基于Gabor小波与Memetic算法的人脸识别方法

提出一种基于Gabor小波与Memetic算法的人脸识别方法MA-Gabor(Memetic Algorithm-Gabor).算法使用一组特定的Gabor小波滤波器对人脸图像重要区域进行针对性的特征提取运算,可在较短处理时间内获得更具区分能力的识别数据.为提升识别性能,MA-Gabor引入Memetic算法用于Gabor小波滤波器组的优化设计.实验结果表明,Memetic算法可获得比传统优化方法更佳的设计效果.通过将优化设计的Gabor小波滤波器组用于人脸图像的特征提取,MA-Gabor算法可取得比现有人脸识别方法更高的识别率.

基于Memetic算法的要地防空优化部署方法

火力单元优化部署问题是网络化防空火控系统的一个重要研究内容.本文将要地防空优化部署作为组合优化问题,优化目标为最大化部署方案对保护要地的防御贡献程度,约束主要考虑了地理条件和火力资源.利用网格离散化思想对防区进行划分,对部署方案、火力覆盖能力、约束条件以及火力覆盖要求等条件进行了表征,建立了问题的数学模型.构造了一种基于Memetic算法的优化求解方法,运用遗传算法和邻域搜索作为全局和局部搜索方法,用解的构造方式和选择策略处理了约束条件,比较了局部搜索使用不同邻域时算法的运行效率.最后通过实验验证了本方法的合理性和有效性.

求解多目标问题的Memetic免疫优化算法

将基于Pareto支配关系的局部下山算子和差分算子引入免疫多目标优化算法之中,提出了一种求解多目标问题的Memetic免疫优化算法(Memetic immune algorithm for multiobjective optimization,简称MIAMO).该算法利用种群中抗体在决策空间上的位置关系设计了两种有效的启发式局部搜索策略,提高了免疫多目标优化算法的求解效率.仿真实验结果表明,MIAMO与其他4种有效的多目标优化算法相比,不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且算法的收敛速度与免疫多目标优化算法相比明显加快.

基于Memetic算法的超视距协同空战火力分配

针对超视距多机协同空战中,火力单元采用一次性完全分配原则容易造成资源浪费的问题,采用一种新的火力分配数学模型.该模型带有毁伤概率门限,能够保证在满足毁伤概率门限的前提下,优先保证威胁度大的目标被分配且选择对各目标杀伤概率相对较大的火力单元,使其对目标的毁伤概率平均值达到最大且尽量少地消耗火力单元,从而节省和充分利用火力资源.在此基础上,提出采用以离散粒子群算法为全局搜索策略,以贪婪算法为局部搜索策略的Memetics算法求解协同空战火力分配问题,有效地提高了算法收敛速度、精度.仿真算例验证了模型的优点及Memetic算法的有效性.

异构云环境多目标Memetic优化任务调度方法

云计算系统的高效能调度优化是当前重要的研究课题,面向异构云环境的多目标优化调度方法研究具有重要意义.云计算环境下的能耗和性能优化管理是NP-HARD的多目标组合优化问题,目前一般启发式调度系统大多采用带约束的性能或能耗的单目标优化计算方法,不能完全满足复杂云计算系统资源约束动态性与管理需求多样性的需求.基于传统进化优化的随机搜索算法应用于云环境下的DAG任务的多目标调度优化,计算开销大、计算实时性不足,文中提出了新的Memetic优化方法以解决异构云环境多目标调度优化问题.首先,文中针对异构云环境多目标调度优化问题,构建了一般性的数学定义;其次,针对该问题设计了多目标Memetic优化算法,采用基于解结构相关信息的Memetic局部搜索算子加速调度方案的局部优化能力,以提高算法的收敛速度、降低计算开销.实验结果表明,应用所提出的多目标Memetic优化算法进行异构云环境能耗和性能多目标调度优化,比传统方法具有更好的计算效率、解集多样性与收敛性能.

