基于蚁群算法的图像边缘提取技术

蚁群算法是根据真实蚁群的觅食原理提出的一种新兴的启发式智能搜索算法.本文将蚁群算法应用于图像边缘搜索提取中,通过蚂蚁的智能特征,自适应的调整自己的行为,对图像边缘进行搜索提取.同时,引入了"精英蚂蚁"的概念,将精英蚂蚁的概念与蚁群算法想结合,优化了搜索过程,并提高了搜索速度.     

蚁群算法在分布式智能答疑系统中的应用研究

针对分布式智能答疑系统的特点,在对基于蚁群优化的分类规则发现算法研究的基础上,提出了分布式蚁群智能分类算法,并对该算法在分布式智能答疑系统中的应用进行了分析和测试.实践证明,该算法能有效地对分布式智能答疑系统的范例库进行数据挖掘,进一步提高智能答疑系统检索的效率和智能性,使分布式智能答疑系统的应用进入一个新台阶.     

一种基于蚁群系统原理的QoS单播路由算法

蚁群算法是一种基于蚁群系统原理的、具有自组织能力的、新型的启发式优化算法。为了研究QoS路由问题,本文利用蚁群算法能寻找最短路径这一特性,提出了一种基于蚁群系统原理、用于解决带宽和时延约束问题的QoS单播路由算法。仿真结果表明了该算法的有效性、自适应性、鲁棒性和可扩展性。     

基于全局单位化的连续函数优化的改进蚁群算法

提出了一种基于空间全局单位化的解决连续空问优化问题的改进蚁群算法.该算法首先通过单位映射将优化空间映射到单位空间,然后蚂蚁在各变量的每个位数上在0到9十个数字中进行选择,以此来模拟蚁群觅食的过程,并阐述了此改进蚁群算法的主要改进操作.通过实例测试表明,改进蚁群算法具有较好的寻优能力.     

基于改进型蚁群算法的阵列天线综合

将蚁群算法应用于优化阵元电流幅度,以实现对阵列天线方向图的综合。并针对传统蚁群算法难以解决电流激励幅度这样的连续变量优化和早熟收敛的问题,提出了一种改进型蚁群算法。该改进型蚁群算法对变量采用不整编码并在寻优过程中采用邻域优化方法,使其既可以对连续变量寻优,又同时改善了算法的优化速度和收敛精度。计算结果表明:该改进型蚁群算法在改变阵元激励幅度的方向图综合问题上取得比相关文献更好的结果。     

基于蚁群的无线电源管理网络路由算法

蚁群算法(Ant Colony Algorithm,ACA)是一种新型的基于群体的仿生算法。采用蚁群算法实现了对无线电源管理网络的路由优化,为远程设备管理提供了新的解决思路。对原始蚁群算法进行了改进,提出了一种多蚁群的优化算法。基于蚁群算法及其并行搜索最优的特征,通过蚁群聚类和动态调整网络优化参数的方法,可作为一种面向无线电源管理网络的路由算法,经过仿真验证了该算法的有效性。     

基于协同合作的蚁群优化算法

蚁群优化是一种模拟蚂蚁觅食的群集智能搜索算法,基本蚁群算法收敛性较差,易陷入局部最优解。本文在基本蚁群算法的基础上,提出一种新的蚁群优化算法,通过在信息素局部更新中引入信息素扩散模型,在信息素全局更新中引入随机扰动机制,发挥蚂蚁之间的协同合作能力,提高了算法的收敛速度。以TSP为例的仿真实验表明,该算法具有较强的寻优能力、较好的鲁棒性和有效性。     

基于遗传与蚁群算法融合的选播QoS路由算法

为有效解决选播通信中的QoS路由问题,提出一种基于遗传算法与蚁群算法融合的选播QoS路由算法.算法初期使用遗传算法在链路上分布信息素,对蚁群算法的控制参数进行编码和优化;然后通过判断函数来判断遗传算法与蚁群算法融合的时机,初始化信息素,并启动混合算法后期的蚁群算法;引入变异算子,对由变异操作得出新路径进行局部信息素更新,更快地引导蚁群算法找到全局最优解.NS2仿真实验结果表明,该算法很好的解决多QoS选播路由问题,性能优于其它算法.     

