基于自适应聚合的立体视觉合作算法

提出了一种恢复高质量稠密视差图的立体视觉合作算法.该算法采用基于形态学相似性的自适应加权方法,迭代地进行局部邻域的自适应聚合和抑制放大,实现高效率和高质量稠密视差图计算.将该算法推广到三目摄像机立体匹配系统中,通过重建摄像机坐标系实现图像校正,并根据连续性假设和唯一性假设,建立视差空间中的支持关系和三目摄像机之间的抑制关系.实验结果表明,三目立体合作算法能够得到精确的场景视差映射,并可以实现多基线方向的遮挡检测.该算法特别适用于由多个廉价摄像机组成的立体视觉系统,在几乎不增加软件和硬件资源的情况下,就可以得到高质量的稠密视差图.

基于改进合作搜索算法的弧形桁架优化设计

弧形桁架是一种常用于国民经济建设的基础结构,具有质量轻、跨度大等优点。为快速高精度地获得房屋弧形桁架最优解,提出一种基于交流演讲策略改进的合作搜索算法。采用3杆桁架和18杆桁架典型算例进行改进的合作搜索算法性能验证,结果表明,改进后的合作搜索算法具有良好的收敛速度和鲁棒性。基于此,利用改进后的合作搜索算法进行房屋弧形桁架优化设计,结果表明,经过46次迭代后,弧形桁架的质量由初始的1468.51 kg降低为1284.85 kg,相对于初始值降低了12.51%,改进后的合作搜索算法是一种高效的优化算法,为实际工程优化问题提供算法依据。

基于合作协同进化算法的航迹冲突解脱研究

为解决基于航迹运行(Trajectory Based Operation,TBO)模式下大规模航迹战略冲突解脱问题,建立了综合考虑最小化冲突数量和航迹调整成本的双目标优化模型.设计了基于超体积指标的多目标合作协同进化算法(Indicator-based Cooperative Coevolution Multi-objective Evolutionary Algorithm,IBCCMOEA)进行模型求解,采用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)进行子种群优化.同时,设计了自适应遗传算子加快算法收敛速度.分别采用中国航路网络繁忙时段442架和1014架航班历史飞行数据进行仿真验证,将所提算法与NSGA-Ⅱ,基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D)以及多目标合作协同进化算法(Cooperative Coevolution Multi-objective Evolutionary Algorithm,CCMOEA)进行对比分析.实验结果表明所提算法相比于其他算法收敛速度提升了7.54%,可以获得无冲突的飞行计划且航迹调整成本减少了约9.62%.所获得的结果可以满足TBO环境下的协同决策需求,算法收敛速度可以满足效率要求.

合作型协同进化遗传算法求解分布式柔性作业车间调度问题

针对以最小化最大完工时间为优化目标的分布式柔性作业车间调度问题,提出一种合作型协同进化遗传算法。采用工厂分配和工序排序解耦编码,基于机器负荷解码并基于工厂负荷初始化种群,使算法在较优的解空间内迭代搜索。利用分而治之的思想,将问题分解为多个子问题,通过随机协同机制促进子种群协同进化并提高全局搜索能力。使用基于关键工厂的多重局部扰动策略,提高算法的局部开发能力。在基准实例上进行实验,并与其他算法进行对比,验证了所提算法的有效性。

基于Web的水运地理信息系统中多agent合作算法的分析与设计

针对水运地理信息系统数据多源、异构、海量等特点及系统本身的复杂性问题,应用Web和多agent技术,提出了基于Web和多agent的水运地理信息系统设计模型,给出了多agent之间的合作算法及合作策略,并对合作算法的复杂度和特点进行了分析.实现了水运地理信息系统的架构设计.

分销供应链协商调度多目标合作协同演化算法

研究了在制造商占优并优先调度的分销供应链中,多个分销商同时与制造商进行协商以改善自身调度的问题,建立了基于补偿的多目标协商调度模型,提出了同时实施分销商局部演化计算与制造商全局演化计算的新型多目标合作协同演化算法GLCCEC.提出了制造商全局精英解的跳跃渐变解组合策略及全局非支配解集实时更新策略,设计了保持局部作业顺序约束下的分销商局部解全局化动态规划算法.实验结果表明,GLCCEC算法能够在不损害制造商调度的条件下有效改善每个分销商的调度,所获得的非支配解集不仅目标值优于现有的3种主要合作协同演化算法MOCCGA,NSCCGA,GBCCGA,而且具有良好的解分散度.

