用混合遗传算法求解N皇后问题

N皇后问题是NP难题,一般求解的方法为回溯法.当问题规模较小时用回溯法能有效求解,但当问题规模较大时其求解时间耗费非常巨大.该文提出用局部搜索与简单遗传算法(SGA)相结合的混合遗传算法(HGA)来求解N皇后问题,用N皇后的约束条件作为遗传算法的适应值函数.设计了高效的染色体编码、初始化种群方法、遗传算子以及局部搜索算子,使它们符合求解问题的需要.通过与回溯法和相关的遗传算法比较,实验证实了用混合遗传算法求解N皇后的有效性.     

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.     

基于改进PSO的汽车路径优化

车辆路径问题(Vehicle Routing Problem,VRP)是物流中的重要环节,主要研究物流配送中车辆线路优化以降低运输成本.本文利用粒子群优化算法求解VRP,为了提高求解效率,通过构造自学习算子、微粒的重新编码及运算规则的重新定义,使PSO算法能够处理离散问题,把微粒群算法应用于VRP问题的求解中,通过仿真证明了提出方法求解VRP问题的有效性和优越性.     

求解区间数AHP判断矩阵的权重的一种新方法

将区间数判断矩阵权重向量的求解转化为两个约束优化问题的求解,并利用改进的粒子群优化(PSO)算法来求解此约束优化问题.最后利用朱建军等的两个数值例子来检验改进的PSO算法,并将求解结果与参考文献[1]利用遗传算法所得结果进行分析比较,说明本文结果更具一般性和代表性.     

基于SSA-XGBoost的变压器故障诊断

针对传统机器学习算法处理绝缘油中溶解气体分析(Dissolved gas analysis, DGA)的数据集准确率低的问题,提出了樽海鞘优化算法(Salp swarm algorithm, SSA)优化极端梯度提升(Extreme gradient Boosting, XGBoost)的DGA故障检测模型。对DGA数据集进行Z-score标准化预处理,消除DGA数据集各个特征间差异过大的影响;初始化SSA种群参数、迭代次数,设置樽海鞘群体的上下限,分别对应XGBoost里面的各个参数;经过樽海鞘群体的连续迭代优化,寻找XGBoost的最优参数;利用寻找到的诊断模型XGBoost的最优参数进行DGA的故障诊断。与遗传算法(Genetic algorithm, GA)优化XGBoost、粒子群算法(Particle swarm optimization, PSO)优化XGBoost和蚁群算法(Ant colony optimization, ACO)优化XGBoost的对比实验表明,针对DGA数据集,SSA相比于GA、PSO和ACO优化的XGBoost模型各个故障的准确率更高,总体准确率...     

多处理机独立任务调度问题的DNA计算机算法

任务调度是提高多处理机系统效率的一个关键问题,许多任务调度问题已被证明是NP难问题.对于多处理机独立任务调度问题,采用粘贴模型,给出了一种新的该类问题的DNA计算模型.我们首先提出了基于分子生物技术的多处理机独立任务调度问题的DNA算法,算法的关键是对任务分配的恰当的编码,以便于使用常规的生物操作及生物酶来完成解的产生及最终解的分离.依据分子生物学的实验方法,证明所提出的算法是有效和可行的;其次指出了该算法的优点、存在的问题及将来进一步的研究方向.     

一种求解代数方程组的混合遗传算法及工程应用

针对用遗传算法求解代数方程组时解的精度问题，提出了一种混合遗传算法，这种算法采用实数编码方法，在遗传算法的基础上，引入一种用适应度函数值构成动态变化的搜索步长的随机搜索算子，当遗传算法求解达到某一精度时，应用该搜索算子在最优个体附近进行随机搜索，使算法解较快地逼近到所要求的精度，实验表明用这种算法求解代数方程组，可以达到较高的求解精度，在工程中用于求解关节型机器人速度逆解，避免了矩阵求逆，取得了满意的效果。     

基于改进型离散粒子群优化的云计算资源分配方案

针对云计算中资源有效分配的问题,提出一种基于改进型离散粒子群优化(IDPSO)算法的云资源分配方案.首先,将传统PSO算法中的运算进行离散化,使其能够应用于资源分配问题.然后,对传统PSO粒子位置更新公式中的惯性权重进行改进,根据当前粒子位置、局部最佳和全局最佳位置的适应度来确定这些权重系数,以此加快粒子的收敛速度.最后,将资源分配方案编码为一个二维粒子,利用IDPSO算法求解最优解.实验结果表明,该方案能够有效降低资源浪费率,具有可行性和有效性.     

