一种无需随机搜索策略的自动平面检测方法(英文)

本文提出一种新的能快速从 2幅投影图像中自动检测平面的方法 .首先通过引入互相关对Scatt特征点匹配结果作后处理得到可靠的点点匹配 ,然后根据 2幅图片间特征分布的近似不变性从特征点匹配得到特征线匹配 ,继而将特征点按照与特征线的几何关系进行分组 ,作为初始集合估计平面单应矩阵 ,将特征点按所属平面分组 .此方法能有效地避免随机的全局搜索 .此方法尤其适于人造场景的平面检测问题 .实验表明了此方法的有效性 .

引入Circle映射和正弦余弦因子的改进粒子群算法

针对粒子群算法在搜索寻优过程中存在收敛速度慢、精度低和易陷入局部最优等问题,提出了引入Circle映射和正弦余弦因子的改进粒子群算法。采用引入Circle映射的种群初始化操作,能获得更加均匀和多样的初始种群,有利于提高算法的收敛速度和精度。采用非线性递减的惯性权重并引入正弦余弦算法中的正弦余弦因子的策略,更好地平衡了算法全局探索能力和局部开发能力。受鲸鱼优化算法启发,提出并采用带有淘汰制的随机搜索策略,增强了算法跳出局部最优和全局探索的能力。在16个基准测试函数上对该算法进行了仿真实验,并与4种粒子群相关算法及其他4种群智能优化算法进行了比较和分析,验证了所提出的改进算法具有更强的收敛性能和稳定性。

啤酒发酵过程中神经网络糖度混合建模

发酵是一个复杂的反应过程对象,其内部反应的机理模型一般都难以精确得到,从而给反应过程参量的在线检测与控制带来困难。本文分析一些基于神经网络的混合机理建模的解决方法,并对随机搜索策略的学习方法进行建模与估计进行探讨,最后给出相应的仿真结果。

多交互式人工蜂群算法及其收敛性分析

针对人工蜂群(ABC)算法不易跳出局部最优解的缺点,提出了多交互式人工蜂群(MIABC)算法。该算法在基本人工蜂群算法的基础上引入随机邻域搜索策略,结合跨维搜索策略,且改进蜜蜂越限处理方式,使得算法搜索方式多样化,从而使得算法搜索更具跳跃性,不易陷入局部最优解,同时,对其进行收敛性分析和性能测试。在五种经典基准测试函数和时间复杂度实验上的仿真结果表明,相对于标准人工蜂群算法和基本粒子群优化(PSO)算法,该算法在1E-2精度下收敛速度提高了约30%和65%,搜索精度更优,且在高维求解问题方面有明显优势。

基于向量整体扰动的快速收敛人工蜂群算法

针对标准人工蜂群算法收敛速度慢和易陷入早熟收敛等问题,提出一种快速收敛人工蜂群算法。首先借助反向学习理论初始化种群来提高初始解的分布质量,并在雇佣蜂和跟随蜂阶段引入向量整体扰动搜索方程加快局部搜索;然后为了跳出局部最优,采用一种随机更新搜索策略来增加蜂群多样性以平衡全局探索和局部利用能力;最后通过八个标准测试函数的仿真实验,发现所提出的算法与几个改进的人工蜂群算法相比,具有更快的收敛速度且获得了更高的求解精度,验证了算法的优越性。

基于人工免疫方法的关联规则提取

提出一种基于人工免疫方法的关联规则提取算法,将人工免疫方法应用于关联规则的提取。本算法采取"随机并行搜索"策略,快速识别出候选关联规则,整个挖掘过程最后只需扫描数据库一遍,也不需生成大量的频繁项目集,从而提高关联规则挖掘的总体性能。