导弹总体参数优化设计的合作协同进化MDO算法

传统的导弹设计方法不能很好地实现各子系统设计的协同 ,而多学科设计优化技术十分适合现代计算机网络环境下的多学科协同设计。根据协同进化与MDO在本质上的相似性 ,采用合作协同进化的方法进行MDO算法研究 ,以充分发挥进化算法的优越性。给出了一种基于合作协同进化的MDO算法 ,将该算法应用于导弹的气动 发动机 控制一体化优化设计。

基于合作式协同进化算法的神经网络优化

针对一般遗传算法优化神经网络存在的不足,提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法.首先,结合合作式协同进化遗传算法本身特性和神经网络特点,给出种群分割方法;其次,为了实现结构和权值的同步优化,提出一种新的混合编码方法,并根据该混合编码方法设计新的交叉和变异算子;然后,根据编码结构、代表个体和合作团体之间的关系,提出一种新的结构优化方法;再次,给出进化过程所需代表个体选择、适应度构造方法等.最后,通过双螺旋线问题验证本文算法的有效性.

基于深度军队联合作战算法的永磁同步发电机最大功率跟踪

提出一款新型启发式算法,即深度军队联合作战算法(DJOA),用于调节永磁同步发电机(PMSG)的比例–积分–微分(PID)控制器最优参数.从而实现不同风速下的最大功率跟踪(MPPT).DJOA由如下3类策略构成,即:a)进攻作战:DJOA与传统军队联合作战算法(JOA)的进攻作战机理一致,以实现最优解的全局搜索(global exploration);b)深度防御作战:DJOA引入两名副官(当前两个次最优解),通过综合考虑军官(当前最优解)与两名副官的信息,从而合理引导士兵以实现更深度的局部探索(local exploitation);c)混合重组作战:DJOA引入混合蛙跳算法(SFLA)机制来有效避免算法陷入局部最优.本文通过4个算例对DJOA的优化性能进行研究,即阶跃风速、低频随机风速、高频随机风速以及鲁棒性测试.仿真结果表明,与量子遗传优化算法(QGA)、生物地理学习的粒子群算法(BLPSO)和JOA相比,所提算法能够最大程度地获取风能且仅需最低的控制成本,同时在发电机参数不确定下具有最高的鲁棒性.

一种改进的多目标合作型协同进化遗传算法

针对传统多目标算法早熟收敛及多样性不足的问题,提出了一种改进的非支配排序合作型协同进化遗传算法(Improved Non-dominated Sorting Cooperative Coevolutionary Genetic Algorithm,INSCCGA)。该算法利用外部档案存储每一代进化过程中产生的精英个体,并对其不断进行更新,以加快算法的收敛速度。同时提出了一种新型子种群之间协同进化的方式,增强候选解的多样性。利用ZDT系列标准测试函数,与经典的多目标进化算法NSGA-II以及多目标协同进化算法NSCCGA进行了对比,结果表明改进算法具有更好的收敛性以及均匀的解分布。

基于决策指标分类的供需链合作伙伴选择算法

在传统的有限方案多目标决策方法的基础之上,根据描述对象的不同将全部决策指标分成多个决策指标子集,然后运用熵信息法对决策指标子集中的个体指标进行个体权重确定,得到个体指标的客观权重,再运用专家相对评分法对各个决策指标子集进行整体权重确定,得到各个决策指标子集的权重,从多层次、多角度对候选企业进行评估与决策,从而得到一种适合供需链中企业的合作伙伴选择算法。

基于合作粒子群算法的PID神经网络非线性控制系统

PID神经元网络(PIDNN)模型为一种新型的神经网络模型,兼有PID与神经网络的共同优点,应用于复杂的控制系统,取得优良控制性能,但其后向传播算法(BP)限制了该模型的应用范围.为实现对非线性多变量系统的有效控制,扩展神经网络的应有范围,本文采用PIDNN神经网络设计了多变量PIDNN神经网络(MPIDNN)控制器,并用本文作者提出的合作粒子群算法(CPSO)取代了传统BP后向传播算法,通过比较MPIDNN_CPSO、MPIDNN_CRPSO、MPIDNN_PSO和MPIDNN_BP4种控制器的控制性能,仿真结果表明,基于CPSO算法的MPIDNN控制器实现了对非线性多变量不对称系统的有效控制.与传统的BP算法相比,CPSO算法提高了控制系统的稳定性、精确性与鲁棒性.

