用于图像分割的双变异遗传算法

针对遗传算法(GA)收敛结果不稳定、易陷入局部最优解等问题,提出了一种基于全局的改进双变异遗传算法(DMGA),并应用于图像的灰度阈值分割;分析了仿真初始参数对于图像分割结果的影响。实验结果表明:图像分割精度高,效果好,结果可靠,相对于传统GA,DMGA具有更好的全局和局部搜索能力,收敛结果稳定。

基于双变异遗传算法的无人机对海侦察航路规划

针对目前关于无人机(UAV)对海侦察航路规划问题研究较少的现状,文中以UAV侦察美国"小鹰"号航母编队为例,将UAV对海侦察航路规划问题按照侦察方式,分为临空侦察和非临空侦察航路规划问题。对于临空侦察问题,提出一种改进的双变异遗传算法(DVGA)对最优路径进行求解;将非临空侦察问题转化为不具体旅行商和位置替换旅行商问题,设计了三点连线夹角法和位置替换法对问题进行处理,并结合DVGA对最优路径进行求解;最后,通过仿真实验证明了DVGA的高效性,并且得到了UAV在不同侦察条件下对"小鹰"号航母编队的最优侦察路径。

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性 ,提出一种双变异自适应遗传算法 ,即通过全局变异算子和局部变异算子共同作用 ,增加种群的多样性 ,提高算法的全局收敛能力。实例证明

基于重构变异算子遗传算法的研究

针对遗传算法存在早熟和局部搜索能力差的缺点,提出重构变异算子遗传算法(Reconstruction Mutation Operator Genetic Algorithm,RMOGA)。该算法由速成算子和自适应算子组成。首先,通过速成算子来平衡变异算子和交叉算子在遗传算法中的地位,以此来改善遗传算法中的早熟现象;其次,采用自适应算子来保留遗传过程中适应度大的个体,从而增强局部搜索能力;最后,引入"路由判断"的方法来加快算法的收敛速度。实验过程使用MATLAB 7.0仿真软件,选取四组典型的测试函数,采用基本遗传算法(Simple Genetic Algorithms,SGA)、双变异率遗传算法(Double Mutation Genetic Algorithm,DMGA)以及文中提出的基于重构变异算子遗传算法(RMOGA),分别对测试函数在收敛精度上进行对比。结果表明,RMOGA算法能很好地解决遗传算法早熟与陷入局部最优解的问题。

基于机器视觉零件轴线直线度误差测量的研究

轴类零件的直线度误差是判断其是否合格的一个重要标准。针对接触测量轴零件直线度误差效率低、精度不高等问题,设计一个针对小型轴类零件直线度误差测量的平台;采用一种基于自适应阈值的八邻域空心梯度加权的清晰度评价函数用于相机自动对焦,经图像预处理、形态学操作、亚像素级边缘坐标提取后,通过径向局部区域搜索的方法得到零件中心轴线;提出基于最小区域的大变异双切点交叉遗传算法来评定零件中心轴线的直线度误差;采用图像用户界面集成评定算法。结果表明文中方法评定误差优于最小二乘法、分割逼近法和最小区域法,与文献中算法的评定结果基本一致。最后与三坐标测量仪测量结果进行对比,其中94%以上的测量结果相差10μm以内,因而本检测系统能够用于小型轴类零件轴线的直线度误差的测量中。