基于Memetic算法的有限缓冲区流水车间调度问题

针对有限缓冲区流水线调度问题,提出一种基于变邻域搜索策略的Memetic算法。在基本遗传算法中,采用NEH算法和改进IG算法产生部分初始种群,使用部分交叉算子和插入变异算子,在交叉和变异之后设计一种改进变邻域搜索方法来进行局部搜索。在该改进变邻域搜索中,将模拟退火算法作为变邻域搜索中的局部搜索方法,大大增强了算法的寻优能力,使得Memetic算法在集中搜索和分散搜索之间达到更合理的平衡。运用提出算法求解经典基准算例,并与当前先进算法比较,验证了所提算法的有效性。

基于Memetic框架的混沌人工蜂群算法

针对无约束优化问题,提出一种新颖的混沌人工蜂群算法。新算法在Memetic算法框架的基础上,采用人工蜂群算法作为全局搜索算法,采用混沌搜索算子作为局部搜索算法。为了进一步提升算法的开采能力,新算法的侦察蜂抛弃了随机生成新食物源的方法,采用针对陷入局部极值食物源进行混沌局部搜索生成候选食物源的方式。针对五个标准Benchmark函数的仿真实验结果显示,与标准人工蜂群算法相比,新算法求解精度具有一定优势。

求解具有时空约束的天车调度问题Memetic算法

天车调度是一个NP难的多机多任务调度问题.针对炼钢-精炼-连铸生产过程中的天车调度问题,考虑时间和空间约束,建立了以钢水等待时间最少为目标的天车调度模型.提出了改进的Memetic算法,设计了采用任务分配规则和冲突处理规则的个体解码方式、PPX交叉算子和局域搜索算子;用该算法对模型进行求解,并与遗传算法进行比较.对某钢厂炼钢-精炼-连铸生产过程的天车调度问题的测试表明:与遗传算法相比,用该算法求解的等待时间最多减少16.67%,并具有很高的稳定性.

用Memetic算法求解有时间约束的TSP问题

设计了一种基于双重局部搜索策略的Memetic算法用于求解带有时间约束的旅行商问题.在基本遗传操作中,分别采用顺序交叉算子和交换变异算子,同时在每次交叉和变异后均通过随机数来决定是采用贪婪倒位变异算子还是采用递归弧插入算子进行局部搜索优化.实例仿真分析表明该算法快速高效,并且具有很好的鲁棒性.

基于博弈论及Memetic算法求解的空战机动决策框架

针对现有机动决策模型体现空战对抗性不足的问题,基于博弈论构建机动决策模型并提出采用改进Memetic算法求解。基于双矩阵博弈构造空战机动决策模型;MA由粒子群优化算法和禁忌搜索算法组成,并引入模拟退火算法以保持粒子多样性。仿真表明更加符合空战实际,可对空战进行有效建模,求解算法满足实时性要求。

基于Memetic算法的车间动态调度策略研究

针对车间动态调度问题的求解,提出了一种基于Memetic算法的车间动态调度策略。该策略结合滚动窗口机制,并采用基于周期和事件的混合驱动策略,运用Memetic算法对每个滚动窗口工件集进行重调度。该算法采用顺序交叉算子和基于邻域搜索的新型变异算子,在交叉和变异后均采用改进的模拟退火策略进行局部搜索。通过对改进后的基准实例进行实验,验证了该策略的有效性。

一种基于改进粒子群优化和模拟退火的Memetic算法

针对现有Memetic算法收敛速度慢、容易陷入局部极值等不足,提出一种基于改进粒子群优化和模拟退火算法的Memetic算法(简称为PMemetic算法).在PMemetic算法,基于人工萤火虫算法邻域结构思想改进粒子群优化算法,并将其作为全局搜索策略;同时,采用模拟退火算法作为局部搜索策略.将PMemetic算法应用到6个典型的函数优化问题中,并与粒子群算法进行比较分析,实验结果表明PMemetic算法提高了全局搜索能力、收敛速度和解的精度.

动态环境中的Memetic算法

针对近几年在进化计算领域被广泛关注的动态优化问题，提出了一种基于粒子群优化（PSO）的Memetic算法．在一种环状拓扑结构的局部PSO模型中，利用模糊认知局域搜索策略来改善部分粒子的质量，同时引入一种自组织随机移民策略来保持算法的种群多样性．通过对一组标准动态测试问题的仿真实验，能够证明所提出的算法在动态环境中的有效性和适应能力．

一种混合自适应多目标Memetic算法

M em etic算法是求解多目标优化问题最有效的方法之一,融合了局部搜索和进化计算,具有较高的全局搜索能力.混合自适应多目标M em etic算法(HAM A)用基于模拟退火的加权法进行局部搜索,采用Pareto法实现交叉和变异,通过扰动增强算法的exp loration能力,且进化过程可根据改善率自适应调整,以提高搜索效率并改善算法的鲁棒性.算例测试说明HAM A能产生更接近Pareto前沿且多样性更好的近似集.

