求解聚合组播问题的多种群蚁群优化算法

传统的IP组播技术使用树状结构传递组播分组,要求树上的路由器为每个组保存一个转发状态,这样当网络上并发的组播组过多时会面临着组播状态扩展性问题。最近提出的聚合组播技术强迫多个组播组使用一棵共享的组播树来解决这个问题,这是一个NPC问题。提出一种基于多种群的蚁群优化算法来求解聚合组播问题。每个种群根据使用模型的不同使用不同的适应度函数、不同的启发式信息和不同的解构建过程,也就产生了不同的搜索轨迹和特点。算法设计了种群之间的交换整个信息素表和交换最优迭代解的两种信息交换方式。仿真结果显示,两种方法都能够取得比任何一种单独算法更好的优化效果,提高了算法的收敛时间。     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象，其分布较为密集且缺乏尺度不变性，因而容易造成图像特征点误匹配的问题。为了解决该问题，提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔，然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test，FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后，根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值，提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点，并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features，BRIEF）算法计算得出特征点的描述符，最后进行特征点匹配。实验结果表明，本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升，冗余重叠的特征点数量减少，且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。     

基于DS理论和指数平滑的滤波算法研究

针对图像椒盐噪声检测中的不确定性问题,利用基于证据理论的椒盐噪声检测算法,并联合Holt双参数指数平滑法对噪声图像进行滤除.依据椒盐噪声的极端性和不连续性,在检测噪声过程中利用证据理论的不确定性判据给出两种准则,并最终给出决策融合方法来判别噪声.此外,根据预检测结果给出噪声点的消除方法,实现图像消噪功能.仿真实验验证了本文方法的有效性.     

一类奇异摄动问题的自适应移动网格算法

针对一类奇异摄动反应扩散方程组,提出了求解这类问题的自适应移动网格方法 .基于等分布原理,给出了网格控制函数及相应的网格生成算法.数值实验表明该自适应移动网格方法至少是一阶一致收敛的.     

面向OD客流的高速列车开行方案的优化

满足旅客出行需求的列车开行方案能够更好地吸引客流，提高高速铁路的核心竞争力.以最大化经济收益和最小化出行费用为目标函数，以高速铁路开行方案为研究对象，以旅客出行需求等作为约束条件，将列车开行方案与OD客流量结合起来，同时考虑旅客的购票心理和列车购票的时效性，建立了一种基于动态客流的列车开行方案的多目标优化模型，并设计一种基于个体信息和改进变异算子的多目标差分(SG-MOSaDE)算法进行求解.以广州市某线路为例进行实验，结果表明，优化后的开行方案不仅最大化满足了旅客出行需求，而且在提高铁路部门经济收益的同时降低了旅客的出行花费，并且优化后的列车总停站次数较原来有所下降，停站方案更加均衡.     

QBSO算法在PID参数优化的应用

为解决PID控制参数求解过程中所存在的求解精度不高的问题,提出一种量子天牛群算法.通过结合PSO算法的全局搜索能力、BAS算法的局部搜索能力以及量子策略的随机能力,使得算法的全局搜索能力以及搜索精度得到有效提高,并通过两类经典函数对其寻优能力进行验证.进一步,将QBSO算法应用于PID参数优化中,并对一阶与二阶延时和非延时系统进行PID控制参数求解.通过仿真实验以及计算结果表明,基于QBSO的PID控制的控制系统具有更加优良的动态性能与抗扰动能力.     

珊瑚礁算法的改进研究

珊瑚礁算法易于陷入局部最优且寻优精度低，因此提出一种改进的珊瑚礁算法.此算法借鉴粒子群算法、高斯变异和模拟退火算法的思想改进珊瑚礁算法的内部有性繁殖、无性繁殖和更替机制，提高了算法的寻优精度并可跳出局部最优.在仿真实验中，将改进珊瑚礁算法与基本珊瑚礁算法和粒子群算法等10种算法分别在高维和低维测试函数下进行比较.实验结果表明，改进的珊瑚礁算法不仅较其他算法具有更好的收敛速度和精度，而且在高维测试函数中，仍然可以保持良好的性能.