基于棋盘标定板的优化相机参数标定方法

相机标定是计算机视觉与重建定位的重要基础,是构建二维图像与三维空间联系的重要桥梁。该文根据传统线性相机成像的规律,在理想的针孔相机成像模型的基础上,同时针对张正友标定法中相机参数求解过程较为复杂与繁琐的问题,采用一种简易的标定方法来求解单目相机的相机参数。该方法在平面张正友标定方法的基础上,通过预先估计部分相机参数的初值进而求解理想针孔相机成像模型后,再进一步优化预估参数的方式,根据棋盘标定板的特征点的空间坐标与图像坐标的对应方程,利用奇异值分解和Levenberg-Marquardt优化的方法进行参数求解,从而避免求解繁杂的约束矩阵后再分别对相机参数进行求解的过程,达到直接求解相机参数的目的,优化求解过程,最终实现单目相机的相机标定。实验结果表明,使用该方法标定的单目相机在物距一米以下时的标定误差能够满足绝大部分视觉与定位的应用需求,且该方法具有较好的稳定性和可行性。     

混合遗传算法在多目标柔性作业调度中的应用

针对以生产周期、生产成本、设备利用率为目标的柔性作业调度问题,基于混合遗传箅法提出了一种新的优化求解方法.首先建立了该类问题的调度模型,对于工序编码的染色体决定了工序调度的优先级;利用无量纲的标准化处理方法统一目标量纲;然后,利用层次分析法将多目标问题转化为单目标问题,同时为了保证箅法的收敛性,在基本遗传算法框架的基础上集成了禁忌搜索算法,从而延缓或避免了早熟收敛的发生.最后通过实验仿真,证明提出的方法可以有效解决该类多目标柔性作业调度问题.     

混合遗传算法在装箱问题中的应用研究

装箱问题在现实生活中有着广泛的应用,本文针对装箱问题,提出了BF近似算法和遗传算法相结合的混合遗传算法,并在实现上加以了改进,仿真的结果表明该算法在求解装箱问题的表现是良好的。     

背包问题混合遗传算法在电力恢复中的应用

文章把电力系统的负荷恢复问题建模为带众多约束条件的0-1背包问题,并设计了一种将贪心算法与改进遗传算法结合起来的改进混合遗传算法来对此问题进行求解.该算法的主要特点是具有群体爬山性和利用了郭涛算子的非凸组合技术使算法具有搜索的遍历性.采用此算法可以得到负荷恢复的某一阶段可恢复的最大的负荷量.求解的过程保证了求得的解是满足系统的约束条件,所以系统的负荷恢复过程是安全的.算例的结果表明了该算法的有效性.     

基于混合遗传算法的时滞和参数的在线辨识

针对遗传算法应用于时变时滞和参数在线辨识时，存在无法兼顾收敛速度与辨识精度的缺点，提出一种遗传算法和单神经元有机结合的混合遗传算法。利用GA的全局最优性在整个空间搜索可能的极值，而用单神经元的误差梯度下降特性在极值点附近快速搜索，从而达到全局最优与快速搜索的有机结合，提高了收敛速度和辨识精度。并对混合遗传算法进行了改进，使之更适用于在线辨识。仿真结果表明，改进的混合遗传算法用于在线辨识有效且实用。     

基于精英培养混合遗传算法的PID参数整定

提出了一种基于精英培养的混合遗传算法,该算法采用参数自适应变化的遗传操作与精英个体的有方向的邻接爬山操作相结合。遗传参数的调整和搜索终止条件打破了传统的由整个进化群体的进化情况决定的做法,而改由精英团体的进化情况决定。通过仿真实验说明了通过新算法能实现PID参数的快速的自整定,且整定效果较好。     

混合遗传算法研究及其应用

为了求解基于智能制造环境所建立的生产规划模型，解决维数灾、局部解等问题，本文对遗传算法进行了研究，提出并设计了一种线性规划和遗传算法相结合的启发式优化方法，并对其应用作了进一步的探讨。     

混合遗传算法在铁路网车流分配中的应用

为减少铁车流在铁路网上的输送消耗以及均衡铁路线路的利用率,构建铁路网车流分配的多目标规划模型,针对传统智能算法在求解该问题时收敛性弱、易陷入局部最优的缺陷,提出设计自适应规则及退火策略的混合遗传算法进行求解仿真.采用特殊的染色体编码方式满足约束条件,对基本遗传算法的交叉、变异算子进行自适应改进,加强了算法的收敛性,引入模拟退火策略,提高了算法的邻域搜索能力.仿真结果表明,混合遗传算法在收敛代数以及求解性能上均有较大改进,可为车流分配问题提供有效解决方案.     

混合遗传算法在分布式车间作业调度中的应用

分布式车间作业计划与调度是一个典型的组合优化问题,而组合优化问题是遗传算法求解的领域。该文描述了分布式车间作业调度问题及其调度方法,结合分布式车间生产模式的实际情况,将模拟退火算法引入自适应遗传算法,提出了混合遗传算法(GASA);详细地阐述了分布式车间作业计划与调度问题的解决策略和操作过程,并以甘特图的方式给出了计算结果。与其他方法比较,混合遗传算法是解决分布式车间作业计划与调度问题的更为优良的方法。     

基于三维标定板的相机标定方法

针对传统平面相机标定方法中棋盘角点坐标维度信息缺失的问题,提出一种基于三维标定板的相机标定方法.在平面标定的算法基础上,利用角点的三维坐标计算相机的内参系数.根据标定板角点的世界坐标和像素坐标的对应关系、奇异值分解(SVD)方法,求解相机的投影变换矩阵;再利用旋转向量的性质计算出相机内参的初始值;最后运用非线性优化方法...     

