灰度图像二维最小类方差递推及差分演化的快速分割

为克服Otsu法阈值偏离及一维最小类方差法在含噪图像分割中性能不佳的问题,基于图像灰度级二维直方图,提出一种二维最小类方差快速阈值化方法.通过递推方式计算得到图像前景及背景在不同阈值向量上的灰度级类概率及类均值,在此基础上,应用差分演化算法搜寻使图像类方差最小的阈值向量,并用该阈值向量对图像实施分割.在合成及真实图像上的实验结果表明,采用文中方法可获得良好的分割性能,有效地克服了Otsu法及一维最小类方差法的不足;采用递推及差分演化算法使计算时间大幅降低,可满足工程应用需求.     

非均匀演化的动态遗传算法

针对传统遗传算法的缺陷,提出一种基于基因位置分布差异而进行演化的改进算法.该算法利用2进制编码位置的差异性,在评价机制的基础上对种群进行动态的划分,并针对各个不同子种群的特点,使用动态的演化参数进行独立的演化操作,使得算法种群的构成类型能够保持多样性的发展,有效地抑制了“早熟”现象的发生.通过后续多个测试函数的对比实验结果表明,该算法在收敛速度、精度及稳定性上有所提高.该算法简单、易于实现、具有较强的通用性,是一种有效解决优化问题的方法.     

基于对等差异进化算法的医学图像配准方法

差异进化算法是一种简单、可靠和有效的全局优化算法.本文在差异进化算法的基础上,将对等学习方法应用到种群初始化和进化中,提出一种基于对等差异进化算法的图像配准方法.该方法在种群进化过程中由对等跃变率决定是否生成对等种群,文中对不同对等跃变率及动态对等跃变率的不同情况进行三维医学图像配准实验.实验结果表明,只要选取合适的对等跃变率,该方法比传统差异进化算法的图像配准具有更高的精度和更好的稳定性;并且线性递减跃变率的对等差异进化配准算法比固定对等跃变率和线性递增跃变率的配准更精确、更稳定.     

正态分布处理时间下的4PL多到多网络设计

在第四方物流(4PL)承担多个供需点对之间物流任务的情况下,针对处理时间的不确定性,研究考虑正态分布处理时间的4PL多到多网络设计问题。建立了以最小化总物流成本为目标,带有随机配送时间约束的4PL多到多网络设计机会约束规划模型。根据问题特点,设计差分进化算法进行求解,并对其进行改进。最后,通过对不同规模的问题进行仿真实验来证明模型的合理性及算法的有效性。     

求解武器—目标分配问题的混合编码差异演化算法*

提出一种混合编码差异演化求解武器—目标分配优化问题。在差异演化算法中增加违反边界约束处理操作,确保由变异和交叉操作生成的每个新个体满足边界约束条件;对差异演化算法中的选择操作重新定义,使其可以直接处理约束条件。基于编码映射的方法构建一种新的混合编码差异演化算法。利用武器—目标分配问题对该算法进行了仿真实验,结果表明该算法的有效性与适用性。混合编码差异演化算法是求解离散约束优化问题的一种有效方法。     

求解需求可拆分车辆路径问题的改进的金字塔演化策略

为了更加合理地求解需求可拆分的车辆路径问题（SDVRP）,克服传统先路径后优化两阶段的求解方法容易陷入局部最优的缺点,以及解决智能优化算法在优化阶段未能将竞争与协作有机地融合为一体的问题,以配送路径最短和配送车辆最少为优化目标,提出了一种改进的金字塔演化策略（IPES）。首先,以金字塔为基础,提出了求解SDVRP的编码、解码方式以及层级间的协作策略;其次,根据遗传算法的随机、“适者生存”的高度并行、自适应等特点,以及金字塔结构各层分工不同,设计了一种适合SDVRP的自适应邻域算子,使得算法能够快速收敛到最优;最后,得到最优解。相较于分段求解算法、聚类算法、粒子群算法、人工蜂群算法、禁忌搜索算法,四个仿真实验的结果表明,在求解各案例的最优路径时,所提IPES的求解精度分别至少提升了0.92%、0.35%、3.07%、9.40%,验证了在求解SDVRP时,IPES具有良好的性能。     

基于Tri-DE-ELM的半监督模式分类方法研究

针对极限学习机（ELM）未充分利用未标注样本、训练精度受网络权值初值影响的问题,提出一种基于协同训练与差分进化的改进ELM算法（Tri-DE-ELM）。考虑到传统的ELM模式分类技术只利用了少量标注样本而忽视大量未标注样本的问题,首先应用基于Tri-Training算法的协同训练机制构建Tri-ELM半监督分类算法,利用少量的标记样本训练三个基分类器实现对未标记样本的标注。进一步针对基分类器训练中ELM网络输入层权值随机初始化影响分类效果的问题,采用差分进化（DE）算法对网络初值进行优化,优化目标及过程同时包括网络权值和分类误差两方面的因素,以避免网络的过拟合现象。在标准数据集上的实验结果表明,Tri-DE-ELM算法能有效地利用未标注数据,具有比传统ELM更高的分类精度。     

改进差分进化策略在多峰值函数优化中的应用

针对差分演化算法与进化策略算法中所存在的不足,将模拟退火算子引入到差分演化算法的变异操作中,这样有助于在进化前期进行全局搜索,后期进行局部搜索;在标准进化策略的基础上,加入差分变异操作,提出了一种新的差分进化策略双重变异算法。通过测试算例可看出,该方法在多峰值函数优化问题中,具有求解精度较高,收敛速度较快等特点。     

基于差分进化算法的面目标瞄准点寻优

瞄准点的寻优选取是导弹火力筹划的核心理论问题之一。针对此问题,本文基于矩形面目标毁伤面积计算设计评价函数,利用差分进化算法原理对面目标的瞄准点坐标进行实数编码,并设计差分进化算子,建立面目标瞄准点寻优模型。通过设计面目标计算实例对模型进行验证,实验结果表明,差分进化算法的稳定性较强且具有较好的操作性,模型求得的瞄准点可信度较高,能够提升导弹打击效果并降低打击成本,为火力筹划中瞄准点寻优提供了新方法。     

激光熔覆铜基合金涂层中的液相分离行为

为了研究铜基合金激光熔覆中的液相分离行为,根据液相分离理论在ZL104铝合金表面成功制备了具有液相分离特性的铜基合金涂层,并采用扫描电镜等对涂层中液相分离形成的分离相(硬质强化相)的形态特征与分布规律进行了观察,研究了不同分离相的形成机制与液相分离行为.研究表明,涂层中的分离相通常呈弥散分布和偏聚2种典型形态.熔池温度较高时分离相表现出"富Mo核心 包围相"的2层复合结构,呈边缘粗糙的不规则近球状形貌,这是由异质形核诱发的液相分离所形成的;温度稍低时强的表面能约束则是影响液相分离的主要因素,并使分离相呈光滑球状形态.当表面能过高时在对流等因素作用下分离相问会发生严重的碰撞凝并,最终形成大块偏聚体.