改进的粒子群优化算法的研究和分析

粒子群优化算法是一种新的随机全局优化进化算法。为了有效地控制其全局搜索和局部搜索,使之获得较好的平衡,论文在深入分析和研究标准粒子群优化算法的基础上,提出了一种基于进化代数阈值和粒子间最大聚集距离高斯变异的粒子群优化算法。该算法在运行过程中通过粒子聚集程度的量化判定,对当前的最优粒子施加高斯变异,从而增强粒子群优化算法跳出局部最优解的能力。测试函数仿真结果表明了该算法的可行性和有效性。

混沌粒子群优化算法研究

针对粒子群优化算法稳定性较差和易陷入局部极值的缺点,提出了一种新颖的混沌粒子群优化算法。一方面,在可行域中应用逻辑自映射函数初始化生成均匀分布的粒群,提高了初始解的质量和增加了算法的稳定性;另一方面,采用两组速度-位移更新策略,即对全局最优粒子单独使用特定的速度-位移策略更新,而对其余粒子则使用常规的速度-位移进行更新,从而有效避免了算法陷入局部收敛的缺点。将该算法应用在4个基准测试函数优化中,仿真结果表明其能有效提高全局寻优的性能,且稳定性好。

基于Sigmoid惯性权值的自适应粒子群优化算法

针对粒子群优化算法存在的缺点,提出了基于Sigmoid惯性权值的自适应粒子群优化算法。一方面,引入粒子群早熟收敛的计算公式,以指导算法在进化过程中的具体执行策略,有效避免计算的盲目性,加快算法的收敛速度;另一方面,通过设定粒子群聚集程度的判定阈值,以使算法在线性递减惯性权值和基于Sigmoid函数思想的非线性递减惯性权值之间进行自适应地动态调整,从而有效减少了算法陷入局部最优的可能。测试函数仿真结果表明了该算法的可行性和有效性。

基于XML的分布式数据库集成系统

提出一种将分布式数据库数据映射为符合用户要求的XML文档的描述语言——R2XL,在此基础上给出基于XML的分布式数据库集成系统,实现分布式数据库的透明访问和联合查询。对该系统中的查询处理、分布式数据库中的数据分片方法及相应的集成策略等关键问题进行了探讨。

基于群体适应度方差的自适应粒子群优化算法

针对基本粒子群优化算法稳定性较差和易陷入局部收敛的缺点,提出了一种基于群体适应度方差的自适应粒子群优化算法。一方面,在可行域中采用混沌初始化生成均匀分布的粒群,提高了初始解的质量;另一方面,构造了基于群体适应度方差的惯性权重的自适应变换公式,增强了算法跳出局部最优解的能力。仿真实验结果表明了该算法的可行性和有效性。

基于Tent混沌序列的粒子群优化算法

针对粒子群优化算法易陷入局部极值和进化后期收敛速度缓慢的问题,提出基于Tent混沌序列的粒子群优化算法,应用Tent映射初始化均匀分布的粒群,提高初始解的质量,设定粒子群聚集程度的判定阈值,并引入局部变异机制和局部应用Tent映射重新初始化粒群的方法,增强算法跳出局部最优解的能力,有效避免计算的盲目性,从而加快算法的收敛速度。仿真实验结果表明,该算法是有效的。

融合PLSA和随机游走模型的自动图像标注

为了有效克服语义鸿沟问题,提出一种融合概率潜语义分析(PLSA)和随机游走(random walk,RW)模型的图像语义标注方法.从已标注图像的文本信息出发构建一个非对等模态的PLSA模型,以此计算未知图像的初始语义标注;,基于初始标注的语义信息和与之关联的图像的视觉信息构造标签相似性图,以有效避免图像标注过程中因多义词而引入的噪声数据;在所构造的相似性图上执行随机游走过程,进一步挖掘和分析初始标注之间的潜在语义关联,从而获得未知图像的精确化语义标注.通过在Corel5k图像集上的实验表明,本文方法(PLSA-RW)的性能明显优于若干经典的自动图像标注方法,而且具有更好的检索性能.

