多父体杂交演化算法求解约束优化问题

提出了一种求解约束函数优化问题的新算法。设计了3种新的多父体杂交算子。这3种算子都使用了统计信息来决定搜索方向，使算法具有较高的收敛速度，同时又具有互补的特性，使得种群在演化过程中能保持较好的多样性，不容易陷入局部最优。对常见测试函数的数值实验证实了新方法的有效性、通用性和稳健性，其性能优于现有的一些演化算法。     

基于路径和模拟退火的交通

针对以交通规划网络方案作为上层规划,而在给定路网结构下的交通平衡分配作为下层规划的离散交通网络设计双层规划模型,设计了基于模拟退火算法和路径搜索算法的SA-GP求解算法.相对传统基于路段搜索的平衡配流算法,采用路径的搜索算法抓住了Wardrop平衡的本质特征,采用逐步增加路径的方式,取得了较好的运算效率.最后使用算例对算法和模型进行了计算分析,计算的结果表明,模型和算法都是有效的,上下层算法均具有良好的收敛速度和求解效率,能够很好地解决大规模的路网规划设计问题.     

三维环境中多机器人协同路径规划算法

针对三维环境中多机器人协同路径规划问题,提出一种改进蚁群算法。文中提出并构建了机器人运动行为模型和协同行为模型,通过引入多蚁群系统,优化信息素更新机制和状态转移方程,提高算法全局搜索能力和收敛速度。仿真实验结果表明改进蚁群算法优于基本蚁群算法,能够有效指导机器人在三维环境中协同行进,提高路径规划能力。     

遗传模拟退火算法优化BP神经网络的GPS高程拟合

针对传统BP神经网络收敛速度慢、易陷入局部最优和遗传算法优化BP神经网络(GA-BP)算法过早收敛的问题,提出了遗传模拟退火算法优化BP神经网络(GSA-BP)算法. 在遗传算法(GA)的种群更新中加入模拟退火算法(SA),保留种群的多样性. 用GSA-BP算法对某地区进行高程异常拟合,并与BP算法和GA-BP算法结果进行比较. 结果显示:GSA-BP算法精度可分别提高约51%、25%,速度提高约77%、39%,且能基本满足四等水准测量精度要求. 该方法在GPS高程拟合中具有可行性.      

实数编码改进遗传算法的非线性最小二乘平差

遗传算法在处理测量领域中的非线性问题时,算法中的种群数目大小、个体中的参数分量的数量以及参数的取值区间都会对算法的效率产生影响。针对基本遗传算法在处理非线性问题时,容易陷入局部最优值、速度慢、收敛区间小等问题,本文采用了一种新的交叉策略,并对变异算子中的变异步长作动态的自适应改变。最后通过实例解算验证了这种改进的遗传算法比基本遗传算法更加稳定、精度更高、收敛速度更快、收敛区间更大。     

遗传算子对径流预报神经网络模型的影响

采用均匀设计来安排遗传算子组合进行数值实验,研究了遗传算子对神经网络径流预报精度的影响。研究发现,输入模式对最终种群中个体的分布影响不明显,不同算子组合对其影响则明显得多。通过回归分析发现,采用不同算子组合优化神经网络初始权重径流预报精度差别较大,对未归一网络的优化效果较归一网络好,同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生叠加效果。     

剔除误同名点的约束改进ICP算法

ICP算法及其改进算法可以自动精确地将多视点云拼接在一起,但ICP算法收敛速度较慢,且容易收敛到局部极值。针对有粗略拼接和无粗略拼接的多视点云两种情况,为了提高ICP算法的收敛速度,该文分别提出了点对坐标约束法和自适应阈值法来剔除错误的同名点对。通过实验数据对提出的算法进行了验证,结果显示新算法提高了收敛速度。     

一种兼顾全局与局部特性的机器人动态路径规划算法

A*算法的规划路径全局最优,但存在拐点多、拐角大的缺点,而人工势场法的规划路径虽然平滑,却无法满足全局最优的要求。为达到机器人快速到达、安全避障的目的,分别对A*算法和人工势场法进行改进,并将两者相结合,提出一种兼顾全局与局部特性的机器人动态路径规划算法。全局路径规划采用剔除冗余节点的A*算法,生成局部目标节点序列;局部路径规划采用改进的人工势场法,提出5方向障碍物探测法替代原有斥力模型,大大减小运算量;设置最小引力场,引导机器人脱离局部最小点;采用扇形区域探测法,有效规避小型动态障碍物。仿真实验结果表明:与传统A*算法与人工势场法相比,该方法不仅生成全局最优平滑路径,而且还能够在顾及机器人移动控制的前提下,及时规避动态障碍物。     

模拟退火机制下优化离散粒子群的端元提取算法

针对离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)端元提取算法初始种群质量差、收敛性能低且易于陷入局部最优,本文将模拟退火算法引入到DPSO的不同阶段,模拟退火算法能以一定的概率接受和舍弃新状态,使种群内粒子渐趋有序、达到平衡,收敛到全局最优,有效避免了搜索陷入局部最优。因此,该算法不仅保持了DPSO的全局组合优化特点,克服了初始种群质量差、易陷入局部最优等缺点,而且还提高了收敛速度和端元提取精度。     

基于改进粒子群算法在GIS最优路径中的研究

在GIS环境下研究最优路径问题具有很多优势,本文研究的最优路径问题是基于传统粒子群算法存在的早熟收敛问题,并提出了一种改进的粒子群算法,该算法在后期引入变异算子,变异操作能够提高算法跳出局部最优的能力,同时又保持了前期搜索速度快的优点。     

