连续非线性规划的猴王遗传算法

仿照猴群竞争产生猴王、猴王在猴群中拥有基因遗传绝对优先权的模式建立了猴王遗传算法 将种群中的点按目标函数值的大小排序 ,保留最优点和部分较优点 ,引入部分变异染色体更换部分较劣点 ,并让最优点依次与种群中的其他点进行交叉变异得到下代种群中的新点 对多种测试函数的计算表明 :猴王算法直观易懂、程序简单、参数少、计算量小 。

免疫进化混合猴王遗传算法

针对简单猴王遗传算法(MKGA)存在易陷入局部极值和稳定性较差的缺陷,提出了免疫进化混合猴王遗传算法(MKGAIEH)。MKGAIEH将总群体划分为若干个子群体,为了充分利用总群体中最优个体(总猴王)信息,引入免疫进化算法(IEA)对其进行免疫进化迭代计算;此外,对子群体内的其他个体,同时考虑子群体的子猴王与群体的总猴王对其进行交叉和变异遗传操作。当所有子群体的局部搜索完成后,再将各子群体的解重新混合。这种全局信息交换与子群内局部搜索相结合的策略不仅避免了早熟收敛,而且随着迭代的进行,还能以更高的精度逼近全局最优解。将MKGAIEH、MKGA、改进后的猴王遗传算法(IMKGA)、蜜蜂遗传算法(BEGA)、免疫进化粒子群蛙跳算法(IEPSOSFLA)和普通爬山算子遗传算法(COGA)对6个典型测试函数的计算结果进行了比较,其结果为:MKGAIEH对6个测试函数都能获得全局最优解,有5个测试函数获得的平均值和标准差比其他5种优化算法获得的平均值和标准差精度提高了几个数量级,达到了最小。这表明MKGAIEH具有更佳的寻优能力和更好的稳定性。

基于种群杂交猴王遗传算法的演化硬件研究

演化硬件作为新的硬件载体,具有自组织、自适应、自修复的能力,是人工智能在高能激光控制方面的一个重要应用。遗传算法是影响硬件演化速度的一个重要因素。针对目前传统遗传算法进化时间长、运算量大的问题,提出了一种改进的猴王遗传算法——种群杂交猴王遗传算法。受自然界生物种群杂交优势的启发,种群杂交猴王遗传算法将参与进化的基因序列划分为Nd个独立进化的子种群。每个子种群独立按照猴王遗传算法进化Td代形成原始种群的Nd个亚种群后,交换亚种群的猴王基因重复猴王遗传操作,在亚种群中产生具有杂交优势的后代。分析表明:与猴王遗传算法相比,种群杂交猴王遗传算法可以将每一代基因排序的运算量减小到1/Nd,并且更加利于并行实现。基于MATLAB和Modelsim的仿真分析表明:种群杂交猴王遗传算法具有更快的收敛速度和更优的进化结果。

基于猴王遗传算法的演化硬件

演化硬件作为新的硬件载体,具有自组织、自适应、自修复的能力。本文设计了一种由查找表(LUT)和D触发器构成的基本演化硬件单元,能够满足组合逻辑电路和时序逻辑电路的设计要求。同时设计了兼容组合逻辑电路和时序逻辑电路的适应度评估函数。利用该模型对基于遗传算法的演化硬件和基于猴王遗传算法的演化硬件参数进行了优化设计。分析表明遗传算法的变异概率vP取值应在0~0.01之间,交叉概率对算法的性能影响可以忽略;猴王遗传算法的保留概率R取值应在0~0.85之间,变异概率vP应在0~0.01之间。对比分析了遗传算法和猴王遗传算法的性能:基于猴王遗传算法演化硬件的运算量只有基于遗传算法演化硬件的1/4,且能得到更接近目标电路的电路结构。

改进的猴王遗传算法求解组合拍卖最优竞胜标

应用遗传算法求解第一价格封闭组合拍卖问题,编码及约束条件复杂,在交叉和变异的过程中容易产生大量不可行解,并且在选择和精英保留中,一些局部最优点(早熟点)对应的个体容易被大量复制,使群体多样性下降。该文就以上的问题,改进了原有遗传算法求解组合拍卖最优竞胜标的方法,并采用了猴王遗传算法的精英保留策略。实际计算证明本算法编码方式自然并且直观表达了个体和标的的关系。在交叉和变异算子中,产生不可行解的数量下降,更积极的保存了上一代进化的部分成果。而改进猴王遗传算法的精英保留策略,使算法能够以高概率跳出早熟,达到算法速度与准确的平衡。