基于间接互惠理论的合作生成算法研究

在快速变化的战场环境下,时间是制约作战效果的因素,能否尽快地寻找到最佳的合作伙伴是协同作战的关键。通过对现代战场时限的需求分析,建立了以时间为量化指标的战场作战单元合作模型。为了解决名誉值机制的合作生成算法产生的"马太效应"问题,运用合作博弈理论和间接互惠理论,提出了一种"好""坏"直接评判机制的合作生成算法。仿真结果表明,"好""坏"直接评判机制的合作生成算法比名誉值机制的合作生成算法稳定性更高。

基于合作进化算法的月面返回再入轨迹优化设计

在考虑热流、过载、动压以及开伞点参数等多种约束条件下,针对低升阻比返回舱月面返回再入轨迹优化设计问题,基于分段线性倾侧角参数化策略,提出了采用合作进化算法进行参数优化的策略来实现再入轨迹的快速高精度优化设计.首先采用以能量为自变量的分段线性倾侧角控制参数化策略,将连续最优控制问题转化为有限维参数寻优问题,然后基于逃逸粒子群算法和自适应差分进化算法的合作进化算法求解该问题.数值仿真验证了倾侧角参数化策略的正确性,对比试验分析表明合作进化算法较传统进化算法有更快的收敛速度和更高的优化精度的综合性能,更加适合月面返回再入轨迹优化设计问题的求解.

合作型协同演化算法研究进展

合作型协同演化算法是近年来计算智能研究的热点。它运用生物协同演化的思想,通过构建两个或者多个种群,建立它们之间的合作关系。两个或多个种群通过相互合作来提高各自的性能,适应复杂系统的动态演化环境以及大规模演化环境,从而达到种群优化的目的。主要介绍了合作型协同演化算法的研究状况以及国内外研究进展,详细介绍了它的基本结构及对应的研究、基本算法及一些新兴算法,同时介绍了一些在现实生活中的应用,展望了合作型协同演化算法的发展前景。

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.

多Agent诊断系统中合作任务调度算法的实现

多Agent系统的核心问题是多Agent的合作和问题求解 ,在多Agent系统合作的调度算法中引入遗传算法 ,能更准确和更有效地进行问题求解。文中在介绍多Agent系统结构的基础上 ,分析了多Agent的合作问题以及基于遗传算法的调度算法 ,并在一个实用系统中实现了合作任务调度算法 。

合作式粒子群优化算法

针对粒子群优化(PSO)算法随着维数增加而导致的收敛速度慢,容易陷入局部最优的问题,提出了一种合作式粒子群(CPSO)算法。通过多粒子群不同的组态向量合作,显著改善了标准算法的早熟问题。利用标准测试函数对CPSO算法、协同进化遗传算法(CCGA)、遗传算法(GA)、PSO算法进行比较测试,结果表明,CPSO算法在多个基准优化问题方面显示了较佳性能。

基于合作搜索算法的二阶碲基光纤拉曼放大器优化设计

随着新一代移动通信系统发展,对高数据速率和更大带宽的需求日益增加,利用碲基光纤作为传输介质,采用了两路二阶泵浦和四路一阶泵浦设计的二阶拉曼光纤放大器实现了对C+L全波段信号光进行放大,能够有效缓解带宽增长给光通信网络带来的挑战。首先对简化后的二阶拉曼耦合波方程进行数值求解,再利用合作搜索算法对二阶拉曼光纤放大器泵浦参数进行优化,以达到提升系统输出性能的目的。同时,分析了在相同泵浦参数的配置下一阶拉曼光纤放大器和二阶拉曼光纤放大器的性能以及二阶泵浦光功率、光纤长度这两个重要因素对二阶碲基拉曼光纤放大器平均输出增益和增益平坦度的影响。最终在1530~1630 nm的超宽带宽范围内,设计出的二阶碲基光纤拉曼放大器平均输出增益为27.3601 dB,增益平坦度为0.6601 dB。

基于合作博弈-云化AHP的地铁隧道施工方案选优

为了研究多专家对多方案的比选排序规则及数据特点,提出一种基于合作博弈-云化AHP算法处理该问题,并用以地铁隧道施工方案选择。方案选择对于控制施工成本,保证施工安全尤为重要。使用云模型嵌入AHP构建云化AHP模型对专家提供的不确定信息进行处理,得到在考虑实际工程背景下的方案偏好排序。使用合作博弈模型得到多个方案排序的综合排序。根据方案权重最大原则确定最优方案。分析了3位专家对3种隧道施工方案的偏好排序,其结果表明:对于给定的工程背景,盾构法施工是最优的。与现有4种模型进行对比,说明了其能更好地处理数据的不确定性,综合专家决策群意见,且数据量和计算量较小。