基于多种群差分进化的多目标优化算法

针对差分进化算法(Differential Evolution Algorithm,DE)求解多目标优化问题时易陷入局部最优的问题,设计了一种双向搜索机制,它通过对相反进化方向产生的两个子代个体进行评价,来增强DE算法的局部搜索能力;设计了多种群机制,它可令各子群独立进化一定次数再执行全局进化,以完成子群间进化信息的交流,这一方面降低了算法陷入局部最优的风险,另一方面增强了Pareto解集的多样性,使Pareto前沿面的解集分布更为均匀。实验结果表明,相比于NSGA-II等同类算法,所提方法在搜索Pareto最优解时效率更高,并且Pareto最优解集的精度及分布程度比前者更好。     

基于协同进化的约束多目标优化算法

针对约束多目标优化算法存在难以有效地兼顾收敛性和多样性的问题,提出一种基于协同进化的约束多目标优化算法.第一阶段,通过基于稳态演化的可行解搜索方式得到一个具有一定数量可行解的种群;第二阶段,将这个种群拆分为两个子种群,并通过双子种群协同进化的方式实现对收敛性和多样性的兼顾;最后采用标准约束多目标优化问题CF1～CF7、...     

基于多目标协同进化的测试用例优先排序

测试用例优先排序是一种有效的降低回归测试开销的技术,通过对测试用例按照其重要程度排序后可获得更高的测试效率。针对传统多目标遗传算法在测试用例优化排序中存在的收敛较慢、易陷入局部最优、缺乏对不同测试准则的综合权衡等缺点,提出一种基于竞争模式的多目标协同进化算法。该方法采用平均代码覆盖率以及平均变异杀死率作为多个约束目标的测试准则来进行适应度度量,提高算法的错误检测率;使用个体绝对适应度与相对适应度对个体生存能力进行评价,衡量个体优秀程度,利用竞争性的协同进化思想加快算法收敛速度;通过剔除“老年”个体控制个体生存周期来避免陷入局部最优问题。同时,在影响算法执行效率的因素方面也进行了一系列的实验,结果表明该算法能够加快收敛速度,加强了局部搜索能力,相对于传统的优化算法来说具有更好的搜索效率和更高的错误检测率,从而验证了算法的有效性和可行性,证明了该算法具有一定的现实意义。     

一种多目标优化合作型协同进化算法

基于合作型协同进化模型,提出了一种新型的多目标优化进化算法.该算法使用精英保留的思想以加快收敛速度,并采用一种新型的子群体间合作方式,提高了候选解的多样性,且避免了在一般多目标优化进化算法中难以处理的适应值分配或非支配排序过程,从而大大减小了计算资源的消耗.使用图形法和三种定量的测度将所提算法与一种经典的多目标优化进化算法NSGA-Ⅱ在一组标准测试函数上进行了比较,结果表明算法具有更高的搜索效率.     

多子群协同进化的多目标微粒群优化算法

微粒群优化(PSO)算法是一种非常有竞争力的求解多目标优化问题的群智能算法,因其容易陷入局部极值,导致非劣解集的收敛性和正确性不理想。为此提出一种基于多目标分解进化策略的多子群协同进化的多目标微粒群优化算法(MOPSO_MC),算法中每个子群对应于一个多目标分解之后的子问题,并构造了一种新的速率更新策略,每个粒子跟踪自身历史最优值、子群最优值和子群邻域最优值,从而在增强算法的局部寻优能力的同时,也能从邻域子群获得进化信息,实现协同进化。最后通过仿真实验,与现在主流的多目标微粒群算法在ZDT基准测试函数上比较,验证了算法的收敛性,解分布的均匀性和正确性。     

均衡分布性与收敛性的协同进化多目标优化算法

为了进一步提升多目标进化算法(MOEAs)的收敛速度和解集分布性,针对变量无关问题,借助合作型协同进化模型,提出一种均衡分布性与收敛性的协同进化多目标优化算法(CMOA-BDC). CMOA-BDC 首先设置一个精英集合,采用支配关系从进化种群与精英集合中选择首层,并用拥挤距离保持其分布性;然后运用聚类将首层分类,并建立相应概率模型;最后通过模拟退火组合分布估计与遗传进化,达到协同进化.通过与经典 MOEAs 比较的结果表明, CMOA-BDC 获得的解集具有更好的收敛性和分布性.     

