基于改进混合蛙跳算法的图像增强处理研究

针对图像增强的特点,提出改进混合蛙跳算法。首先对混合蛙跳的更新采用自适应的阈值选择策略,并对每只蛙的目标函数值赋予一定的概率分布,增加了得到更优蛙的机会;接着在混沌系统下,随机产生混沌序列,将混沌变量映射到优化变量的取值范围中,混合蛙跳可以遍历整个区间,这样得到群体最优位置;最后采用Beta函数实现图像增强。实验结果表明,此算法对图像增强效果明显,清晰度较高。

基于改进混合蛙跳算法的贴片机贴装顺序优化

元器件贴装顺序是影响贴片机工作效率的关键因素之一.针对拱架型贴片机,在建立贴装顺序数学模型基础上,采用改进混合蛙跳算法对贴装顺序进行优化,按照三角概率分布选择可能被改进蛙的策略,完成对基本混合蛙跳算法的改进.最后以3块PCB为例进行实验,实验结果表明,算法可以有效解决元件贴装顺序问题,并具有比基因遗传算法更高的准确性及效率.

基于GPU的混合蛙跳算法改进

【目的】将混合蛙跳算法的求解过程转化为CUDA线程,提出并研究基于GPU的并行混合蛙跳算法,加快算法寻优过程,提高混合蛙跳算法的运算速度,以此促进群体智能优化算法的并行研究及应用。【方法】本文采用了CPU+GPU异构形式进行计算,其中GPU负责对大规模的密集型数据进行设计分析以及计算,而对于CPU来讲,负责开展事务管理以及复杂逻辑运算等不适合数据并行的计算模块。【结果】将混合蛙跳算法的求解过程转化为CUDA线程,实现基于GPU的并行混合蛙跳算法。在GPU上加速执行以提高算法运行速度,在保证与串行混合蛙跳算法相同优化性能的同时提高加速比。【结论】(1)对于ISFLA算法它采用了并行调度的形式展开计算分析,对于虚拟机之间的负载起到了很好的平衡作用,减小了负载间的平衡度对于整体的工作时间来讲起到了很好的缩短作用。(2)ISFLA算法产生的初始种群有着更好的质量,这能够将一些表现不好的个体进行排除,加快了整体的收敛速度,减小了进行搜索迭代的时长。

基于改进混合蛙跳算法的快递配送车辆路径分析

建立时间成本数学模型,考虑车辆配送的时间约束、配送车辆的载重和快递体积的限制,并在此基础上提出一种改进型混合蛙跳算法.该算法采用配送点进行编号的编码方式,实现对车辆数量、配送路径、到达配送点时间、驶离配送点时间、车辆载重和快递体积信息的解码.此外考虑到混合蛙跳算法在搜索大规模数据时搜索效率低等问题,该改进型混合蛙跳算法增加了参与更新的蛙数,通过二项分布概率更新选中的蛙,从而提高算法的搜索效率.通过仿真实验得到快递车辆配送路径及车辆数量等优化信息,并验证了算法和数学模型的有效性.

线路重要度区分下的电力系统脆弱线路辨识

电力系统实际运行中可能受到负荷变化、故障发生、天气变化等各种因素的影响,这些因素导致电力网络间的大范围互联会使小范围内的故障很快传到大范围甚至于整个电力网,,脆弱线路辨识的过程中,传统方法针对线路引入了带权重线路介数指标,形成了脆弱线路辨识流程,但是这种方法没有区分不同线路的重要程度,导致路线辨识存在误差。为此,提出基于混合蛙跳算法的电力系统脆弱线路辨识方法研究。通过直流潮流算法对电力系统中的非重要线路和重要线路进行识别和区分,将重要线路进行进一步脆弱性分析,确定脆弱指标后,建立电力系统脆弱线路辨识模型;利用混合蛙跳算法的更新迭代功能求解该模型,搜索模型的最优解,以此实现电力系统脆弱线路的有效辨识。实验结果表明,所提方法在避免局部最优的同时,有效提高了脆弱线路辨识的精度和效率。