基于自适应算法的实时系统调度问题研究

本文提出了在单处理器环境下,可抢占式任务进行周期性调度的一种算法。仿真实验结果表明,这种算法在系统没有超载情况下对于单处理器、可抢占式的环境是比较理想的。在系统超载情况下,最早截止期最先算法(earliest deadline first,EDF)不能很好地工作,而基于蚁群的调度算法(ant colony optimization,ACO),会付出更多的执行时间,这是这两种算法的局限性。采用本文提出的基于蚁群的改进调度算法在正常负载下,执行时间几乎与最早截止期最先算法一样;在超载情况下跟其他算法比较具有更高的效率。     

基于遗传因子的自适应蚁群算法最优PID控制

蚁群算法是一种新型的模拟进化算法,重点始于组合优化问题的求解.作者运用该算法优化PID控制参数,但在基本蚁群算法中,存在收敛速度较慢,易出现停滞,以及全局搜索能力较低的缺陷.论文提出了一种具有遗传因子的自适应蚁群算法最优PID控制参数的方法,设计出参数优化图.该方法克服了基本蚁群算法的不足,能够满意地实现PID控制参数优化.仿真结果与Z-N法、遗传算法、基本蚁群算法相比较,优化效果明显得到改善.实验表明,该方法对于控制其他对象和过程也具有应用价值.     

GWO与ABC的混合优化算法及其聚类优化

灰狼优化算法（Grey Wolf Optimizer,GWO）和人工蜂群算法（Artificial Bee Colony,ABC）是两种流行且高效的群智能优化算法.GWO具有局部搜索能力强等优势,但存在全局搜索能力弱等缺陷;而ABC具有全局搜索能力强等优点,但存在收敛速度慢等不足.为实现二者优势互补,提出了一种GWO与ABC的混合算法（Hybrid GWO with ABC,HGWOA）.首先,使用静态贪心算法替代ABC雇佣蜂阶段中的动态贪心算法来强化探索能力,同时为弥补其收敛速度降低的不足,提出一种新型的搜索蜜源方式;然后,去掉影响收敛速度的侦查蜂阶段,在雇佣蜂阶段再添加反向学习策略,以避免搜索陷入局部最优;最后,为了平衡以上雇佣蜂阶段的探索能力,在观察蜂阶段,自适应融合GWO,以便增强开采能力和提高优化效率.大量的函数优化和聚类优化的实验结果表明,与state-of-the-art方法相比,HGWOA具有更好的优化性能及更强的普适性,且能更好地解决聚类优化问题.     

基于混合最优算法的高精度数控直流电源设计

基于单片机与最优化理论,设计并制作出一种数控直流电流源。在传统电路设计的基础上,利用控制系统中反馈与控制原理,引入电流负反馈,使硬件电路工作在闭环状态;综合利用主控制器ATmega128单片机高速处理优势及其内部资源,设计基于遗传算法和直接搜索策略的混合优化算法,并结合PID算法,形成软件闭环控制。实现对输出电流的精确控制,提高电流源输出电流的稳定度及电流源带负载能力。本数控直流电流源恒流输出电流范围为10mA～4000mA可调,输出恒流调整步长1mA、10mA、100mA可选,实测电流与预置电流误差不大于1mA。本装置人机交互界面友好,工作状态和各种参数显示清晰,并可实现负载过流报警和记录故障持续时间等功能。     

基于混合最优算法的高精度数控直流电源设计

基于单片机与最优化理论,设计并制作出一种数控直流电流源。在传统电路设计的基础上,利用控制系统中反馈与控制原理,引入电流负反馈,使硬件电路工作在闭环状态;综合利用主控制器AT-mega128单片机高速处理优势及其内部资源,设计基于遗传算法和直接搜索策略的混合优化算法,并结合PID算法,形成软件闭环控制。实现对输出电流的精确控制,提高电流源输出电流的稳定度及电流源负载能力。本数控直流电流源恒流输出电流范围为10mA～4000mA可调,输出恒流调整步长1mA、10mA、100mA可选,实测电流与预置电流误差不大于1mA。本装置人机交互界面友好,工作状态和各种参数显示清晰,并可实现负载过流报警和记录故障持续时间等功能。     

基于智能算法的超材料快速优化设计方法研究进展

目前,超材料研究不断向工程化应用推进,在物理机理与效应、设计理论与方法、加工制备与测试等方面取得了突飞猛进的发展。但是,传统的超材料设计主要依赖人工设计和优化,面对大规模的工程化应用设计时,无法实现数量庞大的超材料结构单元的快速整体设计。近几年,涵盖传统启发式算法和神经网络算法的智能算法在超材料设计中所占的比重逐步上升,基于智能算法设计超材料能够打破传统设计方法在不同基材体系、不同频段以及不同性能指标下设计的局限性,展现出快速设计和架构创新的独特优势。该文综述了包括遗传算法、Hopfield网络算法和深度学习在内的几种典型智能算法在超材料设计中的应用,包括正向设计方法和逆向设计方法。基于智能算法能够实现不同性能指标的频率选择表面、多机理复合吸波超材料、平板聚焦超表面以及异常反射超表面的快速设计,为推动超材料技术的工程化应用提供必要设计手段支撑。      