一种子群体个数动态变化的多目标优化协同进化算法

给出一种新型的在多目标优化条件下的进化算法群体停滞判别准则,并基于该准则提出一种合作型多目标优化协同进化算法．该算法在运行过程中自适应地决定子群体的新增和灭绝．使得子群体个数依据需要动态变化,减小了对计算资源的消耗,并解决了对复杂多目标优化问题难以事先进行分解的问题．对所提算法的计算复杂度进行了理论分析,并把它与已有的多目标进化算法进行了比较,结果表明所提算法具有较高的搜索性能．     

多目标优化差分进化算法

个体的适应度赋值和群体的多样性维护是进化算法的两个关键问题。首先,一方面,定义了Paretoε-支配关系的相关概念,通过Paretoε-支配关系确定个体的强度Pareto值,根据个体的强度Pareto值对群体进行Pareto分级排序,实现优胜劣汰;另一方面,使用拥挤距离估算个体的拥挤密度,淘汰位于拥挤区的一些个体,维持群体的多样性。然后,根据差分进化算法的特点,使用适当的进化策略和控制参数,给出了一种用于求解多目标优化问题的差分进化算法DEAMO。最后,数值实验表明,DEAMO在求解标准的多目标优化问题时性能表现优良。     

自适应协同进化多目标进化算法

为了提高协同进化多目标进化算法的全局收敛性,提出了一种调用协同进化算子的自适应方法。其基本思想是：根据目标函数的变化率自动调用协同进化算子;当种群进化正常时,调用合作算子和吞并算子;当种群进化接近停滞时,调用分裂算子。通过数值实验用量化指标研究了新算法的收敛性和分布性,结果表明,与常规协同进化多目标进化算法相比,新算法不仅具有良好的分布性,而且全局收敛性有了明显的提高。     

多粒子群协同进化算法

针对遗传算法收敛速度慢且易于陷入局部最优,而微粒群算法存在早熟的现象,提出了一种多粒子群协同进化算法,在多个粒子群协同进化的同时,通过构建基因库,使较劣的粒子根据基因库进行遗传操作,用4个基准函数进行实验表明,算法MPSOE3性能明显优于基本PSO算法,最后对该算法进行了推广,给出了一种基于计算智能的多群协同进化模型。     

一种邻居动态调整的粒子群优化算法

为了达到全局寻优能力与寻优速度的平衡,提出一种邻居动态调整的粒子群优化算法。该算法依据粒子的多样性变化和进化状态,实现邻居结构的动态改变。算法引入种群熵评估粒子的多样性,定义粒子邻居扩充因子和局部影响因子来描述粒子的进化状态,并提出邻居扩充与约束策略来控制好粒子的影响力。实验结果表明,该算法具有较强的全局寻优能力和较好的寻优速度。     

一种颜色模拟的半调搜索算法

计算机图形图象处理中，半调（ｈａｌｆｔｏｎｅ）技术是增加图形图象色彩的有效方法。本文介绍了一种实用的搜索算法，同时适用于灰度和彩色处理，易于用软件实现，可以极大地提高计算机图形系统表达色彩的能力。     

针对多目标优化的混和差分演化算法

作为一种简单而有效的新兴计算技术,差分演化算法（DE）已受到学术界和工程界的广泛关注,并且已经在多峰函数优化,数据过滤,多目标优化等十九个大方向上取得了许多成功应用。为此,对围绕差分演化算法的相关背景,原理、特点、改进等方面进行简单介绍．Hookeand Jeeves方法是一种经典的局部搜索算法,将其与差分演化算法结合来求解多目标优化问题,提高了解的收敛质量,因而从整体上提高了算法的性能,并且测试结果也说明了该算法的可行性。     

基于混合差异度控制的基因表达式编程

基因表达式编程(GEP)是一种进化算法,存在局部极小问题,解决此问题的一般方法是保持进化过程中种群的差异度。为了保证进化过程中种群的差异度,文中提出一种融合种群空间和样本空间的种群差异度度量方法。并基于此融合种群差异度度量方法,提出差异控制的GEP进化算法。同时在初始种群生成时,针对GEP结构的特殊性,将敌手理论应用于GEP种群初始化。实验结果表明文中算法能较有效避免过早陷入局部极小。     

