基于进化算法的复振幅超分辨光瞳滤波器的设计

设计了一种复振幅光瞳滤波器,并提出基于进化算法的复振幅光瞳滤波器光瞳函数参数优化的新方法．通过计算机的模拟,结合实际使用场合对光能效率、旁瓣影响效应和超分辨能力的要求,选择合适结构参数实现最佳三维超分辨成像效果,给出超分辨优化设计模型和实例,并作图验证其结果．对超分辨率伴随的旁瓣效应,把滤波器应用于共焦扫描系统,可有效地抑制旁瓣,提高成像信噪比和对比度．利用进化算法设计的光瞳滤波器设计简单,同时有较好的综合效果,具有较大的S,GT,GA值．     

基于进化算法的三区振幅型超分辨光瞳滤波器的设计

提出一种基于进化算法的振幅型超分辨光瞳滤波器优化设计的方法。通过计算机的模拟,结合实际使用场合对光能效率、旁瓣影响效应和超分辨能力的要求,选择合适光瞳函数参数实现最佳三维超分辨成像效果。给出超分辨优化设计模型和实例,并作图验证其结果。对超分辨率伴随的旁瓣效应,把滤波器应用于共焦扫描系统,可有效地抑制旁瓣,提高成像信噪比和对比度。利用进化算法设计的光瞳滤波器设计简单,同时有较好的综合效果,具有较大的GA,GT,S值。     

漏光型环形光瞳滤波器的优化设计

通过对漏光型环形光瞳滤波器三个特征参数（K、α和b）的优化，得到了具有最佳三维超分辨的漏光型环形光瞳结构（κ=0.418,α=0.407,b=0.935）。计算和分析表明，利用优化的光瞳的显微镜成像系统，其三维超分辨能力优于其它方法所得的结果。本文的优化方法对其它三维光瞳滤波器也适用。     

三区振幅型与位相型超分辨光瞳滤波器的优化设计比较

用MATIAB优化工具箱,采用分线性规划在假定斯特尔比一定时,分别对三区振幅型(透过率为1-0-1)和三区位相型(相位角为π-0-π)光瞳滤波器进行了优化设计,对横向、轴向及三维超分辨因子及光瞳函数的结构参数进行了比较.结果显示:无论是振幅型还是位相型滤波器,既能单独实现横向、轴向超分辨,又能实现三维的超分辨.且斯特尔比相同时,位相型优于振幅型;对于振幅型若单独考虑横向超分辨,则二区优于三区.     

三区振幅型与位相型超分辨光瞳滤波器的优化设计及比较

用MATLAB优化工具箱,采用分线性规划在假定斯特尔比一定时,分别对三区振幅型（透过率为1—0—1）和三区位相型（相位角为π-0-π）光瞳滤波器进行了优化设计,对横向、轴向及三维超分辨因子及光瞳函数的结构参数进行了比较．结果显示：无论是振幅型还是位相型滤波器,既能单独实现横向、轴向超分辨,又能实现三维的超分辨．且斯特尔比相同时,位相型优于振幅型;对于振幅型若单独考虑横向超分辨,则二区优于三区．     

对称矩阵值函数空间的滤波器设计

利用矩阵值小波分析理论探讨对称矩阵值函数空间上的多分辨分析理论.另外,文章还给出了有限长对称矩阵值滤波器的设计.     

粒子群优化算法用于二阶状态变量滤波器的设计

用粒子群优化算法设计了高Q值二阶状态变量滤波器,有效地解决了基本遗传算法设计电路存在的收敛速度慢、易早熟的问题.用Pspice对设计出的滤波器进行仿真,得到了令人满意的结果.结果表明,在平均收敛代数和平均收敛时间两个重要指标上,粒子群优化算法明显优于基本遗传算法.     

