正交免疫克隆粒子群多目标优化算法

该文基于抗体克隆选择学说理论,提出了一种求解多目标优化问题的粒子群算法--正交免疫克隆粒子群算法(Orthogonal Immune Clone Particle Swarm Optimization,OICPSO).根据多目标的特点,提出了适合粒子群算法的克隆算子,免疫基因算子,克隆选择算子.免疫基因操作中采用了离散正交交叉算子来获得目标空间解的均匀采样,得到理想的Pareto解集,并引入拥挤距离来减少获得Pareto解集的大小,同时获得具有良好均匀性和宽广性的Pareto最优解集.实验中,与NSGA-Ⅱ和MOPSO算法进行了比较,并对算法的性能指标进行了分析.结果表明,OICPSO不仅增加了种群解的多样性而且可以得到分布均匀的Pareto有效解集,对于多目标优化问题是有效地.     

多策略差分进化的元胞多目标粒子群算法

为了增加Pareto解集的多样性,平衡多目标优化的全局搜索和局部寻优的能力,提出一种多策略差分进化的元胞多目标粒子群算法.该算法在分析粒子群优化原理基础上,将元胞自动机理论融入粒子群算法,研究粒子种群的交流结构和信息传递机制.为了避免粒子飞行速度过快陷入局部收敛,提出一种限制粒子飞行速度的策略,并引入一种多策略差分进化选择算子增加对粒子的扰动.实验证明,该算法相对于比较算法,有更好的收敛性和多样性.     

多个体参与交叉的Pareto多目标遗传算法

Pareto多目标遗传算法是利用Pareto最优的概念发展出的一种求解多目标优化问题的向量优化方法,能够得到Pareto最优解集.由于采用常规的两个体参与交叉的遗传算法,使整个算法耗费在小生境(Niche)算子上的时间太多,导致算法的效率较低.本文发展出多个体参与交叉的Pareto多目标遗传算法,群体中的个体采用真实值表示,使该算法的速度大大提高,同时证明了相应的模式定理,并提出用方差和熵来分析该算法对解群多样性的影响.最后用算例说明了采用多个体参与交叉的Pareto多目标遗传算法与常规算法比较的结果,证明了本文提出算法的优越性.     

基于DE和NSGA-Ⅱ的集装箱多式联运的路径优化算法

考虑集装箱多式联运过程中时间参数的不确定性,引入三角模糊数用于表示在途时间和中转时间,同时考虑班期产生的等待时间,将碳排放纳入考量范畴,建立基于时间、成本和碳排放量的多目标模型。提出基于DE和NSGA-Ⅱ的DE-NSGAⅡ多目标优化算法,该算法通过差分方法模拟NSGA-Ⅱ的交叉和变异算子及自适应控制策略调整交叉因子和缩放因子来提高算法搜索能力。实例表明,在求解组合优化问题时,DE-NSGAⅡ算法的Pareto最优解集分布更均匀,收敛速度更快,证明了DE-NSGAⅡ算法的可行性和优越性。     

基于多算子融合的图像分割算法的研究

图像分割是图像处理技术中重要的组成部分,在实际生活中有着广泛的应用.针对目前几种常用的基于微分算子的图像分割算法不能很好的分割出目标区域,本文提出了一种基于多算子融合的图像分割算法.算法对几种不同的算子处理的结果进行融合,从而实现对目标区域的分割.实验结果表明,相对于Sobel算子、Prewitt算子、Canny算子、Roberts算子和Kirsch算子,多算子融合算法取得了最优的综合性能.其不仅能很好的解决简单背景下的目标分割,对背景较复杂的图像也能达到很好的分割性能.     

