基于量子傅里叶变换的模式特征提取算法

量子算法由于具有量子态的叠加性、相干性和纠缠性使得它可以解决一些经典NP问题,并且它具有许多传统算法所没有的优点.本文利用量子傅里叶变换提出了一个模式特征提取算法,它借助量子并行特性只需进行一次量子傅里叶变换就可以提取模式特征,所以它提取模式特征的速度比传统特征提取算法有了指数级的提高.利用该算法提取出来的特征可以进行模式识别或图像识别.本文通过理论推导证明了该算法的可行性,通过简单的模式图验证了该模式特征提取算法的有用性.     

基于量子搜索和高斯变异的MOEA/D算法

在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。     

一种求解多目标柔性作业车间调度的改进粒子群算法

针对具有高维搜索空间的多目标柔性作业车间调度问题,提出了一种基于偏好的多目标粒子群优化算法(PMOPSO).该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折中解,避免了决策者要在众多非劣解中作出困难的选择.在该算法中,采用了新的偏好信息给定方法,即采用目标间重要关系、目标数值或目标权重大致取值范围来表示偏好信息.采用该方法,不但便于决策者给定偏好信息,而且还可以根据决策者的需求,对搜索区域的范围进行适当地调整.针对偏好信息的特点,提出了一种模拟人类社会组织"投票选举"的偏好信息处理方法,该方法直观简便并易于实现.最后,通过实例仿真,对该算法性能进行比较分析和评价,结果表明了该算法的有效性和可行性.     

基于TOP-HAT滤波器算子的红外弱小目标检测算法

针对红外序列图像中运动弱小点目标的检测问题,设计了一种基于改进神经网络优化的修正Top-Hat形态学滤波器算子.其中形态学滤波器的结构元素采用两层前馈神经网络,通过大量样本训练优化,将Top-Hat运算作为一个整体当作一层,输出层节点定义为Top-Hat运算后图像矩阵的最大值.实测数据的处理结果表明:针对低信噪比(RSN≈2)图像,在虚警概率≤5%情况下,优化的修正Top-Hat形态学滤波器算子对复杂图像检测概率≥75%,与固定结构元素的Top-Hat形态学滤波器相比检测概率提高了近8%,算法的运算时间仅增加了0.7ms.     

一种新型人工神经网络的实现与改进——概率逻辑神经网络

概率逻辑神经网络模型是一新兴的神经网络模型,它不仅具有较快的训练速度,而且具有“自退火”性能,并易于硬件实现,从而成功地克服了误差反向传播(BP)模型的训练时间长,易于陷于局部最小点的弱点。本文将给出概率逻辑神经网络(PLNN)的一般结构、学习算法及其模拟实现的情况。并由此推广到多层联想网络的实现与分析,最后给出了PLNN与BP的比较结果。     

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题，建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法（Improved multi-objective evolution algorithm based on decomposition,IMOEAD），采用均匀设计表生成初始权重向量，提高种群多样性，利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力，在权重向量邻域中选择个体产生新解，运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标，通过大量案例仿真，与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比，结果验证了该算法的有效性。     

带并行机的多阶段生产系统节能调度策略

针对多阶段生产系统中并行机各自的能源消耗存在差异的问题,进行了一种混合型文化基因算法的节能调度策略研究。首先对问题域进行描述,以最小化能源消耗量为优化目标,建立了数学模型;在此基础上提出了一种基于差分进化的文化基因混合算法求解研究问题,该算法融合了最先可获得设备规则和最小能源消耗规则,并引入贪婪算法进行局部搜索以提高算法搜索性能及收敛性能。最后,对算法进行仿真实验,结果表明该算法是有效、可行的。     

防空武器系统作战布局优化

在评估防御体系的作战效能时,目标突防概率是人们关心的主要的性能指标.本文利用随机服务系统理论的状态分析和统计平衡分析,获得计算目标沿任意航迹突防概率的随机模型.模拟退火算法是基于Monte Carlo迭化求解法的一种启发式随机搜索法,该算法能通过模拟退火过程快速找到全局的最优解.结合计算目标突防概率随机模型与模拟退火算法,建立了定量解决武器系统作战布局优化问题的方法.算例的计算结果表明,这种方法很快找到火力单元理想的布局位置.这种定量的组网和布局方法比以往基于原则的手工布局更科学、更快速.     

航班进场调度的改进捕食搜索算法

为高效解决航班进场调度问题,采用以航班总延误时间最小为目标的规划模型,设计了一种改进的捕食搜索算法.区别于传统捕食搜索算法,新算法采用变化的局部搜索和全局搜索限制,从而避免陷入局部最优和解的退化.为测试新算法解决航班进场调度问题的性能,采用10架航班和双跑道数据进行仿真验证,并与传统捕食搜索算法和遗传算法进行比较.结果表明,新算法在最优解的获得率和计算时间上均优于传统捕食搜索算法和遗传算法.     