改进猴王遗传算法求解大规模组合拍卖竞胜标

用遗传算法求解大规模、不同分布下的组合拍卖的最优竞胜标问题（WDP）,由于搜索空间大且约束条件复杂,容易产生不可行解,而影响了算法求解的效率和质量。针对WDP问题,设计预处理算子互换重组算子和增标算子,并采用猴王精英保存策略,提高了求解质量。实验结果表明,改进猴王遗传算法（MKGA）比基本遗传算法在计算量和群体规模上都有较大进步。对求解标含物品数较多、传统分支定界法超过最大次数而无法求解的问题,算法能在求解质量和效率的上达到更好的效果。

基于新遗传算法的Otsu图像阈值分割方法

最大类间方差(Otsu)图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足,将猴王遗传算法与Otsu算法结合,运用猴王遗传算法的原理,寻找图像灰度的最大类间方差,即最佳阈值。结果表明,结合后的方法不仅提高了图像的分割质量、缩短了运算时间,而且非常适合图像的实时处理。

基于新的遗传算法的模糊C均值聚类用于遥感图像分割

标准FCM对噪声十分敏感,并且依赖于初始聚类中心选择,算法通常得到的是局部最优解而非全局最优解。针对此问题提出一种基于猴王遗传算法的改进的FCM算法.猴王遗传算法是一种新颖的全局优化搜索算法,具有高效的计算性能和优良的全局搜索能力。本文首次将猴王遗传算法(MKGA)与结合空间领域信息的FCM相结合,利用改进的FCM算法的目标函数建立适应度函数,利用猴王遗传算法搜索全局最优解,代替FCM的基于梯度下降的迭代过程,从而有效地避免了模糊C-均值聚类算法收敛到局部最优和对噪声敏感的问题。在此基础上实现了对遥感图像的聚类分割。实验结果表明,该算法对于遥感图像显示了较好的分割效果和较强的抗噪能力。

前方车辆检测的特征融合算法研究与实现

为了解决前方车辆检测的鲁棒性和实时性问题,提出了一种基于车辆形态特征和类HAAR特征融合的前方车辆检测优化算法.为了克服车底阴影提取易受外部环境因素影响的缺陷,采用猴王遗传算法(monkey king genetic algorithm,MKGA)进行阈值分割,提取车底阴影部分;然后通过车辆形态特征一次筛选得到感兴趣区域,并对感兴趣区域的类HAAR特征进行提取和降维,输入支持向量机(support vector machine,SVM)训练好的汽车分类器进行二次筛选.随机抽取视频的300帧进行算法验证,实验结果表明:算法在复杂环境下能够实现车辆检测,并且相比于单一特征的检测方法,准确率由80%提高至90%;利用类HAAR特征积分图和主成分分析(principal component analysis,PCA)降维能够有效地提高检测速度.算法满足驾驶辅助系统准确性和实时性的要求.

基于拓扑理论的产品仿生形态进化设计方法

目的为了更好地在定量层面控制产品形态仿生设计,快速地获得多种方案,运用拓扑理论和猴王遗传算法,构建出产品仿生形态进化设计方法。方法首先,利用拓扑权值,识别仿生对象的特征要素。然后,对产品形态与仿生对象特征要素进行拓扑相似度评价,以此为适应度函数,应用猴王遗传算法实现高效的产品仿生形态进化设计。结果以"企鹅-水壶"仿生形态设计为例,对该方法进行实例研究,结果表明,它能够比较合理地保留仿生对象特征要素,并且能够较高效率地提供多样化方案。结论在产品仿生形态设计中,充分考虑仿生对象的特征要素,量化产品形态与仿生对象之间的认知距离,再结合进化算法,使产品仿生形态设计更加理性和高效。

基于分水岭模型的光照不均匀图像分割

针对图像采集过程中存在光照不均的问题,首次利用分水岭模型将图像分割为不同的光照区域,再利用Sauvola算法自适应地获得局部的二值化阈值,从而达到了良好的分割效果.同时Sauvola算法使用积分图像计算出局部像素值的和与局部像素值平方和来加快算法的时间.实验结果表明:该算法能够在无人工干预的情况下克服光照的影响,并且图像分割时间复杂度大大减小.

基于RBF的指标规范化的水安全评价模型

为了建立科学合理、计算简便和普适通用的水安全评价模型,在适当设定指标参照值cj0和指标值的规范变换式基础上,提出了基于径向基函数网络的指标规范化的水安全评价模型。采用具有全局优化的猴王遗传算法对模型中的参数进行优化,得出优化后对任意m(1≤m≤23)项水安全指标共同适用的水安全评价模型。应用模型对山东省水安全状况进行了评价分析,其评价结果与其它方法的评价结果基本一致,从而表明:指标规范值的径向基函数网络模型为水安全评价提供了一个简单实用、结果可靠的新方法。