自适应混合蚁群算法求解带容量约束车辆路径问题

针对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP),提出了一种自适应混合蚁群算法.由蚁群算法生成子回路,为增强跳出局部最优能力,在蚁群算法的状态转移规则和信息素更新规则中引入了自适应机制.基于子回路组合,由遗传算法构造近似解,根据问题编码特性设计了适应度函数和遗传算子,提高了构造效率,并采用Clark和Wright节约算法将近似解修复成可行解.采用扫描法和2-opt局部优化方法提高可行解的质量.标准算例的实验结果表明,该算法在求解CVRP问题上具有良好的寻优精度和寻优效率.灵敏度分析结果表明蚂蚁数量对算法性能具有显著影响.

HSV自适应混合高斯模型的运动目标检测

在目前的计算机视觉应用中,从视频序列中提取出运动目标是一个研究热点。针对传统方法在复杂多变环境下不能很好地检测出运动目标且运算量较大的问题,根据HSV颜色空间的特点,提出了一种基于HSV颜色空间的自适应混合高斯背景建模和阴影消除的方法。首先,在传统的混合高斯背景建模的基础上,引入了一种新的混合高斯模型高斯成分个数的自适应选择策略以提高建模的效率。其次,根据阴影在HSV向量空间的特点,融入了一种新的阴影消除方法,以检测出带阴影的运动目标。该方法能够快速准确地建立背景模型,准确分割前景目标。与传统的阴影消除方法相比,该方法可以在不需要设置阈值的情况下,对运动目标的阴影进行很好的消除,有很好的鲁棒性和实用性。

自适应混合滤波算法在微型飞行器姿态估计中的应用

针对低成本惯性测量单元(IMU)存在漂移和噪声干扰等问题,提出了一种具有自适应参数调节的混合滤波算法。采用四元数法进行系统模型的描述,用梯度下降法对加速度计测得的数据进行处理,再通过互补滤波器将其与陀螺仪测量值进行融合,形成混合滤波算法。同时,考虑到飞行姿态的复杂性,进行参数λ的自适应调节,因而改进后的混合滤波算法,能保证各种飞行姿态变化情况下实时姿态的最优估算。实际系统在线实时性能测试表明,提出的算法简单,估计精度高,易于在嵌入式系统中实现,具有较高推广应用价值。

自适应混合混沌神经网络及其在TSP中的应用

为了进一步提高混沌神经网络的收敛效果,将T.Kwok和K.A.Smith所总结的内、外两类混沌神经网络相结合,并加入自适应方法,提出了自适应混合混沌神经网络。这种网络可以同时通过线性和非线性两种途径来改变网络能量函数进行搜索,这使得搜索过程具有更为丰富的动力学行为。同时由于自适应方法的引入,保证能量函数的变化在整个搜索过程中对动态方程有较强的作用,从而减少了网络收敛时的迭代步数。仿真研究表明,在求解TSP上,其效果优于随机混沌模拟退火网络。

基于XGBoost和无迹卡尔曼滤波自适应混合预测的电网虚假数据注入攻击检测

随着信息技术在电力系统中的广泛应用,电网正发展为一类信息系统与物理系统高度融合的电力信息物理系统(cyber-physical system,CPS)。而虚假数据注入攻击(false data injection attacks,FDIA)是影响电力CPS安全运行的隐患之一。为了能够检测与修正虚假数据注入攻击,提出一种基于极端梯度提升(extreme gradient boosting,XGBoost)结合无迹卡尔曼滤波(unscented Kalman filter,UKF)的电网虚假数据注入攻击检测方法。首先通过改进的加权灰色关联分析法进行相似日的选取,然后使用XGBoost进行电力系统日前负荷预测;将负荷预测结果经潮流计算得到的状态量与UKF动态状态估计得到的状态量进行自适应混合预测,以降低FDIA对状态预测的影响;最后基于预测值和静态状态估计值构造随机变量,通过中心极限定理比较随机变量的分布以进行FDIA检测与修正。IEEE-14和IEEE-118节点测试系统仿真结果验证了文中提出方法的有效性和准确性。

自适应混合细分算法研究

提出一种适用于三角形和四边形组成的混合网格的自适应细分算法 ,该自适应细分过程通过二面角的阀值来控制 ,在拓扑分裂时将自适应细分与混合细分有效结合。实例表明 ,该算法运算效率高 ,在细分过程中能够大幅度地控制网格的增长 。

