基于稳态遗传算法和Retinex理论的彩色图像增强算法

针对现有彩色图像增强算法的问题,提出了一种基于稳态遗传算法和Retinex理论的彩色图像增强算法.该算法首先把彩色图像从RGB颜色空间转换到HSI颜色空间,然后利用双线性差值和高斯函数滤波来分离光照分量,采用Beta函数实现亮度增强,最后通过稳态遗传算法来估算Beta函数的最优参数以实现彩色图像增强.仿真结果表明,该算法的图像增强效果明显优于CIEH算法和CIEGA算法.     

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.     

利用粒子滤波原理求解函数优化问题

针对多维函数优化容易陷入局部极小值问题,提出一种基于粒子滤波原理的优化算法.首先简要地介绍粒子滤波算法的基本原理;再针对函数优化问题,阐述利用粒子滤波实现优化算法的基本思想,并介绍了其具体的实现步骤,同时为了丰富粒子的多样性,引入了遗传算法的交叉和变异操作;最后为了验证新算法的有效性,采用30维的Benchmark函数进行仿真实验.仿真实验结果表明:基于粒子滤波的优化算法在解决多维函数优化问题方面较其他优化算法具有更强的全局搜索能力和求解精度,这也为优化算法的研究提供一种新的途径和手段.     

一种新的自适应惩罚函数在遗传算法中的应用

惩罚函数是遗传算法中解决非线性约束最优化问题最常用的方法之一.但传统的惩罚函数运用到遗传算法中往往难以控制惩罚因子,因此本文引进了一种结构简单、通用性强的新自适应惩罚函数,并证明了其收敛性.随后构建了基于新自适应惩罚函数的遗传算法,使得种群能快速进入可行域,并且提高了遗传算法的局部搜索能力.理论分析及仿真结果表明该算法具有参数少、稳定性强、收敛快等优点.     

基于遗传算法的智能组卷系统的研究与实现

为解决传统组卷算法存在的工作量大、耗时长和试卷主观性强的问题,本文研究并实现了基于遗传算法的智能组卷系统.实现遗传算法的关键是设计适应度函数,适应度函数是描述试卷是否符合要求的函数,因此适应度函数设计的好坏直接决定了试卷的质量.为此研究设计的适应度函数能够对试卷难度、知识点考察数、区分度等多个试卷指标做出综合评判,生成...     

基于纯数值函数优化的一种混合遗传算法

通过引入与进化代数相关的交叉概率和与个体适应度相关的变异概率的自适应遗传算子同时把Powell局部寻优算法融入遗传算法的搜索过程构成了一种数值函数全局寻优的混合遗传算法.实验表明混合遗传算法改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率.同时由于混合遗传算法中只利用函数值信息,所以该混合遗传算法是纯数值函数的优化的一种通用方法.     

优化搜索空间划分的遗传算法的研究与实现

针对遗传算法中早熟收敛和容易陷入局部收敛的问题,提出优化搜索空间、遗传算法算子的一些改进策略,即利用搜索空间划分实现优良等位基因单元稳定遗传到下一代中,利用禁忌域和有效域快速提高算法的实现性能.改进的算法能有效减少搜索空间、避免算法早熟,使得算法的全局搜索能力和局部搜索能力比其他遗传算法均得到了较大的提高.函数求最优解和服装设计算法的实现,证明了改进算法的平均收敛速度和收敛到最优解的效率都优于其他遗传算法,实验验证了所提出的算法思想的可行性和有效性.     

两种智能优化算法及其应用

遗传算法和蚁群算法是两种新型的寻优策略,遗传算法用于函数优化问题,蚁群算法用于求解非线形规划问题.建立通过相应的优化模型,并得出了实现的步骤,结果表明遗传算法具有简单、通用、鲁棒性强、适用于并行处理的特点.蚁群算法具有正反馈性、较强的鲁棒性、并行性以及易与其他方法结合的特性.     

