基于遗传算法的图像恢复技术研究

图像在产生、传送和记录过程中都会产生失真,在恢复时影响图像质量。文中对简单遗传算法在进行图像恢复时,存在＂过早收敛＂现象等问题进行了很好的改善。使用此算法与一般遗传算法恢复的图像进行对比,图像的清晰度明显优于后者。     

一种融入小生境技术的遗传禁忌算法

针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢,禁忌搜索强烈依赖于初始解等问题,根据遗传算法和禁忌搜索算法自身的特点,分析两者的优势和不足,提出了一种融入小生境技术的遗传禁忌算法.该算法采用融入了小生境技术的遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,同时可以抑制早熟现象,避免过早收敛到局部最优.分析和实验结果表明,该算法能很好地抑制早熟收敛,同时在计算速度和计算结果方面都有改进,是一种快速有效的优化算法.     

基于改进遗传算法的作业车间调度问题研究

为了解决遗传算法的早熟收敛问题,提出一种改进遗传算法.通过设定种群过早收敛指标,在种群出现过早收敛时,及时的对其进行优化.仿真示例说明了该遗传算法在求解Job-Shop生产调度方面的可行性和有效性.     

一种用于多峰函数优化的改进混合遗传算法

针对遗传算法在处理复杂多峰函数优化问题中存在的一些缺陷，提出了一种改进型的混合遗传算法，它在小生境技术的基础上引入单纯搜索算法、最优保存算法和近优淘汰算法，并使之相互结合，经编程实践证明，这种改进的混合遗传算法在处理复杂多峰函数优化问题时，局部搜索能力和克服过早收敛能力方面都显著优于标准遗传算法，并在实际应用中取得了较好的效果。     

基于图像分割的伪并行免疫遗传算法聚类设计

遗传算法是一种自适应全局优化概率搜索算法。但它却由于进化过程的过早收敛而导致无法保证收敛到全局最优解。因此运用伪并行思想与免疫遗传算法相结合来弥补遗传算法的缺陷。1问题描述许多学科要根据所测得的相似性数据进行分类,把探测数据归入到各个聚合类中,从而对各聚合类     

一类解决作业车间调度问题的遗传退火算法

将遗传算法与模拟退火相结合,提出了一种新调度算法,算法分成两步,首先利用遗传算法快速搜索一组较好解,然后利用模拟退火进行群体寻优,这样,既能克服遗传算法过早收敛的弱点,又能加快模拟退火的收敛速度,实验表明,该算法具有较高的求解质量和效率。     

一种改进的遗传算法在函数优化中的应用

针对传统遗传算法在处理多峰值函数优化存在的"早熟"问题,以及在后期搜索效率低的问题,在对目前常见的几种种群早熟程度评价指标进行分析的此基础上,提出了一种新的种群"早熟"程度评价指标,并据此提出了一种改进的自适应遗传算法;最后将改进的遗传算法用于函数优化;实验表明:改进后的遗传算法有效地解决了过早收敛、局部搜索能力差和全局收敛 速度慢等问题.     

白腐真菌的培养及其在染料污水脱色中的应用

阈值法是图像分割最为常用的方法之一,然而基于一维直方图的阈值方法分割结果容易受噪声的影响.基于二维直方图的二维Fisher准则能够克服一维阈值法缺陷,具有较好的分割性能.但是二维Fisher准则阈值法在求取最优阈值时需要大量的计算,运算速度非常慢.常用的二维Fisher准则阈值优化计算方法如粒子群算法和遗传算法容易陷入局部最优.杜鹃搜索算法是新近提出的一种元启发优化算法,一些经典的函数优化问题测试结果表明杜鹃搜索算法全局寻优能力优于粒子群算法和遗传算法.在介绍杜鹃搜索算法的基础上,提出一种基于杜鹃搜索算法改进的二维Fisher准则阈值分割方法.实验结果证明,提出的方法降低了基本二维Fisher准则阈值法最优阈值的寻找时间,提高了图像分割的实时性,是一种性能良好的图像分割方法.     

关于遗传算法过早收敛现象的特征分析及预防措施

在简要介绍遗传算法的基础上，通过引入种群早熟集和种群多样度的概念，分析了遗传算法中过早收敛现象的起因与特征。阐明了杂交过程的成熟化效应是引起遗传算法过早收敛的主因，提出了几种可以预防和克服过早收敛的新型遗传算法。     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法,文中针对遗传算法较快的找到最优解并防止"早熟"收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度,最后实验表明,改进的算法是可行和有效的.     

