文档图像汉字检索方法

目的提出一种在文档图像中检索汉字的方法，解决快速检索文本图像问题．方法通过对文档图像的版面分割，找到版面上各个图形、图像和文本子区域．根据版面分割后抽取的子区域特征，采用遗传算法的基本思想，对每个文本图像子区域进行快速搜索．无需提取任何字符图像特征，也无需要遍历整个页面就可找到所需要的内容．结果在使用二值图像表达的文档中，也能够达到搜索字符的目的．结论在数字图书馆技术中，实现了搜索文档图像中符号信息内容，为数字资源的检索开辟了一种新的途径．     

注入水水质对储层适应程度评价方法研究

选取与注水水质有关的4类(14个)地质因素和3类(15个)水质因素,依据模糊综合评判原理和现行水质标准(SY／T5329-94),提出并建立了储层及注入水水质综合物性评价指标体系、评价标准,提出了以储层综合物性评价结果建立注入水水质标准的基本思想,并通过模糊综合评判结果建立了确定注入水水质对储层适应程度的“模糊综合评判法”。该方法能够较准确地确定注入水水质对储层的适应程度,可用于不同类型油藏的注入水水质对储层适应度评价,具有广泛的适应性。     

基于MGA的费用分配优化模型研究

针对费用分配实际问题,建立了优化数学模型,提出了基于遗传算法的多目标多因子求解方法,对求解过程中的选择操作方法、体内自交叉算子和增减变异算子、编码方法、适应度函数和原始种群等作了改进设计。     

遗传算法求解邮递员问题的探讨

邮递员问题是目前一个尚未完全解决的图论问题,而遗传算法则是一个比较好的全局搜索算法,本文提出了一种换方法,以此为基础,用遗传算法实现了对有向图邮递员问题的求解,较传统方法更加容易实现,在求解大规模复杂网络时,其效率更高。     

基因表达式程序设计的原理与应用

基因表达式程序设计(GeneExpressionProgramming,GEP)是最近几年才发展起来的一种新型的自适应演化算法,并且已经在很多领域的运用中取得了较好的效果。本文中主要阐述了GEP的基本原理、相关应用以及近几年来国内外GEP的研究现状。同时,也对GEP的在今后的研究提出也一些展望。     

基于改进Levy特征蝙蝠算法的光伏MPPT研究∗

针对传统MPPT算法存在收敛速度慢和易陷入局部极值的问题,在分析Levy飞行特征蝙蝠算法优化原理与 局限性的基础上,提出了一种利用随机数动态迭代更新参数的改进方法.为了避免算法后期种群多样性减弱而陷入局 部极值,动态调整算法中的音强衰减系数和频率增强系数的值,从而对适应度值进行扰动.利用MATLAB/Simulink 在不同光照强度条件下对3种MPPT算法的最大功率点追踪进行测试,结果表明改进后的蝙蝠算法的追踪时间更短、 追踪效果更好.     

混沌乌燕鸥算法优化发动机参数自整定PID控制

针对传统PID参数整定存在的问题,结合混沌乌燕鸥优化算法（Chaos Sooty Tern Optimization Algorithm, CSTOA）良好的搜索性能,提出了一种基于混沌乌燕鸥优化算法的航空发动机参数自整定PID控制方法（CSTOA-PID）。首先通过引入混沌映射的思路,改进了乌燕鸥优化算法（Sooty Tern Optimization Algorithm, STOA）。接着设计了性能指标加权的适应度函数,用来避免发动机供油量极大超调与急剧供油现象。最后对某型涡扇发动机的数学模型进行仿真验证,结果表明：在地面状态下,经CSTOA-PID控制器优化后的PID参数分别为4.31878、14、0.214426。CSTOA-PID控制器的参数整定效果都好于STOA-PID控制器和PID控制器,转速阶跃响应反应迅速,同时供油量出现的超调最小,证明了该方法的有效性和可行性。     

基于改进鲸鱼优化算法的传感网络节点移动策略

针对传感网络监测区域难以完全覆盖,导致节点移动能耗较大、网络寿命较差的问题,提出一种基于改进鲸鱼优化算法的传感网络节点移动策略。建立传感器节点模型,确立通信范围,计算网络节点覆盖率。为满足通信信噪比要求,结合信息增益构建信道模型,制定通信协议。分析传统鲸鱼算法中个体捕食过程,探究螺旋式与收缩包围两种位置更新方式。引入自适应步长参数,根据节点总数量、覆盖半径与区域边长等参数,计算个体适应度值,选取初始种群,以覆盖率最大为目标,确定当前最优解的位置,经过不断更新,当迭代次数最大时输出全局最优解,即节点移动位置。仿真结果表明,当节点数量为180个时,而本文方法的传感网络节点寿命为28min;当节点数量为10时,本文方法的总路程理想值和解空间之比为0.120,降低了节点移动能耗。     

基于加权网络和局部适应度的蛋白质复合物识别算法

蛋白质复合物识别对分析蛋白质网络的结构特征和模块功能具有重要意义。通常在蛋白质网络中挖掘稠密子图或模块来识别其中的蛋白质复合物,限制了其应用范围和识别的准确性。针对该问题,提出了一种基于加权网络和局部适应度的蛋白质复合物识别算法,该算法综合稠密子图的密度指标和模块性定义了新的局部适应度函数,并基于边聚集系数构建加权的蛋白质网络,根据权值选择边,在加权蛋白质网络中将种子边不断聚类扩展,从而获取具有最大综合适应度的子图作为蛋白质复合物。在酵母蛋白质等多个实际网络中试验表明,该算法能够有效提升蛋白质复合物识别的准确性。     

针对高维数据的马尔科夫毯特征选择

针对不满足忠实分布的高维数据分类问题,一种新的基于粒子群算法的马尔科夫毯特征选择方法被提出。它通过有效地提取相关特征和剔除冗余特征,能够产生更好的分类结果。在特征预处理阶段,该算法通过最大信息系数衡量标准对特征的相关度和冗余性进行分析得到类属性的马尔科夫毯代表集和次最优特征子集;在搜索评价阶段,采用新的适应度函数通过粒子群算法选出最优特征子集;用此模型对测试集进行预测。实验结果表明,该算法在12个数据集上具有一定的优势。