协同模型与遗传算法的集成

提出协同模型中蚁群算法和遗传算法集成的方案，用于生成纹理分类的模板。介绍了蚁群算法的原理和集成方案的实施步骤，以及在搜索最优解过程中蚁群移动方向的决策方法。为了验证集成方案的正确性，对航空影像的居民地、灌木、水田、山地、旱地5种目标进行了识别试验，并与仅使用遗传算法的结果进行了比较。试验结果表明，该集成方案的识别效果有明显的提高。     

一种复杂地理环境越野通行路径寻优算法

设计了基于障碍距离的优化算法,解决突发事件应急联动中复杂地理环境下最短路径的寻优求解问题。在详细分析地理空间高程、坡度、障碍物等空间信息的基础上,通过计算搜索空间、搜索方向和网络弧段权值构建网络拓扑关系网,并利用遗传算法对最优路径进行寻优求解。     

基于遗传算法的快速影像匹配技术的研究

提出了一种将遗传算法 (简称GA)用于影像匹配的算法 ,较为详细地分析了遗传算法中群体的大小、交叉率、变异率、选择机制对影像匹配的影响 ,特别是对未成熟收敛等问题进行了较为深入的研究。实验证明该算法快速、有效     

基于相似性保持和特征变换的高维数据聚类改进算法

提出一种基于相似性保持和特征变换的高维数据聚类改进算法.首先,通过相似性度量函数计算得到高维空间对象相似度矩阵,并利用近邻法、Floyd最短路径算法将相似度矩阵转换为最短路径距离矩阵;然后,将高维特征变换转化为遗传优化问题,利用特征变换降维后的二维数据进行k-均值聚类,并根据(高维坐标,降维后二维坐标)值进行RBF神经...     

Object Extraction Based on Evolutionary Morphological Processing

This paper introduces a novel technique for object detection using genetic algorithms and morphological processing. The method employs a kind of object oriented structure element, which is derived by genetic algorithms. The population of morphological filters is iteratively evaluated according to a statistical performance index corresponding to object extraction ability, and evolves into an optimal structuring element using the evolution principles of genetic search. Experimental results of road extraction from high resolution satellite images are presented to illustrate the merit and feasibility of the proposed method.     

Object extraction based on evolutionary morphological processing

This paper introduces a novel technique for object detection using genetic algorithms and morphological processing. The method employs a kind of object oriented structure element, which is derived by genetic algorithms. The population of morphological filtersis iteratively evaluated according to a statistical performance index corresponding to object extraction ability, and evolves into an optimal structuring element using the evolution principles of genetic search. Experimental results of road extraction from high resolution satellite images are presented to illustrate the merit and feasibility of the proposed method.     

遥感数据的遗传-超平面分割算法

在传统的采用超平面作为判别边界的分割方法中，使用统计学的方法确定类判别界面，当区域间的统计值大于区域内的统计值时，就会出现类判决界面难于确定的问题。遗传算法的特点是进行全局优化搜索，利用这种算法优势可以解决传统算法难以解决的超平面空间定位问题，从而解决类判决界面的确定问题。通过EOS／MODIS图像数据的分割对该方法作了详细的介绍，其分类精度明显高于统计学分类方法。     

基于生成树的控制网最小独立异步环搜索方法研究

实现控制网最小独立异步环的计算机自动搜索是一项较为复杂、繁琐的工作,目前介绍此工作方法的文献大多是阐述过程中的某一部分,并且部分细节问题讨论得较少。文中以帮助初学者对此项工作形成完备的认识并能够自主编程实现为目的,以GNSS控制网为例,详细介绍基于生成树的控制网最小独立异步环自动搜索方法,内容包括生成树的定义及建立方法,最短路径搜索-Dijkstra算法的原理与实现步骤,利用生成树与最短路径搜索算法搜索最小独立闭合环的原理及具体实现步骤,以及同步观测环的自动搜索方法。最后以一个控制网实例说明此方法的可行性。     

一种基于遗传算法的多模式多标准路径规划方法

单一路径评价标准难以满足日益多样化的出行路径规划需求。多标准路径规划成为公众出行服务的研究热点。然而,多标准路径规划本质上是具有NP特性的多标准决策问题,且涉及多种交通出行模式。多个不同标准的权重设置将直接影响路径规划结果。因此,如何科学合理地设置不同标准的权重成为多标准路径规划中的技术瓶颈。本文提出了一种适应多模式交通网络环境的多标准路径规划方法,借鉴遗传算法在求解多标准优化问题中的优势,将其扩展到多模式多标准路径规划中。该方法避免了不同出行标准权重设置中的主观性和不确定性,能够实现更为灵活的交通出行模式自动化组合,为出行者提供满足个性化需求的、多标准的出行路径规划服务。     

一种利用双侧凸包扩张模型的路径快速规划算法

针对障碍环境中路径规划存在的运算效率低、最短路径遗失问题,根据凸包边界在构建空间网络模型过程中具有快速高效的特点,结合路径与障碍物的相对位置关系,提出了一种基于双侧凸包扩张模型的路径快速规划算法.该算法在对凸包边界算法进行改进的基础上,提取左右侧关联障碍物的凸包边界作为网络模型,利用最短路径算法搜寻目标路径,并在Arc...