基于粒子群优化算法的FIR数字滤波器设计

探讨FIR数字滤波器设计的粒子群优化算法及其实现.它根据预期频率特性的设计要求,建立优化模型,并通过快速粒子群算法求解其优化值.所得的序列使对应FIR滤波器较好地满足了预期频率特性指标,设计方法简单实用,具有很高的灵活性和鲁棒性.并且较遗传算法有更快的收敛速度,数值实验表明了本方法的有效性.     

掺铒光纤放大器的均衡光滤波器设计

应用改进的遗传算法（GA）设计掺铒光纤放大器（EDFA）的均衡光滤波器,这种方法计算简单,快速,避免了用经验方法设计均衡光滤波器时的主观性,对一个典型EDFA的数值计算结果表明,通过改进的GA算法设计所得的均衡光滤波器可以有效地展宽EDFA的带宽,使加入均锋措施后的EDFA更加适合应用于WDM系统。     

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     

用Powell方法求解不可微函数

在浮点编码遗传算法中加入Powell方法,构成适于不可微函数全局优化的混合遗传算法.混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率.由于只利用函数值信息,混合算法是一种求解可微和不可微函数全局优化问题的通用方法.     

关于优化的一种算法

在浮点编码遗传算法中加入Powell方法,构成适于不可微函数全局优化的混合遗传算法。混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率。由于只利用函数值信息,混合算法是一种求解可微和不可微函数全局优化问题的通用方法。     

自适应遗传算法在PID控制器设计中的应用

提出了一种带有自适应交叉、变异算子的遗传算法，并把它应用到PID控制器的设计当中。仿真结果表明，该方法提高了参数的优化性能，使控制系统具有良好的控制精度，其动态性能和鲁棒性均比较理想。     

基于遗传算法的骨肿瘤分类方法研究

为了更好地利用骨肿瘤分形参数集对骨肿瘤进行模式判别，将基于连续变量的遗传算法和相应的交叉与变异算子应用于骨肿瘤的模式分类中。针对该算法在实验中出现的振荡及不收敛问题，相应采用了自适应技术加以改进。通过对比改进前后遗传算法的精度和速度，证明了改进后的自适应遗传算法稳健性能好，运算速度快。利用该算法，可根据分形参数模式集对骨肿瘤进行有效的分类，达到了预期的目标。     

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．     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

一种基于自适应遗传算法的二自由度PID调节器设计

提出了一种自适应遗传算法,并将其成功地应用于仅需两个参数的二自由度PID调节器设计,使系统同时具有了最优的目标值跟踪特性和干扰抑制特性。仿真结果表明了该方法的有效性及可行性。     

基于双层自适应遗传算法的机器人参数辨识

激励轨迹的选取和优化是机器人动力学参数辨识的重要基础。为了提高机器人动力学参数的辨识精度,以SCARA机器人为研究对象,设计了基于双层自适应遗传算法的机器人激励轨迹优化方案。运用Newton-Euler法建立了机器人的动力学模型,并对机器人的动力学模型进行线性分离,得到了机器人的最小惯性参数集和对应的观测矩阵。分析机器人的参数辨识方程,确定了观测矩阵条件数最小的优化目标。针对传统遗传算法进行改进,提出了双层自适应机制,提升了算法的全局搜索能力和搜索效率。最后利用MATLAB和ADAMS进行联合仿真实验,使用递推最小二乘法计算机器人的最小惯性参数集。实验结果表明,使用改进的双层自适应遗传算法得到的激励轨迹可以保证机器人动力学参数的辨识精度。     

基于改进遗传算法的水库群优化调度研究

提出一种基于自适应遗传算法的水库群优化调度问题的求解方法,并对其性能进行了分析。结果表明,该方法可以随个体适应度的大小及群体的分散程度自动调整遗传控制参数,较好地克服了标准遗传算法由于采用固定遗传控制参数带来的若干问题,能够在保持群体多样性的同时,加快收敛速度,提高遗传算法的全局寻优能力,为高精度水库群优化调度提供了一个新的途径。