基于多目标协同进化算法的多机器人路径规划

提出一种合作型多目标优化协同进化算法,并应用于具有3个优化目标的多机器人路径规划问题中.算法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进化算法中难以处理的适应值分配或非支配排序过程,减小了对计算资源的消耗.针对多机器人路径规划问题的特点,给出了多机器人间的协调策略,并在算法的群体初始化和进化算子的设计中,引入了基于问题专门知识的启发式方法.在复杂工作环境下的仿真实例表明了算法的有效性.     

基于学习的并行免疫量子进化算法

提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。并给出了多宇宙的并行拓扑结构,其中各宇宙独立演化．宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式．使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。仿真实验结果表明该算法比串行的免疫量子进化算法运算效率更高。     

结构网格MWENO-7格式的构造和应用

在结构网格上构造了一种多重加权实质无波动激波捕捉格式,命名为MWENO-7(Multi-weighted essen-tially non-oscillatory)格式。提出了一种新的模板集上权的计算策略:通过探测因子来判断模板集上间断出现的位置,调节相应模板上的线性权,再与光滑因子结合起来得到非线性权,以保证在不出现伪振荡的前提下尽可能利用原有的等距模板构造出尽可能高阶的格式。文中给出几个典型算例,验证了MWENO-7格式的有效性。     

Cooperative Search of UAV Swarm Based on Ant Colony Optimization with Artificial Potential Field

An ant colony optimization with artificial potential field(ACOAPF)algorithm is proposed to solve the cooperative search mission planning problem of unmanned aerial vehicle(UAV) swarm. This algorithm adopts a distributed architecture where each UAV is considered as an ant and makes decision autonomously. At each decision step,the ants choose the next gird according to the state transition rule and update its own artificial potential field and pheromone map based on the current search results. Through iterations of this process,the cooperative search of UAV swarm for mission area is realized. The state transition rule is divided into two types. If the artificial potential force is larger than a threshold,the deterministic transition rule is adopted,otherwise a heuristic transition rule is used. The deterministic transition rule can ensure UAVs to avoid the threat or approach the target quickly. And the heuristics transition rule considering the pheromone and heuristic information ensures the continuous search of area with the goal of covering more unknown area and finding more targets. Finally,simulations are carried out to verify the effectiveness of the proposed ACOAPF algorithm for cooperative search mission of UAV swarm.     

隐马尔可夫模型在对象定位中的应用与实现

以医学图像中脊柱的定位为应用背景,对经典Viterbi算法进行改进,根据全局最优搜索算法提出了可控的最优搜索算法,把隐马尔可夫模型(Hidden Markov model,HMM)应用于二维图像中线性结构对象的定位。以真实的人体脊柱X光照片为实验样本进行的定位实验,结果表明:HMM模型不需要对图像施加较多的限制,就可获得较成功的定位结果,同时引入了可控的最优搜索算法后,定位效果有了进一步的提高。还通过实验分析了可控制的最优搜索的两个控制参数对定位性能的影响,并提出了定位性能具有区间性的结论。     

遗传算法在风洞实验优化中的应用研究

为了提高风洞实验效率,降低实验成本,缩短实验周期,笔者探讨了将遗传算法引入到风洞优化实验中,实现了基于遗传算法的多段翼型实验规划.通过遗传算法对多段翼型的迎角及各段的偏转角度、重叠量和缝道宽度进行编码,由实验提供适应度值.对两段翼型的研究表明应用遗传算法规划风洞实验能够减少实验次数约40%.种群数为染色体长度的2倍时,算法能较好的搜索到最优值.初始群体值对算法的收敛性及计算效果基本无影响.此外,也模拟计算了4段翼型风洞实验,提高实验效率大约为87%~93%,可见遗传算法仍然有效且在大规模风洞实验中更有应用价值.     

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。     

共轭梯度法的一个计算公式

共轭梯度法是最典型的共轭方向法。文中给出了另一种有效的共轭梯度法，它适用于求解目标函数为一般可微函数的无约束最优化问题，而且其中的线性搜索不必用精确线性搜索，只需满足Ｗｏｌｆｅ准则。文中对该方法的收敛性给予了分析，同时还讨论了具体实现方法，并用经典算例进行了数据试验。     

BP网学习算法的改进及其在模式识别中的应用

提出了一种基于熵类误差准则函数的渐进收缩学习方法，避免了当模式反转时，传统ＢＰ算法的局域极小，加快了收敛速度，且有效地改善了网络的推广性能。此外，还提出了一种自适应学习率调整方法，克服了传统ＢＰ算法中固定步长不能适应复杂的误差曲面的问题，在收敛速度方面有较大地改善，并且对参数的敏感性小，有较好的鲁棒性。     

解大规模无约束优化的新有限储存对称秩1校正算法

提出了一个新的有限储存对称秩1校正算法,该算法把自适应调比对称秩1校正与有限储存、非单调线搜索技术相结合。算法中的下降方向由有限储存逆自适应调比对称秩1校正产生从而简化计算。将算法与著名的LBFGS进行了数值比较,结果表明,新算法能较好地解一类大规模无约束优化问题。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识，并结合粒子群算法，提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强，容易跳出局部最优陷井及启发式算法局部搜索能力强的优点，快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。