一种基于遗传算法的模糊神经网络控制器的设计

提出了一种基于遗传算法的模糊神经网络控制器的设计.该设计通过改进的遗传算法实现了控制规则和隶属函数的优化.算法中引入了优良模式自学习算子,改善了遗传算法的性能.通过对典型的非线性对象CSTR控制,仿真结果表明该方法是有效的.     

一种快速实现多峰值函数优化的改进遗传算法

针对基本遗传算法具有的收敛早熟、局部搜索能力差等缺点,提出了一种快速实现多峰值函数优化的改进算法。该算法包含并行小生境技术、可疑峰值点判断、引入局部搜索参数等策略,并采用C语言成功编写了通用程序。数值算例表明：该改进算法能有效防止早熟收敛,明显提高遗传算法的收敛效率,快速搜索到目标函数的所有最优点。该算法对求解多峰值函数优化问题具有普适性。     

一种基于量子遗传算法的多播路由算法

提出了一种基于量子遗传算法QGA（quantum genetic algorithm）解决多播QoS（quality of service）路由问题的算法．介绍了量子遗传算法的基本原理，给出了算法实现的方法和具体流程，并进行了量子遗传算法在多播路由选择优化方面的仿真实验，证明了量子遗传算法优于常规遗传算法．     

基因遗传算法用于人工神经网络的训练

根据基因遗传算法GA的基本原理,阐述了GA用于神经网络训练问题的适合度函数和编码方法,分析了标准GA的不足,提出了自适应浮动区间中心点、全局搜索和局部精确搜索等改进策略,发展了GENITOR算法.训练实例表明,GA不仅能代替BP算法,而且能完成神经元激发函数不可微的多层神经网络的训练.     

遗传算法及其在制造工程中的应用

遗传算法是建立在模拟自然界生命进化机制基础上的一种新型搜索和优化方法。介绍了遗传算法的概念和基本原理，讨论了它在制造领域的初步应用成果，并对其应用前景和要进一步研究的工作作了一些展望。     

投影遗传算法

针对一般遗传算法在求解优化问题的多个优化解时的局限性,结合曲面投影与遗传算法的基本思想,提出了一种基于曲面投影的投影遗传算法用于解决此类问题,数值验证的结果表明了本算法的有效性和实用性。     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

几种智能算法在排课问题中的比较

排课问题是个NP完全问题,没有最优解,只有满意解。将智能算法应用于排课问题的求解取得了有效的研究成果。主要对遗传算法、模拟退火算法和蚁群算法求解排课问题做了比较分析,阐述了各算法的基本原理及算法特点,分析了各个算法用在排课问题上的优缺点。     

基于遗传算法的项目管理优化仿真研究

传统的项目进度一维优化扩展至有偏好的二维目标(进度、成本)优化,同时将成本优化目标分解为项目成本大小以及资源均衡度从而构成三维目标优化,将无资源约束的环境扩展至资源约束下的复杂环境,将局部搜索优化领域扩展至全局范围内的优化.在内容上,先对项目的单目标优化管理理论进行详尽研究并指出其现实的局限性,同时提出了智能启化式方法-遗传算法在资源约束下项目管理优化方面的优势.在此基础上本文构建了基于三维目标偏好的项目管理优化仿真模型,解决了项目管理优化理论中最为重要的两大问题:资源约束下的项目进度优化以及资源约束下的三维目标(项目进度、项目成本以及资源均衡度)的优化问题.为了验证此模型对以上问题的有效性,本文应用Matlab仿真技术进行仿真模拟并与传统方法做比较,从结果可以看出遗传算法能够更好的解决此类问题.     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析.结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程.     

大型复杂结构优化问题的遗传算法

大型结构的整体优化问题一般具有多目标、多约束和多混合变量的特点，自由度多达千计，其算法的速度和效率是问题的关键所在．遗传算法是求解大规模函数优化问题的有力工具，在复杂结构的优化设计问题中得到广泛应用．本文介绍了遗传算法的基本思想、特点，阐述近年来遗传算法在结构优化设计及其相关领域的应用现状和重要发展．