改进粒子群算法的多无人机航迹优化

针对多无人机协同搜索多运动目标航迹优化问题,建立基于搜索概率图的信息环境模型,提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法),用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障,以及无人机与目标之间的虚拟吸引力加快目标搜索;通过非线性的指数函数参数调整法对粒子群参数进行调整,并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新,来引导无人机对目标进行搜索。仿真结果表明,与其他算法相比,所提算法在搜索目标方面具有很大的优势,缩短了路径长度;避免了陷入局部最优解,具有较好的收敛性;能够有效地实现多无人机之间的协同搜索,提高了搜索效率。     

基于改进遗传算法的多无人机搜索航路规划

针对多无人机对特定区域内的目标搜索问题,提出了一种基于贪婪算法改进变异操作的自适应遗传算法。依据先验情报对搜索区域进行栅格化处理,并结合无人机性能约束建立基于状态更新周期的协同搜索模型;引入类0-1编码将无人机航向控制序列与搜索概率进行关联;考虑到机载雷达对某一区域的重复探测会在一定程度上提高搜索概率,提出加入贪婪算子的贪婪变异策略,并引入策略选择阈值实现依据搜索概率变化对变异策略的动态调整,提高算法后期的局部搜索能力。仿真结果表明,改进的自适应遗传算法整体性能较好,具有较强的搜索能力和鲁棒性。     

基于自适应协同进化粒子群算法的虚拟网节能映射研究

该文针对虚拟网节能映射问题提出自适应的协同进化粒子群算法。首先,为虚拟网节能映射问题设置了聚合度,该聚合度被用于自适应地选择粒子的搜索方式,即随机搜索、种内搜索或种外搜索。其次,根据粒子群的进化结果,自适应地确定是否终止对子群的搜索。最后,在常用的测试环境下进行了仿真实验,对映射的能耗效果对比了结果,实验结果表明了所提算法的高效性。     

基于改进人工蜂群算法的无人机的航迹规划

针对无人机飞行任务规划系统中的航迹规划问题,提出了一种改进的人工蜂群算法,将其应用于无人机的航迹规划。该算法将航迹规划问题转换成函数优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使蜂群向更优方向进化。在雇佣蜂搜索阶段采用自适应搜索策略来加快算法收敛速度;在跟随蜂搜索阶段引入一种新的概率选择方式来保证种群的多样性;在侦察蜂搜索阶段利用混沌搜索算子提高算法的全局搜索能力。通过标准函数测试与航迹规划仿真对改进后的算法进行验证,结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于传统的人工蜂群算法,可有效解决无人机的航迹规划问题。     

基于改进细菌觅食优化算法的遥感图像增强研究北大核心CSCD

为了提高遥感图像增强的效果,采用改进细菌觅食优化算法。首先细菌基于双sigmoid型乘积隶属函数进行自适应步长趋化更新,前期进行全局搜索,后期进行局部搜索;接着细菌繁殖基于裂变算法更新,细菌迁徙基于双高斯函数更新;然后对遥感图像的低频、高频部分采取不同的增强方法,低频部分对比度提高以便对图像进行平滑处理,高频部分去噪增强突出边缘轮廓;最后给出了算法流程。实验仿真显示本文算法对遥感图像增强清晰,图像的信息熵平均值为7.158、清晰度平均值为28.59,相比其他算法评价指标较好。     

带局部搜索的动态多群体自适应差分进化算法及函数优化

 提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.     

基于量子概率统计的医学图像增强算法研究

 传统的医学图像增强算法存在对噪声敏感且易陷入欠增强或过增强等不足. 本文首先利用量子信号处理基本原理,定义了两种不同的像素量子比特表达形式;然后,针对医学图像的特点,结合3×3邻域像素灰度相关性,提出了一种基于量子概率统计的图像增强算子. 为了优化图像增强的效果,根据子采样图像信息熵自适应确定本算子的灰度阈值参数. 通过主观和客观评价,实验结果表明本文所提出的增强方法考虑了图像全局与局部信息,能更有效地提高医学图像质量.     

一种改进的免疫克隆选择算法

为了提高传统的克隆选择算法收敛速度慢、搜索能力弱、易局部最优化的缺陷,对基本的克隆选择算法进行了改进.改进的措施主要包括4个方面,分别是新的克隆方法、变异概率的自适应变化、替换策略的自适应变化、变异概率的突变.改进的克隆选择算法经过多个多峰值标准函数的仿真测试,具有较快的收敛速度和较强的寻找峰值的优点,改进的效果显著.     

非线性多目标概率优化问题的自适应采样免疫优化算法

针对噪声环境下非线性多目标概率优化问题,提出问题求解的自适应采样免疫优化算法.在算法设计中,基于克隆选择原理,设计小种群的算法进化框架;提出目标值估计法自适应确定个体的样本大小并估算其目标值;借助传统快速非支配排序法,种群被分割成多级非支配子群协同进化;设计动态交叉分布指数的模拟二进制交叉加强各子群之间的信息交流;设计动态变异分布指数的多项式变异、均匀变异,以及自适应变异概率平衡全局、局部探索.最后,借助3个理论测试问题、海铁联运能耗优化问题以及9个代表性的比较算法,数值实验结果表明,此算法寻优效率优势显著、搜索效果优越、稳定性好.     

