人工记忆优化算法

为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法. 在该算法中,每个记忆元对应着一个试探解; 将记忆原理的记忆和遗忘规律用于控制每个记忆元的状态转移; 记忆元的状态由与试探解相关的状态描述量以及记忆残留值构成,该值分为瞬时记忆、短时记忆和长时记忆三种状态类型,并依据记忆元接受刺激的强度被加强或衰减; 处在瞬时记忆、 短时记忆和长时记忆状态的记忆残留值衰减速度由快到慢,记忆残留值低于某个阈值的记忆元要被遗忘,不再被处理. 在记忆元状态转变过程中,记忆元从一个状态转移到另一个状态实现了对优化问题最优解的搜索. 该算法将试探解与记忆关联,使得试探解依据其质量好坏被自动分类; 处于长时记忆状态的试探解因其质量好,其部分变量的状态值将被传给其它质量差的试探解对应的变量,使其质量得到改善; 处于不同记忆状态的试探解交换信息时,只有很少部分变量进行状态信息交换,这样既可以使试探解的大部分变量的状态保持不变,又能使其质量得到改善,且可大幅减少变量处理个数,对于高维优化问题此举可大幅提高算法收敛速度; 随着演化的进行,质量差的试探解会不断被遗忘,被处理的试探解的数量会不断减少,因此,随着时间的推移,本算法的收敛速度将越来越快. 应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性. 测试结果表明本算法的性能与现有的群智能优化算法相比,具有收敛速度快,求解精度高的优势.     

基于偏微分方程的户外图像去雾方法

户外图像的雾化往往导致色彩降质和对比度降低,有效的去除图像中天气效果对提高视觉系统的可靠性和鲁棒性具有重要意义。根据大气散射物理模型以及有雾图像的色彩与对比度降质同场景点的景深成指数关系的先验知识,分别建立了户外图像全局去雾和局部去雾的能量最优化模型,推导了相应的求解偏微分方程。利用用户提供的简单附加信息,实现了仅从单幅图像恢复清晰图像的去雾算法。实验结果表明：去雾图像的色彩清晰度和对比度有较大改善,具有很好的应用前景。     

基于CDT空间剖分的虚拟角色全局路径规划

针对大范围复杂虚拟城市环境中虚拟角色的自主导航问题,研究了虚拟城市环境的环境建模以及基于层次道路图的改进A*算法。用自适应剪切平面切割三维地物几何模型,把三维城市空间投影到2D平面空间,利用约束Delauny三角化方法剖分城市自由空间,通过调整约束边的长度调整提取道路图的精度,并构建顾及地形起伏特征的层次道路拓扑图;为适应基于层次道路图的路径搜索,对传统A*算法进行了改进。实验结果表明:该方法可以快速完成虚拟角色在虚拟城市环境中的全局路径规划,且环境建模需求空间小,路径搜索效率高并顾及了地形环境的起伏特征。     

支持复杂产品总体优化设计的多算法协作优化框架研究

针对复杂产品总体优化设计中设计方案寻优难以通过单一优化算法实现的问题,提出了基于多算法协作优化思路的多算法协作优化框架,详细探讨了框架两方面关键技术：组件化优化算法库和协作优化策略,提出了优化算法组件的接口规范和运行机制,给出了基于全局探索＋局部寻优策略的协作优化计算流程。最后,通过一个函数优化算例说明了协作优化框架的可行性和有效性。     

蚁群算法在全局最优路径寻优中的应用

移动机器人路径规划是机器人学的一个重要研究领域。针对移动场地的特点对其进行了建模与存储,然后将场地处理成简单的连通图,在此基础上对TSP模型进行了改进以应用到机器人全局最优路径中来,然后利用蚁群算法的基本原理在所建立的模型上进行全局最优路径搜索。为了更好的寻找到全局最优路径,对基本蚁群算法也做了一定的改进。不同的实验结果表明这种方法的确可以准确地找出全局最优路径。     

基于AT89S51单片机的智能时钟控制系统

本文给出了一种以AT89S51单片机为核心的智能时钟控制系统的设计。介绍了该系统的控制模式，控制系统的硬件电路构成，系统软件设计及实际应用情况。     

基于结构补偿的非线性全局场磁化率反演方法

定量磁化率成像是近年来磁共振成像领域中一项热门研究技术.定量磁化率成像技术通过逆向求解磁化率与相位的关系表达式,可定量地计算生物组织内部的信息变化,为相关的疾病诊断提供有效的辅助手段.定量磁化率成像需经过背景场去除、反演等多步计算,由此可导致误差的逐级传导并累加,从而降低定量磁化率重建精度.本文提出一种基于结构补偿的非...     

一类随机非线性系统的输出反馈全局镇定

将基于增益观测器的非线性系统输出反馈全局镇定控制器设计方法推广到随机情形,使之适用于一般的随机非线性系统.与已有基于反步法设计的镇定控制器相比,该方法不要求该随机非线性系统满足严格反馈条件,对其噪声向量函数也不要求满足光滑性条件.基于李亚普诺夫第二方法,讨论了所设计的控制器稳定的条件.一个二阶仿真算例表明该控制器设计方法是有效的.     

基于Pareto支配的两阶段多目标优化算法

针对二维和三维的多目标优化问题,提出了一种基于Pareto支配的两阶段多目标优化算法(MOEA-PT)。全局搜索阶段根据Pareto支配关系将种群进行排序,依据临界层子集的排序等级执行相应的选择策略;局部调整阶段对种群中的个体进行微调,将新产生的个体与距离其最近的个体进行支配关系、分布性、收敛性的对比,替换较差的个体。分析了两个阶段对算法性能的影响,同时对引入局部调整策略后的种群进行了对比,结果表明局部调整策略能有效增强算法性能。通过对标准测试函数的求解,并与其他经典的多目标算法进行对比,验证了本文算法在收敛性和分布性等方面具有一定的优越性。     

根据血液生物钟准时吃药

我们究竟该在什么时候吃药?每次生病之后,我们都要仔细看一下说明书上的用药时间,一般是一天1～3次,具体吃药时间通常是饭前饭后半小时。这种用药方法不能说不科学,但是至少不精确。日本研究人员发现,如果我们能测定体内的血液生物钟,不仅可以做到在最科学的时间点上准时吃药,而且可以在最科学的时间点上准时吃饭。我们在日常生活中往往根据统一的时钟来安排工作、学习和生活。在我们的身体内部的细胞、组织和器官并不会看着时钟来完成各种生