算法。该算法针对指纹比对的特点 ,设计了相关的目标函数与遗传算子 ,搜索了两幅指纹间可能存在的平移、旋转等几何参数变化关系 ,并在此基础上确定了二者之间的特征点匹配关系 ,从而可判断两幅指纹匹配的程度。实验结果表明 ,该方法可以在变换与局部变形存在的情况下 ,正确判定两幅指纹之间对应的特征点。与直接利用遗传算法搜索特征点对应关系的方法相比 ,新搜索方法收敛所需的迭代次数仅为遗传算法的1/ 5 ,速度得到了提高     

改进的遗传算法选择算子

为了进一步提高遗传算法选择算子的选优能力,本文在传统轮盘赌的基础上提出了一种基于排序的多轮轮盘赌选择算子,加入了多轮转盘的思想,并利用对上代种群进行排序增加优秀个体的选择概率,从而在提高了算子的选优能力同时也减少了随机性所产生的误差;随后本文将此算子与最佳个体保存法的思想相结合,进一步提出了无放回的基于排序的多轮轮盘赌选择算子,达到了既能够选出最好个体又能够保证种群多样性的效果.实验表明,与传统轮盘赌算子相比较,新方法能够有效地提高遗传算法的收敛速度.     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

基于遗传算法的复杂网络节点匹配问题

为提高已知匹配节点较少情况下的网络节点匹配精度,提出一种基于遗传算法的复杂网络节点匹配方法。该方法根据网络结构以及已知的部分节点匹配信息,计算节点相似度矩阵,再由遗传算法求得网络间相似度之和最大的节点匹配方案。将其应用于EA随机网络、WS小世界网络和BA无标度网络,结果表明,三种复杂网络的匹配精度均有提高。该结果验证了文中方法的有效性。     

求解车辆路径问题的改进遗传算法

在建立车辆路径问题数学模型的基础上,设计了求解该问题的改进遗传算法,即采用自然数编码,构造一定长度的遗传个体表,动态记录适应度以及引入新交叉算子。实验结果表明,该算法用于求解车辆路径问题,不但可以解决传统遗传算法在求解该问题所遇到的“早熟收敛”,而且大大提高算法的运行效率。     

混沌遗传算法在客专网络模型中的应用

客运专线时期列车运行调整对象更加多样化和复杂化。结合目前我国客运专线运输组织情况,建立了客运专线列车运行调整的运筹学模型。提出了基于混沌改进的遗传算法,引进了混沌算子,以郑西客专为研究背景构造实例。仿真结果验证了优化模型的可行性,表明改进算法优于标准遗传算法。     

改进的实码加速遗传算法

对实码加速遗传算法(RAGA)8个步骤的局部参数进行修改,再对最后一次加速收缩后的区间用标准遗传算法(SGA)进行精细搜索。经过实例证明,改进后的算法计算机运行的次数减少,并且精度也得到提高。另外,对加速后的区间产生偏向最优点一侧的概率做了理论上的探讨,提出了把区间端点值重新赋给2个个体参加下一轮搜索。这样处理后避免舍去上次搜索的最优值,在一定程度上避免了某个变量的搜索区间在最优值一侧发生偏移。     

改进的Wu-Manber多模式串匹配算法

为提高串匹配算法在实际应用中的运算性能,对W u-M anber算法进行了改进。吸收了Q S(Q u ick Search)算法的思想,并利用匹配过程中匹配失败的信息,达到最大跳跃距离,实现了快速的多模式匹配算法。对改进后的算法和W u-M anber算法进行对比实验,当最小模式长度较大时,改进后的算法性能与原算法基本相同;而当模式最小长度较小时(<9),改进后的算法比原算法有显著提高,用于英文文本时比原算法的所用时间平均减少了8%~20%,用于中文文本时平均减少了15%~30%。