Multi-user cognitive radio network resource allocation based on the adaptive niche immune genetic algorithm

Multi-user cognitive radio network resource allocation based on the adaptive niche immune genetic algorithm is proposed, and a fitness function is provided. Simulations are conducted using the adaptive niche immune genetic algo- rithm, the simulated annealing algorithm, the quantum genetic algorithm and the simple genetic algorithm, respectively. The results show that the adaptive niche immune genetic algorithm performs better than the other three algorithms in terms of the multi-user cognitive radio network resource allocation, and has quick convergence speed and strong global searching capability, which effectively reduces the system power consumption and bit error rate.

一种基于改进Pal.King算子的AVI视频边缘检测研究

本文全面分析了Pal.King模糊边缘检测算法存在的缺陷,提出了一种新的改进型Pal.King模糊边缘检测算法,并将其应用到AVI视频边缘检测。该算法针对Pal.King算法中对隶属度阈值的设置存在的不足,通过重新定义模糊隶属度函数,反复实验,确定了各参数的最佳值。仿真结果比较显示,改进后的算子复杂度得到降低,效率得以显著提高,边缘检测效果更佳。

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 。

基于FPGA的视频转换系统设计

为解决不同视频系统之间显示时序、色彩空间、帧频、分辨率等不一致的问题,设计了一种以FPGA为控制核心,DDR2 SDRAM为高速缓存的视频转换系统,该系统从图形工作站采集到DVI视频,先进入高速缓存模块,然后通过视频转换算法在FPGA内部完成RGB至YCbCr的色彩空间转换,最后控制硬件实现PAL视频输出,实现了由DVI视频向PAL视频的转换。经长期测试证明:该系统稳定可靠,达到设计要求。

猴王遗传算法的改进

猴王遗传算法是一种很新颖的遗传算法 ,对其初步的研究已经显示出一定优越性和潜力 .猴王遗传算法尚存在的不足或待改进的地方是 :有些参数要靠人为确定不够方便 ,猴王点附近没有专门的局部寻优机制———影响了整体寻优能力 .针对这些问题 ,对猴王遗传算法进行了改进 ,通过扩大随机个体引进的数量简化了原有的一些参数 ,设计增加了一种局部寻优机制———猴王爬山操作算子 .经大量实验测试 。

基于资格函数的模糊边缘检测算法

在分析Pal.King模糊边缘检测算法的基础上,引进资格函数,提出了改进的模糊边缘检测算法。通过实验,确定了各参数的最佳值,降低了算法的复杂度,提高了算法的效率。改进的算法不仅适用于普通图像,而且适用于各种医学图像,有很强的检测模糊边缘和细小边缘的能力。

基于模糊逻辑理论的红细胞图像边缘检测

根据红细胞边缘本身所具有的特性 ,针对传统红细胞边缘检测方法的不足 ,基于模糊逻辑理论以及Pal King算法 ,提出了一种新的边缘检测方法应用于红细胞边缘提取 ,并对原始图像分别用Sobel算子。Pal King算法以及本文提出的基于模糊理论的方法进行边缘检测。实验结果表明 。

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。

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。

基于遗传算法的人工订单拣选路径优化研究

以人工订单系统为对象,考虑ABC存储策略下,在客户随机到达的订单中,当物品的类别和数目随机时,运用基本遗传算法来解决双区型仓库布局的拣选路径优化问题,建立了人工订单拣选系统的路径优化模型,采用遗传算法对建立的模型进行求解,得出了优化的拣选距离和拣选路径,缩短了拣选的时间和作业时间。

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。

基于模糊算法的岩心图像层理特征提取

在岩心图像的分析中,提取图像的层理特征,对于识别岩石的层理类型,完成对获取的岩心图像进行自动识别十分重要。本文介绍了Pal.King算法,并且针对岩心图像的多数像素点处在低灰度级的特点,使用最大类间方差法(Otsu)得到Tr变换中的最佳隶属度的阈值,根据阈值建立自己的隶属函数G和G^(-1);同时对Tr变换增强后的空间域图像进行平滑处理,减少噪声对层理边缘提取的影响。实验结果表明,该算法提取岩心图像层理特征效果较好。

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。

遗传算法中交叉算子的配对策略研究

提出了一种称为“国王配对”的配对策略来选择进行交叉运算的父母体,在此基础上再执行改进的交叉运算.经过测试,证明国王配对策略比随机配对策略要优越,可以加速遗传算法的进化过程.

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.

基于改进Live-Wire算法的无人机遥感影像标注

标签的制作是深度学习应用的关键步骤,为了克服无人机平台的复杂运动、光照条件不足、地物轮廓复杂等导致遥感影像的地物轮廓提取和标注的难点,文中提出一种改进的Live-wire算法并用于无人机遥感影像的典型地物的标签标注;通过改进模糊隶属度函数克服了Pal-King隶属函数灰度覆盖空间不足的缺陷并结合双阈值方法实现边缘点的提取,以改进的Pal-King的模糊边缘检测方法替代Live-Wire算法的拉普拉斯边缘提取方法;通过增加节点之间梯度幅值的变化特征优化代价函数,以提高Live-Wire算法的轮廓跟踪的连续性;大量的对比实验证明,相较于传统方法,改进的Live-Wire方法的轮廓提取和跟踪的稳健性、效率更高。

模糊理论图像增强快速算法设计与实现

自Pal模糊增强算法提出以来,模糊集理论开始广泛地用于图形图像处理,并在实践应用中取得了较好的效果。但由于Pal算法函数复杂、运算耗时长、渡越点难以设置等问题,势必对于各类图像的增强效果产生了影响。本文就该问题提出了一种基于模糊理论的交互式图像增强快速算法,该算法简化隶属函数和增强算子,不但提高了图像模糊化效率、缩短图像增强处理运算时间,同时面向各类图像的增强处理需求,利用MATLAB设计实现图像增强处理系统,提供了交互式的渡越点设置接口。系统仿真结果表明,本文算法相比Pal算法,具有更快捷的增强速度和更灵活地阈值选取以及良好的增强效果。

基于HKBFO优化神经网络的悬索桥动载识别

为提高BP神经网络对桥梁动载识别的效果,提出了一种基于分层菌王觅食算法(HKBFO)的桥梁动载识别方法.该算法首先进行"交叉"复制操作,再类比人大代表选举过程进行分层寻优.数值模拟证明,HKBFO算法优于BFO算法,可用于桥梁动载识别.

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。