基于3种群Lotka-Volterra模型的种群动力学函数优化算法

基于3种群Lotka-Volterra模型构造出了可全局收敛的种群动力学优化算法。在该算法中,每个种群对应着优化问题的一个试探解;基于3种群间的每种相互作用关系,提出了相应的图形表示方法以及对应的Lotka-Volterra模型构建方法,种群间的相互作用关系包括竞争关系、互惠共存关系、捕食-被食关系或者它们间的任意组合;3种群间的每种相互作用关系均对应着一种种群进化算子,该算子的数学表达式就是其对应的Lotka-Volterra模型的离散化表达式;另外,为了求解更复杂的优化问题求解,将种群融合、突变和选择等行为也构造成操作算子。所有算子的特性可以确保整个种群的适应度指数要么保持原状不变,要么向好的方向转移,从而确保了算法的全局收敛性;在种群演变过程中,种群从一种状态转移到另一种状态实现了种群对优化问题最优解的搜索。应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性。测试结果表明本算法是高效的。     

Empirical Bayes estimation of random effects of a mixed-effects proportional odds Markov model for ordinal data

The objective of this work was to investigate the factors influencing the quality of empirical Bayes estimates (EBEs) of individual random effects of a mixed-effects Markov model for ordered categorical data. It was motivated by an attempt to develop a model-based dose adaptation tool for clinical use in colorectal cancer patients receiving capecitabine, which induces severe hand-and-foot syndrome (HFS) toxicity in more than a half of the patients. This simulation-based study employed a published mixed-effects model for HFS. The quality of EBEs was assessed in terms of accuracy and precision, as well as shrinkage. Three optimization algorithms were compared: simplex, quasi-Newton and adaptive random search. The investigated factors were amount of data per patient, distribution of categories within patients, magnitude of the inter-individual variability, and values of the effect model parameters. The main factors affecting the quality of EBEs were the values of parameters governing the dose–response relationship and the within-subject distribution of categories. For the chosen HFS toxicity model, the accuracy and precision of EBEs were rather low, and therefore the feasibility of their use for individual model-based dose adaptation seemed limited.     

Non-parametric planar shape representation based on adaptive curvature functions

This paper presents a non-parametric method to extract a very short feature vector from the curvature function of a planar shape. Curvature is adaptively calculated using a new procedure that removes noise from the contour without missing relevant points. Then, its Fourier transform is projected onto a set of vectors, which have been chosen to be as representative as possible, to obtain the similarity between the input object and each vector of the set. These similarity values are the elements of the feature vector. The proposed method is very fast and classification has proven that the representation is good.     

基于优势关系的序形式背景约简

形式概念分析是知识获取的一种有效工具,已被广泛应用到各个领域.从序形式背景出发,首先利用优势关系作为标准尺度,将序形式背景转化成单值形式背景;其次利用原有单值背景的差别矩阵给出单值背景的约简,进而得到基于优势关系的序形式背景的约简及属性特征的判定定理;最后将基于优势关系的序形式背景的约简与序信息系统的约简进行比较.     

Vectorial scale-based fuzzy-connected image segmentation

This paper presents an extension of previously published theory and algorithms for fuzzy-connected image segmentation. In this approach, a strength of connectedness is assigned to every pair of image elements. This is done by finding the strongest among all possible connecting paths between the two elements in each pair. The strength assigned to a particular path is defined as the weakest affinity between successive pairs of elements along the path. Affinity specifies the degree to which elements hang together locally in the image. A scale is determined at every element in the image that indicates the size of the largest homogeneous hyperball region centered at the element. In determining affinity between any two elements, all elements within their scale regions are considered. This method has been effectively utilized in several medical applications. In this paper, we generalize this method from scalar images to vectorial images. In a vectorial image, scale is defined as the radius of the largest hyperball contained in the same homogeneous region under a predefined condition of homogeneity of the image vector field. Two different components of affinity, namely homogeneity-based affinity and object-feature-based affinity, are devised in a fully vectorial manner. The original relative fuzzy connectedness algorithm is utilized to delineate a specified object via a competing strategy among multiple objects. We have presented several studies to evaluate the performance of this method based on simulated MR images, 20 clinical MR images, and 250 mathematical phantom images. These studies indicate that the fully vectorial fuzzy connectedness formulation has generally overall better accuracy than the method using some intermediate ad hoc steps to fit the vectorial image to a scalar fuzzy connectedness formulation, and precision and efficiency are similar for these two methods.     

用于多峰函数优化的小生境差分演化算法

针对监控视频图像的特点,提出了一种有效的实时视频降噪算法。首先结合多帧图像采用基于Non—localmeans的运动检测方法自适应地区分图像的运动区域和静止区域,对静止区域采用时域加权均值滤波,对运动区域采用空域ANL滤波。充分利用了视频的时域、空域信息,在去除视频序列噪声的同时很好地保护了图像的细节。实验结果表明,提出的算法在不造成运动拖影的前提下,能够显著提高视频的信噪比和图像的主观质量。