基于二维粒子群优化的图像模糊增强算法研究*

针对传统基于灰度变换方法进行图像增强后图像质量不高等现象,对粒子群优化算法、模糊增强算法进行研究,同时结合禁忌搜素和粒子空间对称分布原理,提出一种基于二维粒子群优化的图像模糊增强算法。该算法通过对搜索粒子进行空间对称分布调整以避免算法陷入局部最优、提高全局搜索能力,并且在算法迭代后期加入禁忌搜索算法记录粒子搜索位置,以减少粒子位置重复寻优、提高算法搜索效率。最后将改进后的粒子群优化算法中粒子搜索位置和速度更新方向设定为二维并与模糊增强算法相结合,自适应搜索出模糊参数Fp、Fe最优值,实现模糊增强。实验结果表明,改进后算法对图像增强效果较好,并且将算法用于过暗SAR图像、医学MR图像的增强,可有效提高图像质量。     

基于改进混合蛙跳算法的图像增强处理研究

针对图像增强的特点,提出改进混合蛙跳算法。首先对混合蛙跳的更新采用自适应的阈值选择策略,并对每只蛙的目标函数值赋予一定的概率分布,增加了得到更优蛙的机会;接着在混沌系统下,随机产生混沌序列,将混沌变量映射到优化变量的取值范围中,混合蛙跳可以遍历整个区间,这样得到群体最优位置;最后采用Beta函数实现图像增强。实验结果表明,此算法对图像增强效果明显,清晰度较高。     

基于改进混合遗传的医学图像模糊增强研究*

针对现有医学图像中存在有采集后图像质量不高、图像过暗等现象,对遗传算法中的选择、交叉、变异特性进行研究,同时结合粒子群优化、禁忌搜索及模糊增强算法,提出一种基于改进混合遗传的医学图像模糊增强方法.该方法通过对传统遗传算法改进,将粒子群优化思想及粒子空间对称分布原理引入以改善遗传算法缺乏明确的目标指向性、“突变”性过高的现象,并且为有效降低粒子的同一位置二次搜索,在算法执行过程中加入了禁忌搜索算法.最后,通过与模糊增强算法相结合,并设置二维方向寻优,可自适应的同时寻找到两个模糊参数Fp、Fe最优值,完成医学图像的模糊增强.实验结果表明,改进后算法可有效改善过暗医学CT图像的质量,增强效果较好.     

基于烟花爆炸式混合蛙跳算法的LoRa网络参数分配策略

为了改善LoRa传输过程中的干扰冲突问题,提出了一种基于烟花爆炸式混合蛙跳算法的LoRa网络参数分配策略。首先,针对混合蛙跳算法存在易早熟、易陷入局部最优等不足,改变分配种群方式,同时引入反向学习、自适应烟花爆炸机制和高斯变异算子提高算法的搜索性能。其次,以最大化节点平均传输成功率为优化目标,并将接收灵敏度作为约束系数,保证信息能够被接收的前提下分配最佳参数。仿真结果表明,所提的分配策略优于其他分配方案,能显著降低节点碰撞概率,提高节点信息接收率。     

基于量子免疫蛙跳算法的图像增强研究

针对图像增强的特点,提出量子免疫蛙跳算法。该算法按适应度大小排序的青蛙个体进行量子编码,同时蛙跳移动离散化;通过动态调整量子蛙跳旋转门实现量子染色体中所有的量子比特都朝着与最优解对应的量子比特基态动态优化偏转;采用Hadamard门对量子位变异,基于阴性选择算法对蛙跳免疫进行像素匹配,并给出了图像增强过程。实验仿真表明,本文算法对图像增强效果的轮廓和细节更加清晰,层次感强,结构相似性SSIM其值较好,为0.9849。     

JM模型中UMHexagonS算法及改进方案

结合H.264验证模型JM8.6的源代码对UMHexagonS算法进行分析,利用视频图像序列的运动矢量的分布规律以及当前块像素之间运动估计代价的相关性,并根据图像序列本身的纹理特性,对搜索模板和搜索步长进行自适应的改进,达到了避免冗余搜索的目的.实验结果表明,改进后的算法与UMHexagonS算法相比,在保证峰值信噪比...     

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.     

基于自适应云粒子群算法的造影图像增强

针对造影图像增强现有算法的不足,采用自适应云粒子群算法.首先,由云模型产生云滴,确定云的特征值;接着正向云发生器产生粒子,基于粒子个体适应值把种群分3个云子群,且分别采用不同惯性权重的调整策略,自适应算子使权重随着粒子适应度值的减小而减小,从而实现了较优粒子取得较小的权重,在适应度最大时并非绝对的零值,从而提高了避免陷入局部最优的能力;最后,造影图像通过对数灰度变换增强,把求最佳的参数组合问题转化为自适应云粒子群算法寻优问题.实验仿真证明,在云隶属度大的地方图像像素的灰度域比较集中,增强效果边沿清晰.     

改进的遗传算法在加速寿命试验设计中的应用

为了提高遗传算法的搜索效率和收敛速度,本文给出了一种新的改进的遗传算法。该算法采用对群的优化来保持种群的多样性,保留历史最优个体并定期替换最优个体从而使得个体优化,对交叉概率和变异概率采用自适应的概率进行优化。通过对目标函数的测试表明,将改进遗传算法与基本遗传算法相比较,在函数最优值,平均收敛代数方面取得了令人满意的效果。     

基于蛙跳算法的模糊图像复原

针对模糊图像复原的特点,提出蛙跳算法。首先按青蛙适应度值从大到小降序排序,控制种群移动步长对子群中最差青蛙的位置进行更新;接着通过模糊运动图像模型构造矩阵函数对图像复原,将蛙跳步长与模糊图像抑制比建立关系,同时给出评价指标体系以及算法流程。实验仿真结果证明,蛙跳算法具有对模糊图像复原清晰度高、抑制噪声能力强的特点。