带预估选择的Memetic算法求解多星测控资源调度问题

针对当前多星航天测控资源调度系统模型描述复杂、求解算法不适合大型算例的问题,利用系统约束条件的二元化特点建立了多星测控资源调度系统在一类特殊图上的最大独立集模型,进而针对该模型解空间结构多峰密布、欺骗性强的问题,提出了一种带预估选择机制的改进型Memetic算法.在分析交叉操作可达域的基础上,设计了一种能快速预估交叉操作最大收益的预估算子,通过预估运算,每个个体从几个待选交叉对象中可选择出最有利的一个对象,以在有希望区域间实现搜索的转移.大型Benchmark算例上的仿真结果表明,所提预估选择机制能减弱原模型欺骗性的影响,使Memetic算法的性能平均提高了17%.

Memetic算法在板坯排序中的应用

热轧带钢生产中的板坯排序是一种复杂的组合优化问题,可以归结为一个PCTSP问题。Memetic算法(种群全局搜索和启发式局部搜索的结合),被用来求解热轧板坯排序。考虑到热轧生产约束的特点,提出了一种初始解构造策略,并利用缩减3-opt邻域搜索算法进行局部优化。仿真结果表明了该算法的优化效果和时间效率都是令人满意的。

基于模拟退火的混合萤火虫Memetic算法

针对标准萤火虫算法(FA),首先,从数学理论上分析并揭示了其存在的种群过早收敛、容易陷入局部最优等不足,然后提出一种基于模拟退火的混合萤火虫Memetic算法。该算法利用标准萤火虫算法对上一代种群进行全局搜索以保持种群的多样性和算法的全局探索能力;使用模拟退火算子对当前种群中的部分个体进行局部搜索,以一定概率接受适应度较差的个体以避免算法陷入局部最优,该算法同步进行萤火虫吸引过程和模拟退火过程以降低算法复杂度。最后,对该算法在10个标准测试函数上进行对比仿真实验。实验结果表明,该算法在6个测试函数中均能找到最优解,最优值、平均值、方差等指标比对比算法高出一定数量级,在4个复合函数中效果均优于萤火虫算法。

基于Memetic算法的舰艇编队防空兵力配置

针对舰艇编队防空兵力配置问题,根据其具体的战术特点,首先对编队兵力配置区域进行有限元网格化,使之便于进行数学量化表示,然后建立基于火力杀伤能力的舰艇编队防空兵力配置模型,并对约束矩阵、配置决策矩阵、单舰火力杀伤能力矩阵、编队火力杀伤能力系数、火力杀伤要求约束矩阵以及拦截距离贡献系数等条件进行了表述。针对所建立的兵力配置模型,构造了基于Memetic法的模型求解方法,该方法能够基于种群进行全局搜索和基于个体进行局部启发式搜索,克服了进化算法的随机性,加快了搜索速度,有效防止算法的早熟收敛。仿真结果显示,设计的算法能够有效地对模型进行求解,提高了舰艇编队防空兵力配置的效率。

基于Memetic算法的两级车辆路径优化

针对传统两级车辆路径优化过程,存在的精度不高,收敛时间过长的问题,提出一种基于Q学习理论和差分进化的Memetic算法。首先,对两级车辆路径优化问题进行研究,利用最优分割法获得第一级配送方案,以此确定中转站配送数量,然后求解第二级多配送中心车辆路径问题配送方案,获得两级优化问题的总里程及总配送车辆数量;其次,针对第二级MDVRP配送方案求解,利用Q学习理论和差分进化算法,设计新的Memetic算法,来实现对多配送中心车辆路径问题配送方案的全局优化;最后,通过仿真验证了所提算法的有效性。

求解具有时空约束的板坯库天车调度问题Memetic算法

研究了钢铁企业板坯库天车调度问题,考虑了时间和空间以及热轧计划等实际限制,建立了一个板坯出库天车调度模型.针对天车调度问题具有实时性和不可交叉性的特点,设计了基于优先关系的天车分配编码方式、离散事件动态仿真解码、自适应交叉算子以及在交叉和变异后进行模拟退火局域搜索的Memetic算法.通过某钢厂板坯出库过程中天车调度的实际数据对模型和算法进行仿真测试,实验结果表明:该算法具有很高的收敛性和稳定性,满足实际生产需要.