基于传输时差最小的OFDM系统信道划分优化方法研究

随着OFDM技术在移动通信中的广泛应用,信道划分问题逐渐被人们所关注。主要讨论了在信道状态和传输总量已知的情况下,基于传输时差最小的OFDM系统信道划分优化问题。首先证明了该问题属于NP完备问题,因此必须使用随机算法代替穷举来求解。主要讨论了遗传算法和粒子群算法在此类问题中的应用。通过仿真所给出的具体结果,可以证明尽管随机算法不能保证解的最优性,但搜索时间较短;同时在相同条件下,粒子群算法可以显示出比遗传算法更强的搜索能力,因此对于OFDM这类实时性要求较高的系统,具有更大的实用性。     

一种新的全比特位嵌入数字图像水印算法

针对最低有效位水印算法嵌入保真度较差、鲁棒性不高的问题,提出了一种全比特位(All Bits,AB)嵌入的空域数字图像水印算法,分别采用直线方式和三角函数方式将信息嵌入到视觉容易忽略的图像边缘区域。此算法不仅可以把水印嵌入到载体图像的低四位位平面,而且可以嵌入到高位位平面。在数字图像水印嵌入和提取的实验中,分别从主观视觉效果、客观参数(均方差、信噪比和峰值信噪比)的计算和对图像进行攻击等方面,证明这种AB空域数字水印算法具有更强的保真度和鲁棒性。     

融合IWT与SVD的鲁棒和隐蔽性数字图像水印方案

针对数字图像水印的鲁棒性和隐蔽性问题,提出一种基于整数小波变换(IWT)和奇异值分解(SVD)的图像水印方案.首先,利用整数小波变换将宿主图像变换到小波域.然后,在获得的每个频带上进行奇异值分解,并根据比例因子将水印嵌入奇异值中.最后,在权衡考虑鲁棒性和隐蔽性下,利用粒子群优化(PSO)算法获得最优的比例因子.实验结果表明,该水印方案对常见的图像处理操作具有较好的鲁棒性,同时保持了优良的隐蔽性.     

一种改进的粒子群算法

上海理工大学计算机工程学院陈家琪由Eberhart和Kennedy等于1995年提出的粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于种群搜索的自适应进化计算技术,它源于对鸟群和鱼群群体觅食运动行为的模拟.与其他生物进化算法类似,PSO算法是一种基于迭代过程的优化方法.PSO作为一种并行优化算法,可以用于解决大量非线性、不可微和多峰值的复杂问题的优化.目前,在函数优化、神经网络训练、工业系统优化及控制、游戏设计等领域均取得了非常好的效果.     

基于不同分组稀疏先验的降噪方法

稀疏组Lasso已经被证明是一种强大的回归技术,可以通过使用两层不同分组稀疏正则同时发现不同组的稀疏特性.但是在大量的应用中,由于正则项的复杂性给计算带来了巨大的挑战.针对多层不同分组稀疏的组Lasso提出了一种合理有效的方法,称为DGDN-OGS算法.把信号处理中的信号看作为样本或者特征进行不同的交叠稀疏分组,然后将多个不同的交叠稀疏分组分别编码成正则项,最后再利用Proximal映射及MM算法的框架进行迭代求解,这也说明了该方法可以应用到信号降噪领域当中.此外,该求解方法避免了之前方法中需求解对偶问题的最优解所带来的困难,并对算法的收敛性进行了分析,说明了所提出方法的合理性.     

用基于快速排序的MOGA求解MOKP

0/1背包问题是一类典型的组合优化问题,且属于NP完全问题.多目标遗传算法通过一次运行可以搜索到多个解,同时具有比规范遗传算法更强的求解问题的能力.该文将基于快速排序的多目标遗传算法应用于多目标0/1背包问题中,可以快速、高效地找出多个最优解.实验表明该方法能够获得满意的效果.     