接触式多关节三维扫描仪研究

论述了拥有自主知识产权的接触式多关节三维扫描仪3DLCS-400的硬件系统和软件系统的基本构成、主要特点和实现方法。在此基础上,研究了接触式三维信息获取中的一些关键技术———数据采集与三维显示的同步、坐标计算和误差校正、三维构型重建。采用基于API函数的异步多线程串行通信和OpenGL三维显示技术,提出了一种修正最小二乘法和基因可变限改进遗传算法相结合的参数标定方法和运用轮廓线的三维散乱数据构型方法。该产品的研制成功填补了国产三维信息获取系统的一个空白。     

基于混合遗传算法的RTL激励生成

寄存器传榆级（RTL）描述是目前应用最广泛的电路设计描述形式．在时序电路的RTL激励生成中，基于模拟的方法避免了帧扩展法庞大的搜索空间，但采用该方法常存在向量过多．质量不高等问题．本文充分考虑影响算法效率的各种因素，在此基础上，提出一种基于混合遗传算法的激励生成方法．该方法结合多种覆盖评估准则与故障模型作为激励生成目标，同时采用动态参数设置，实现全局-局域混合搜索机制．实验结果显示该方法是有效的．     

图的Steiner最小树问题的混合遗传算法

图的Steiner最小树问题是经典的组合优化问题,在通信网络和电路设计中有广泛应用。文中在遗传算法的基础上,对交叉率pc和变异率pm采用自适应过程,构造一种新的确定pc和pm的公式,有效解决了参数选取对最终结果的影响问题。再与模拟退火算法相结合,提出了一种解决Steiner最小树问题的混合遗传算法。该算法克服了遗传算法易早熟和收敛性能差的缺点,有效地增强了算法的进化能力。通过对OR-Library的部分实例进行计算结果表明,在大多数情况下混合遗传算法比遗传算法有更好的性能。     

FNN与混合遗传算法在智能优化的策略比较

FNN是一种重要的神经网络结构,混合遗传算法是一种正在兴起的启发式随机搜索技术,两者在智能优化中得到了广泛的应用。两者的优化机理不同,方法不同,各有千秋。论文从提高两者的优化性能出发,研究其智能优化的实现策略,并对两者进行了比较,得出了有意义的结论。     

基于单纯形的小生境混合遗传算法

总结单纯形搜索算法的核心思想.然后提出单纯形交叉方向算子和最优小生境、次差小生境与最差小生境3个概念.在最优小生境中采用单纯形搜索算法得到局部极值,在最优小生境与次差小生境之间用单纯形交叉方向算子产生优秀个体,而在最差小生境中采用受限单纯形搜索产生优秀个体,从而构成基于单纯形的小生境混合遗传算法SimplexNich-HGA.最后用SimplexNiche-HGA、单纯形混合遗传算法Simplex-HGA 以及基本遗传算法SGA求函数Rosenbrock的极值,并进一步用SimplexNiche-HGA和Simplex-HGA 求多峰值函数Shubert的极值,验证算法的正确性和求多峰值函数的极值的效率.     

混合遗传算法在路径选择问题的应用

本文建立单配送中心的物流配送路径优化问题的数学模型,并针对遗传算法在局部搜索能力方面的不足,提出将禁忌搜索启发式与遗传算法相结合,并在编码时引入虚拟配送点,从而构造了求解物流配送路径优化问题的混合遗传算法,并进行了试验计算。计算结果表明该算法是很有效的。     

基于BIC测度和混合遗传算法的BNC结构学习

贝叶斯网络分类器(BNC)结构学习是一个NP难题。贪婪搜索(GS)算法是一种有效且准确性较高的结构学习算法,但贪婪搜索算法很容易陷入局部最优。标准遗传算法是一种全局搜索优化算法,它通过模拟生物种群的进化过程,得到全局最优解。但就其个体而言,个体局部解的质量无法保证,不具备局部寻优的能力。提出了将两种算法相结合,以贝叶斯信息标准(BIC)测度为评价函数,得到一种混合遗传算法,实现了它们的优势互补。实验表明:该算法优于单独利用GS算法进行Bayesian网络结构学习,从而说明该算法的正确性和有效性。     

基于遗传算法的一类带缓冲区的混合生产调度

提出带缓冲区的混合生产的一种调度模型,将离散生产所需的半成品原料的生产分解为连续生产各生产线的分段式生产任务,并给出快速调度方法,再利用遗传算法和分派规则求解离散生产调度问题,仿真算例表明了该方法的有效性。     

多阶段混合Flow Shop调度问题及其遗传求解算法

针对多阶段混合Ｆｌｏｗ Ｓｈｏｐ 调度问题的一般结构和不同的调度目标函数,提出混合整数规划模型,并基于问题的结构特点设计了遗传求解算法。计算实验结果表明,遗传算法对于不同规模和结构的问题具有良好的适应性和求解性能