混合精英策略的元胞多目标遗传算法及其应用

为了提高Pareto解集的收敛性,平衡多目标优化的全局搜索和局部寻优的能力,提出一种混合精英策略的元胞多目标遗传算法。该算法在分析元胞种群结构的特点基础上,融入一种混合精英策略,提高算法的收敛性能。为了更好的平衡算法的全局搜索和局部寻优的能力,加入一种差分进化交叉算子。通过与同类算法在21个基准函数上对比实验,结果表明,引入混合精英策略和差分进化策略能够提高算法的性能,与其他优秀算法进行比较的结果说明,新算法有更好的收敛性和多样性。工程实例求解结果表明了算法的工程可行性。     

粒子群进化学习自适应双通道脉冲耦合神经网络图像融合方法研究

针对双通道脉冲耦合神经网络图像融合方法中参数选取不易确定之挑战,提出了一种基于进化学习的自适应双通道脉冲耦合图像融合方法.通过引入自适应学习能力的进化学习算法和构建新的优化目标对双通道脉冲耦合神经网络模型参数来进行优化,提出的新算法能够有效地找到双通道脉冲耦合神经网络模型的近似最优参数,克服了经典双通道脉冲耦合神经网络图像融合方法需要人工交互穷举尝试不同参数来获取较优参数之缺点.实验研究亦表明了上述优点.     

机间数据链系统的功率分配控制方法

针对想定战场中机间数据链网络通信模型的上行链路功率控制问题,采用了一种基于多目标灰狼算法(Multi-objective Grey Wolf Optimizer,MOGWO)的功率控制方法.将功率控制建模为多目标优化问题,以最小化上行链路中各节点功率、使各节点在接收机处的信干噪比值(Signal-to-In-terference plus Noise Ratio,SINR)接近目标SINR和最小化通信时截获概率为多目标优化问题建立模型,利用MOGWO求解问题模型Pareto前沿,依据系统选解准则求得最佳解.结果表明,MOGWO、多目标粒子群算法、基于分解的多目标进化算法与多目标蚁狮算法所得解对应各节点SINR的平均标准偏差分别为0.0968、0.3544、1.0900和0.3083.在恒定功率方法下最远节点处SINR已不满足正常通信需求,验证了MOGWO功率控制方法有更好的稳定性与寻优能力.     

基于余弦距离的多目标粒子群优化算法

针对粒子群优化算法具有的个体分布不均匀以及重复个体较多等缺陷,提出了一种基于余弦距离的多目标粒子群优化算法,该算法根据外部精英存储策略,利用余弦距离排挤机制来选取最分散的粒子,扩大 Pareto最优解集的收敛性和多样性,增强算法的全局寻优能力。通过采用标准多目标优化问题ZDTl～ZDT3进行仿真实验与粒子群算法、混沌粒子群算法、基于拥挤距离的多目标优化算法对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于基于拥挤距离排挤机制,并具有较高的效率     

基于多尺度小波核LS-SVM的红外弱小目标检测

针对红外弱小目标检测提出了一种新的算法.算法首先对图像进行均值滤波处理以减少噪声点,然后利用基于多尺度小波核函数的最小二乘向量机对图像进行局部灰度曲面拟合,再通过二阶方向导数算子计算出其特征图像并将连续几帧特征图像融合,最后采用对比度分割方法确认目标位置.仿真实验表明,该方法不仅具有良好的适应性和检测效果,而且具有较强的时效性.     

基于形态学top-hat算子的多传感器图像融合

本文根据形态学top-hat算子能够提取图像中极大值与极小值区域的特点,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合.实验中将本文方法与Laplacian塔型变换、子波变换、主分量分析等方法进行了比较,结果表明本文所提的基于top-hat算子的融合方法具有优越的性能,拓广了top-hat算子的应用范围.     

多源影像融合与分割的协同方法

针对现有影像融合与分割方法之间缺乏协同的问题,借鉴数据同化系统能够协同其模型算子和观测算子,并且能够自适应地优化其本身的思想,提出一个多源影像融合与分割的协同框架.在该框架下,以基于对比度金字塔变换和基于非下采样的Contourlet变换的两种融合方法分别模拟模型算子和观测算子,以评价分割效果的概率随机系数为目标函数,以带交叉算子的粒子群算法作为数据同化系统的优化算法.该框架可根据融合结果影像来调整分割算法的参数,利用分割结果来指导融合结果的优化,从而使得影像融合与分割协同工作.二组实验验证了该框架的有效性.     