自适应混合布谷鸟算法在水电站调度中的应用

针对布谷鸟算法局部搜索能力较弱,搜索质量不高的缺点,在标准布谷鸟算法中加入自适应步长策略、边界变异策略,并与模拟退火算法结合成自适应混合布谷鸟算法。经测试函数验证,自适应混合布谷鸟算法与标准布谷鸟算法相比有结果更优,收敛速度更快的优点。将自适应混合布谷鸟算法引入水电站的调度中,通过新疆玛纳斯一级电站验证了该算法的可行性,为求解水电厂优化调度模型提供了一种新思路。

基于自适应混合高斯模型的火焰识别方法

为了提高早期火灾的识别准确性和快速性,基于对火焰动态特性、面积变化率等特征的分析,设计火焰识别系统。系统采用RGB模型、HSI模型对火焰图像进行分割预处理,经过二维中值滤波、形态学分析实现对真实火焰的识别,应用自适应混合高斯背景模型差值处理滤除静态火焰的干扰。实验表明,该方法可以高效的识别出动态火焰,滤除静态火焰和伪火焰,在复杂背景下仍具有好的抗干扰能力和识别效率。

利用自适应混合遗传算法求解平车装载问题

铁路输送中的多型号平车装载问题旨在满足铁路军事运输和安全的要求下,提高铁路平车利用率,节省铁路运输资源。针对平车优先的平车装载问题,建立数学模型,将改进的自适应遗传算法、模拟退火算法思想、优先适应降序算法相结合,提出一种自适应混合遗传算法。给出算法的编码、遗传算子的设计、适应度函数的定义、交叉概率和变异概率的自适应改变算法。针对平车装载问题实际,对算法编码进行解码,利用优先适应降序算法对装备进行装载;将遗传算法和模拟退火算法思想结合以分别弥补各自局部搜索和全局搜索局限;引入自适应机制使得交叉概率和变异概率能随适应度值改变而改变,抑制了算法"早熟",提高了收敛速度;最后用实例验证了该算法的有效性。

基于自适应混合引力搜索算法的混沌系统参数辨识

针对混沌系统未知参数的辨识问题,结合人工蜂群搜索算子和混沌优化策略,提出一种自适应混合引力搜索算法,并应用于混沌系统未知参数的优化辨识.利用混沌序列初始化种群以增强搜索初期的遍历性,基于人工蜂群搜索算子进行变异操作以提高算法的局部寻优能力,依据粒子的性能对进化过程中的万有引力系数进行自适应调整,有效避免了早熟收敛,提高了算法的整体寻优性能.以测试函数和典型混沌系统为例进行仿真实验,结果证明该算法具有良好的全局探测和局部开发能力,与遗传算法、粒子群算法、量子粒子群算法和引力搜索算法比较,其对混沌系统参数的估计具有相对较高的辨识精度和收敛速度,算法的有效性得到了验证.

基于Kalman滤波的无线流媒体自适应混合FEC/ARQ控制策略

提出了一种用于无线实时流媒体传输的数据链路层自适应混合FEC/ARQ控制策略,以显著提高接收方的播放质量。该策略采用跨层设计的方法,基于Kalman滤波器预测当前的网络状态,自适应地调整FEC参数N和ARQ参数Nmax;另一方面,在应用层采用自适应FEC策略,在视频源数据和冗余数据之间动态分配网络带宽。数学分析和仿真验证均表明,该策略能使接收方获得最大的可播放帧率,有效地提高了流媒体传输的可靠性和实时性。

基于自适应混合模型和区域特征的多目标跟踪与检测

文章提出了一种基于自适应混合模型和区域特征的多目标跟踪与检测算法。背景分割算法采用高斯混合模型描述每一被观察像素的近期色彩历史,建立自适应背景模型,然后根据背景模型匹配原则决定当前帧中每一像素的类别。在分割结果基础上,以区域特征值之间的欧几里德距离平方作为匹配尺度,将当前图像帧中每一被检测出的区域与历史记录表中的区域相匹配。跟踪过程中,采用卡尔曼滤波器对被检测出的运动区域进行运动参数估计和预测。实验结果表明,这种方法是可行的且鲁棒的。

自适应混合演化算法

为避免标准的演化算法演化速度慢、易收敛到局部极值的缺点 ,融合对梯度的随机模拟、免疫算子、模拟退火算法的思想 ,提出一种自适应混合演化算法 ,它在不同的演化阶段自适应的采用不同的演化算子 ,在演化初期具有较强的全局搜索性能 ,在演化中后期具有较强的精搜索性能 ,能迅速收敛于全局最优解 ;对标准测试函数的仿真结果表明 ,该算法具有精度高 ,收敛速度快 。