Research on tasks schedule and data transmission of video sensor networks based on intelligent agents and intelligent algorithms

As a novel application technology, wireless video sensor networks become the current research focus, especially on target tracking and surveillance scenario. Based on multiple agents'technique, this article introduces a series of intelligent algorithms such as simulated annealing algorithm (SA), genetic algorithm (GA), and ant colony optimization algorithm (ACO) or their mixed algorithms, to resolve the optimization of tasks schedule and data transmission. This article analyzes the performance of abovementioned algorithms and verifies their feasibility associated with agents. The simulations demonstrates that the mixed algorithms based on SA and GA obtain the optimal solution to tasks schedule, and those combined with SA-ACO show advantages on multimedia sensor networks routing optimization.     

一种新的基于混合蚁群算法的聚类方法

建立了聚类分析问题模型，分析了K-均值算法、模拟退火算法和基本蚁群算法的优缺点。对蚁群算法作了改进．思路是K-均值方法混合，利用K-均值方法的结果作为初值。经过比较测试，两种混合蚁群算法的效果都比较好．特别混合方法二的效果最好。     

无人机三维路径规划的粒子群混合算法

路径规划是无人机控制过程中的重要环节之一,现有基于粒子群等算法的传统路径规划方法存在容易陷入局部最优等问题,无法适应现实场景中复杂环境及高搜索速度的要求。针对已有方法的缺陷,提出了一种无人机路径规划的高性能细菌觅食-遗传-粒子群混合算法,以传统粒子群优化算法为基础,引入细菌觅食算法及遗传算法思想,提高算法计算速度与能力,同时考虑实际场景中无人机的运行约束,进一步提高了方法的可用性。最后,利用仿真实验验证了所提方法的有效性,并通过与传统方法对比证明了所提方法在运行时间、规划航程等方面的优越性。     

一种增强型多目标烟花爆炸优化算法

现实中多目标优化问题的多样化和复杂化要求发展新的多目标优化算法.在混合多目标进化算法设计思想和新型进化模型的启发下,提出一种增强型多目标烟花爆炸算法eMOFEOA,该算法利用均匀化与随机化相结合的方法生成均匀分布的初始种群,为算法后续搜索提供较好的起始点;对烟花爆炸半径采用精细化控制策略,即不同世代的种群具有不同的爆炸半径,而且同一种群内部因个体支配强度的差异而具有不同的爆炸半径,以节省计算资源;利用简化的k-最近邻方法维持外部档案的多样性.本文算法与另5种对等比较算法一同在12个基准多目标测试函数上进行性能比较,实验结果表明eMOFEOA算法在收敛性、多样性和稳定性上具有总体上显著的性能优势.     

Energy‐Aware Hybrid Cooperative Relaying with Asymmetric Traffic

In this paper, we study an asymmetric two‐way relaying network where two source nodes intend to exchange information with the help of multiple relay nodes. A hybrid time‐division broadcast relaying scheme with joint relay selection (RS) and power allocation (PA) is proposed to realize energy‐efficient transmission. Our scheme is based on the asymmetric level of the two source nodes’ target signal‐to‐noise ratio indexes to minimize the total power consumed by the relay nodes. An optimization model with joint RS and PA is studied here to guarantee hybrid relaying transmissions. Next, with the aid of our proposed intelligent optimization algorithm, which combines a genetic algorithm and a simulated annealing algorithm, the formulated optimization model can be effectively solved. Theoretical analyses and numerical results verify that our proposed hybrid relaying scheme can substantially reduce the total power consumption of relays under a traffic asymmetric scenario; meanwhile, the proposed intelligent optimization algorithm can eventually converge to a better solution.     

优化算法在偏振模色散自适应补偿技术中的应用

介绍了10Gb/s的光纤通信系统中,优化算法在偏振模色散(PMD)自适应补偿技术中的应用。偏振模色散在线监测技术建立在偏振度(DOP)的基础上,偏振度随着微分群时延(DGD)的增加而减小。为了使用DOP做为PMD的监测反馈信号,需要在传输线路中模拟DGD的状态,为此设计了一个PMD仿真器。在光纤输入复用器端使用一个偏振控制器(PC)来调整光信号的偏振态,在光纤输出复用器端使用一个起偏器。随后信号到达控制计算机,优化程序运行,寻找全局最优点并通过PC来控制PMD。对现代非线性优化算法进行了讨论,比较了它们在PMD自适应补偿技术中的优缺点。在实验过程中选择遗传算法,取得良好效果。在很短时间内一阶二阶PMD能达到最大补偿效果,其动态补偿时间不超过10ms。