基于合作模型的协同免疫多目标优化算法

本文针对多目标优化问题Pareto最优解集合(PS)的分布特点,构造了一种基于新的子任务划分方法的合作型协同进化模型,并将该模型引入人工免疫系统中,提出了一种基于合作模型的协同免疫多目标优化算法(A Cooperative Immune Coevolutionary Algorithm for Multiobjective Optimization,CICAMO).CICAMO算法运用Tchebycheff分解方法进行子种群划分,然后对各个子种群建立线性概率统计模型分段逼近整个PS,在抗体繁殖上结合了克隆选择和模型采样两种方式.实验结果表明,CICAMO算法在求解质量和收敛速度上均表现良好,尤其对于决策变量非线性相关的多目标优化问题,性能尤为突出.     

An hybrid evolutionary multiobjective algorithm for multiuser margin maximization in DSL

This work describes and proposes the application of evolutionary algorithms on the multiuser spectrum and SNR margin optimization problem for multicarrier systems, such as digital subscriber line. The proposed method is designed such that it takes advantage of special characteristics of the well‐known power adaptation techniques and uses them to solve the broader and more challenging problem of multiuser margin adaptation. Simulations show that the proposed method provides Pareto‐optimal and diverse solutions when compared to a previous method to solve the same problem. Copyright © 2014 John Wiley & Sons, Ltd.     

一种新的可见光图像融合方法

本文探讨了可见光多聚焦图像的融合问题。在运用电路与系统理论分析了多聚焦图像成像机理的基础上，提出了一种基于小波变换的融合算法，实验结果表明，该方法可有效综合多聚焦图像，从而获得场景内所有物体都清晰的图像。     

基于多流融合生成对抗网络的遥感图像融合方法

由于强大的高质量图像生成能力,生成对抗网络在图像融合和图像超分辨率等计算机视觉的研究中得到了广泛关注。目前基于生成对抗网络的遥感图像融合方法只使用网络学习图像之间的映射,缺乏对遥感图像中特有的全锐化领域知识的应用。该文提出一种融入全色图空间结构信息的优化生成对抗网络遥感图像融合方法。通过梯度算子提取全色图空间结构信息,将提取的特征同时加入判别器和具有多流融合架构的生成器,设计相应的优化目标和融合规则,从而提高融合图像的质量。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法能够生成高质量的融合图像,在主观视觉和客观评价指标上都优于大多先进的遥感图像融合方法。     

高维多目标优化问题融入决策者偏好的集合进化优化方法

高维多目标优化问题普遍存在且非常重要,但是,已有的解决方法却很少.本文提出一种有效解决该问题的融入决策者偏好的集合进化优化方法,该方法首先基于决策者给出的每个目标的偏好区域,将原优化问题的目标函数转化为期望函数;然后,以原优化问题的多个解形成的集合为新的决策变量,以超体积和决策者期望满足度为新的目标函数,将优化问题转化为2目标优化问题;最后,采用多目标集合进化优化方法求解,得到满足决策者偏好且收敛性和分布性均衡的Pareto优化解集.将所提方法应用于4个基准高维多目标优化问题,并与其他2种方法比较,实验结果验证了所提方法的优越性.     

基于极坐标变换的改进NSGA-II算法

在实际工程中存在着大量的多目标优化问题,而由于大部分多目标优化问题有无穷多个最优解,且传统的数学方法如梯度下降法和牛顿法,无法求解一些不可微或表达式过于复杂的多目标优化问题。为避免以上局限,NSGA-II作为求解多目标优化问题的代表算法被提出,但NSGA-II算法仍存在着一些不足,如变异算子功能过于简单,降低了Pareto最优解的多样性。为增加Pareto最优解的多样性,文中设计了一种基于极坐标变换的改进NSGA-II算法,该算法可使得Pareto最优解分布更加均匀,并最终通过标准的测试函数验证了算法的有效性。     

基于Q-Shift DT-CWT的多聚焦图像融合研究

提出了一种基于Q-Shift双树复小波变换的多聚焦图像融合算法.根据多聚焦图像的成像特点和变换后的高低频系数相关性,对高频系数采用＂模值绝对值和取大＂和对低频系数采用＂局部区域标准方差取大＂的融合准则,并对高频融合系数进行一致性检测,以实现尽可能直接选择源图像中的清晰区域系数作为融合图像对应位置的系数.实验结果表明,该融合方法获得了很好的融合效果,与小波变换相比,充分显示了近似的平移不变性和良好方向选择性等特性.