基于DWT和PNN的数字图像水印算法

针对数字信息在存储或传输过程中可能受到复制、攻击或修改的问题,提出一种基于DWT和PNN的数字图像水印算法.该算法在基于块的小波系数中选择最佳位置嵌入水印图像,采用PNN记录水印与对应图像之间的关系,在不需要原始图像和水印图像的情况下,从嵌入水印的图像中恢复水印.使用PSNR和NCC对算法进行不可见性和鲁棒性测试.实验结果表明,本文算法提取的水印图像具有优秀的不可见性和鲁棒性,能够有效应对不同类型的攻击.     

基于ACO算法的危险化学品车辆运输路径优化方法

城市中危险化学品的运输直接影响人民人身安全,为了合理规划运输路线,提出了一种基于蚁群优化(ACO)算法的多目标路线规划方案.首先,将运输路线图和相关属性建模成一个有向图.然后,根据路线距离、车辆负载和人口分布等属性,构建运输风险和运输时间的计算方法 .最后,综合考虑运输风险和运输时间构建一个目标函数,通过ACO算法来寻找最优路线.仿真结果表明,该方法能够得到最优路线,有效降低运输风险.     

改进人工蜂群算法在路径优化上的应用

基本的人工蜂群算法通过不同角色蜜蜂在对蜜源进行采食过程中进行角色的转变,能够快速地求解问题的最优值,其具有全局寻优能力强、鲁棒性、收敛快等优点.但在接近全局最优解的时候,蜜蜂搜索的速度会明显变慢,易陷入局部最优.针对这些问题,在基本算法的位置更新阶段加入了高斯变异算子和柯西变异算子,提高了算法的收敛速度,增加邻域蜜源的访问概率,使得算法能够有效地跳出局部最优.应用TSP问题对改进后的算法进行仿真验证,结果证实了改进后的算法具有一定有优越性.     

一种改进的蚁群算法在垃圾运输问题中的应用

针对基本蚁群算法收敛速度慢、易陷于局部最优解等缺陷,将量子算法中的态矢量和量子旋转门引入到蚁群算法中,并分别表示和更新信息素,提出一种改进的蚁群算法--量子蚁群算法(QACA),使算法具有更好的种群多样性和全局寻优能力.结合垃圾运输问题,从数值计算上探索了改进的蚁群算法的优化能力,并与遗传算法和基本蚁群算法进行了对比,测试结果表明,改进算法获得的结果比遗传算法和基本蚁群算法更优,表明该算法是求解垃圾运输问题的一种有效算法.     

基于内容结构图的鲁棒图像哈希

为提高拷贝检测系统的鲁棒性和效率,提出一种鲁棒图像哈希算法. 用Gabor变换系数构建图像内容结构图,将它从笛卡尔坐标系变换到极坐标系进行归一化. 将归一化的结构子图加权,求得特征向量,最后通过量化得到二值哈希码. 基于Gabor系数的内容结构图有很强的鲁棒性和独特性,量化中采用的失真哈希码融合和双密钥进一步提升了算法的鲁棒性、独特性、紧凑性. 利用公开数据库分别对所提出的算法和多种代表性算法进行对比实验,比较对象包括非负矩阵分解哈希、形状上下文哈希、圆环分割与不变向量距离哈希. 实验表明,该算法在查准率和查全率方面均表现突出,匹配效率也有大幅提升,整体性能优于对比算法.     

基于混合粒子群优化的巡航导弹低空突防航迹规划

将模拟退火算法嵌入到粒子群优化（partical swarm optimization, PSO）算法中,并对PSO产生的最优适应值进行重新评价,以此构成混合粒子群优化算法（PSO-SA）. 将PSO-SA 算法应用于巡航导弹的航迹规划,不仅可以避免PSO陷入局部最优,而且能快速有效地完成离线和在线规划任务,获得理想的三维航迹. 仿真结果验证了该算法的有效性,且对同一起始位置所规划出的航程较PSO算法短,可有效节约导弹燃料.