基于自适应混合遗传算法的岩石类材料动态参数反演

将多元函数的下山单纯形法嵌入遗传算法,加强了算法的局部搜索能力,并且将交叉概率、变异概率以及局部搜索概率改进为随遗传个体的适应度值改变和进化代数的增加而调整的自适应型。在此基础上针对岩石类材料的特性,将数值计算值与冲击压缩实验结果之间的相对均方差作为适应度函数,编制了反演分析算法来确定岩石类材料考虑损伤的非线弹性动态本构模型的待定特征参数。结果表明:由动态本构方程得到的再生应力-应变曲线与实验曲线之间具有较好的一致性,从而验证了该反演分析方法是合理可行的以及动态本构模型对于岩石类材料的适用性。

参数不确定空间机械臂系统的鲁棒自适应混合控制

讨论了载体位置与姿态均不受控制的漂浮基空间机械臂系统的控制问题.对系统运动学、动力学的分析结果表明,结合系统动量守恒及动量矩守恒关系得到的系统广义Jacobi关系以及系统的动力学方程是系统惯性参数的非线性函数.证明了借助于增广变量法可以将系统的增广广义Jacobi矩阵及系统动力学方程表示为一组适当选择的(组合)惯性参数的线性函数.以此为基础,针对系统惯性参数不确定的情况,设计了空间机械臂末端抓手跟踪惯性空间期望轨迹的鲁棒自适应混合控制方案.仿真运算结果证实了方法的有效性.

短期电力负荷预测的自适应混合遗传优化BP算法

基于遗传算法具有很强的全局搜索能力和BP神经网络具有精确的局部搜索能力的特点,提出对电力短期负荷预测的自适应的混合算法。将训练样本随机地分为训练集和测试集。应用该算法对澳大利亚悉尼的短期电力负荷进行了预测。仿真计算表明,该算法达到了提高预测精度和改善网络性能的要求。

一种基于小波变换与自适应混合量化的新图象压缩算法

本文提出了基于小波变换与自适应混合量化的图象压缩算法 ,该算法首先将小波变换后的图象高频子带划分为扫描块 ;然后依据图象的纹理复杂度和重要性程度将这些扫描块划分为 4类 (平坦、过渡、弱纹理和强纹理 ) ;最后对各类扫描块分别进行向量和标量量化混合编码 .实验结果表明 :该图象压缩算法在压缩速度、图象复原质量等方面均优于 FVQ编码算法和

改进自适应混合高斯模型和帧间差分的运动目标检测

针对传统混合高斯模型进行运动目标检测易受环境噪声或光照变化干扰,检测结果存在空洞、边缘缺失等问题,提出一种改进自适应混合高斯模型和帧间差分的运动目标检测算法。在混合高斯模型建立之初,采用较大的学习率快速消除背景干扰信息,当模型趋于稳定后,根据目标运动状态不断调整学习率,实现自适应修正背景模型。同时引入光照变化因子调整模型更新率,有效克服光照变化的影响。为提高目标边缘连续性,采用基于图像相似度的四帧差分法并结合边缘检测算法快速提取目标轮廓信息填补目标边缘。通过形态学处理消除目标空洞及残余噪点,获得完整的运动目标。结果表明:该方法目标检测准确率达到95.2%,在保证实时性的同时对复杂场景具有较好的适应能力,鲁棒性强。

自适应混合表结构及其算法思想

本文介绍了一种新型的动态数据结构——自适应混合表 .该结构是由顺序表与链表交叉构造而形成的一种动态循环链表 .文中对该结构进行了详细的构造描述 ,并给出了其插入、删除、查找等算法思想 .自适应混合表结构为内存管理和应用程序的数据结构提供了一种新的模式 。

一种去除乘性噪声的自适应混合阶偏微分方法

针对偏微分方程在图像处理中的斑点噪声滤除问题,在自适应全变分去噪模型和四阶LLT去噪模型的基础上,提出一种针对乘性噪声的自适应混合阶变分去噪方法。该方法引入混合阶偏微分方程和尺度自适应边缘检测函数作为正则项,并利用乘性噪声分布构建保真项。用标准测试数据对所提自适应混合阶变分降噪模型进行验证,试验结果表明,该模型在有效滤除图像乘性噪声的同时,能很好地保护图像的边缘和纹理细节信息。处理后的图像在峰值信噪比PSNR、均方误差MSE、运行效率方面均优于自适应全变分和LLT模型。