基于遗传算法的图像识别方法

分析了图像识别中模板匹配技术面临的计算量大、存储量大的问题,提出了基于遗传算法的图像识别方法。该方法首先对图像模板进行离散化处理,对图像离散点控制,从而把图像识别问题转化成一系列离散点的组合优化问题;然后利用遗传算法对种群优化的性能,对各个控制点组合优化,使各控制点与模板匹配;最后通过计算机仿真实验,证明了这种方法的有效性和实用性。     

改进的Hausdorff距离和遗传算法在图像匹配中的应用

研究模板和图像间的有效匹配,将部分Ｈａｕｓｄｏｒｆｆ距离的计算进行改进,提出一种改进的部分Ｈａｕｓｄｏｒｆｆ距离作为检测模板和图像中物体轮廓相似性的测试,可以较大地减少计算量,同时把遗传算法引入图像匹配识别,由于遗传算法的高并行性和鲁棒性,可以较快地完成全局搜索,而不会陷入局部最优,因此该算法和改进的Ｈａｕｓｄｏｒｆｆ距离相结合能有效地检测出具有平移、旋转和尺度变化的物体,该方法可以应用于实际图像识别和匹配中。     

基于遗传算法的阈值图像分割研究

图像阈值分割技术在图像分析和图像识别中具有重要的意义，最大熵方法具有很多优点，但同时也存在弱点：需要大量的运算时间，因此需要引入优化算法，文中将遗传算法用于最大熵阈值的图像分割方法中，提出了一种基于遗传算法的最大熵阈值图像分割方法。仿真实验表明，该方法可以有效地提高最大熵图像分割的计算速度，提高图像处理的实时性。     

基于遗传算法的模糊多阈值图像分割方法

使用一种基于模糊理论的多闽值选取方法来分割图像，并引入遗传算法来实现。在此基础上，改进了遗传算子的交叉率，提出了一种自适应的遗传算法。实验表明，提出的算法不仅可以正确分割图像，而且能够有效提高分割速度。     

遗传算法在最大熵多阈值分割的应用研究

图像分割最大熵多阈值算法存在计算复杂度高的弊端,目前针对这个问题所提出的各类算法效果都不太理想.依据遗传算法种群多样性好、收敛速度快的特点,将遗传算法应用到图像分割中,提出了一种基于最大熵多阈值分割技术的图像分割算法.仿真实验表明,新算法不仅能够对图像进行准确的分割,而且运行时间明显少于传统的分割算法.     

粒子群优化算法在计算低压试验电路功率因数的应用

将粒子群优化算法应用于求解低压试验电路参数和全电路功率因数.与遗传算法比较,它简单易操作,无需繁琐的运算也不需要调整很多参数,适合在工程中应用.首先介绍这种算法的方法和策略,然后将它应用于求解低压试验电路的参数和功率因数,计算结果能满足实际工程的要求.     

基于改进遗传优化算法的线阵相机标定方法

在手机玻璃盖板的缺陷检测中,为了获得缺陷特征明显的高精度图像,不仅需要搭建高质量图像采集系统,而且需要对线阵相机进行精密标定.结合工业现场需求,本文提出了一种基于改进遗传优化算法的线阵相机标定方法.在已有线性扫描模型的基础上,引入线阵扫描图片图像畸变矫正,推导了新的标定参数.在已有无畸变矫正的线性解析解基础上,引入遗传算法进行新参数的求解优化,实现了新标定参数的非线性求解.实验结果表明,与不加入图像畸变矫正的求解方法相比,所提方法具有更高的测量精度.      

基于量子遗传算法的子空间拟合测向

针对子空间拟合算法对独立信源和相干信源求解过程中,多维搜索运算量大的问题,通过采用实数编码的量子位表示染色体和用量子旋转门更新量子位的方法,提出一种实数编码的量子遗传方法(RC-QGA)来实现加权信号子空间拟合(WSSF)测向,从而有效地降低传统算法的计算量.还研究了WSSF算法的一维解相干性能和二维波达方向(DOA)估计性能.实验仿真表明,RC-QGA方法在进化代数为10时就可以达到收敛,有效提高了传统遗传算法的收敛性能,并且具有计算量小和估计性能优良的特点.     

基于遗传算法的二维熵方法自动阈值

利用二维灰度直方图方法对于有噪声的图象进行分割,可以取得比较满意的效果。但是该方法时间复杂度高,耗时长,因此,如何设法减少运算时间就显得很必要。二维直方图的阈值选取,就其本质而言,是一个求全局最优的优化问题,而遗传算法对这类问题往往很有效。该文给出了在二维熵方法中,利用遗传算法对最优阈值进行搜索的快速算法,运算时间仅为穷尽搜索的１／１００。     

基于数学形态学的强鲁棒性边缘检测方法研究

图像边缘检测是图像处理的基本手段，本文提出了一种基于数学形态学的强鲁棒性边缘检测方法。该方法不仅能够有效地检测边缘，而且能够同时消除图像噪声，实验证明，它与其他常用边缘检测方法相比具有较强的鲁棒性，且并行快速，实时性较好。