一种改进的模糊自适应遗传算法

模糊自适应遗传算法是将模糊控制器应用于遗传算法性能和参数控制的一种新型进化算法。提出了一种2输入和2输出的改进模糊自适应遗传算法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法将群体适应度方差作为模糊控制器的一个输入参量,来度量群体在空间分布的离散程度。将群体适应度均值商作为模糊控制器的另一个输入参量,来度量群体中个体的多样性。从而自适应地控制算法在进化过程中的交叉概率和变异概率。测试函数仿真结果表明,该算法很好地平衡了"开发"与"探测",取得了较为满意的优化结果。

基于模糊控制器的粒子群优化算法

提出了一种2输入和2输出的模糊粒子群优化算法。将群体适应度方差和极值差均值作为模糊控制器的两个输入参量,分别用来度量群体在搜索空间分布的离散程度和群体中个体的多样性,从而自适应地控制PSO算法在进化过程中的惯性权重和扩展项的学习因子。测试函数仿真结果表明,该算法很好地平衡了"开发"与"探测",取得了比文献中已有的模糊粒子群算法更好的优化性能。

基于上下文相关模型的图像语义标注

针对现有标注算法精度不高的问题,提出一种基于上下文相关模型的图像语义标注方法.首先,根据语义概念在训练数据集中的共现频率,对每个概念构造马尔科夫随机场图结构;其次,从已标注图像的文本信息出发构建一个非对等模态的概率潜语义分析(PLSA)模型,计算图像和语义概念的联合概率,并将其作为马尔科夫随机场(MRF)中点的观察值.与此同时,基于PLSA设计马尔科夫随机场模型的点势函数和边势函数;最后,通过正则化最大伪似然估计学习MRF的模型参数,利用迭代条件模式进行模型推理,从而获得未知图像的精确化语义标注结果.实验表明,所提出方法的性能明显优于若干经典的自动图像标注方法,而且具有更好的检索性能.

改进的AGA及其在约束函数优化中的应用

提出了一种改进的基于自适应惩罚函数的AGA。一方面,采用分裂选择算子,增加了潜在优良个体的生存概率;另一方面,引入基于优势遗传的交叉概率和变异概率,防止了算法的早熟收敛。此外,应用改进的最优保存策略,保证了算法的收敛性和收敛解的有效性。通过对约束函数优化的仿真计算,证明该算法具有快速收敛和鲁棒性好的特点。

基于Tent映射和Logistic映射的粒子群优化算法(英文)

粒子群优化算法是一种基于群体智能的随机优化算法,针对粒子群优化算法稳定性较差和易陷入局部收敛的缺点,作者提出了一种基于tent映射和logistic映射的粒子群算法,一方面,分别应用tent映射和logistic映射初始化均匀分布的粒群提高了初始解的质量;另一方面,设定粒子聚集程度的量化计算公式和判定阈值,并引入自适应高斯变异策略,增强了算法跳出局部最优解的能力.通过对基准测试函数的仿真计算,证明该算法具有稳定性好和收敛速度快的特点.

基于群体适应度均值商的自适应遗传算法

在系统分析和研究自适应遗传算法特点的基础上,提出一种基于群体适应度均值商的自适应遗传算法。一方面,算法设计了群体早熟收敛的定量计算公式和引入了早熟收敛的判定阈值;另一方面,算法采用了改进的交叉和变异策略,即对陷入局部收敛的群体,依据平均适应度值将其一分为二:对性能优于平均适应度者实施先变异后交叉,而对性能劣于平均适应度者实施先交叉后变异。该算法应用在函数优化中,仿真结果表明其能有效提高全局寻优的性能,且鲁棒性好。

DirectX3D中的雾化效果及其实现

研究了使用D3D实现各种类型的雾化和相应的公式,包括雾化参数、雾化混合、雾化颜色、顶点雾化和像素雾化的过程,通过对各种雾化计算模型的定义,使用C++语言给出了应用程序中顶点雾化的完整实现过程.论文最终推得结论:(1)D3D中使用顶点渲染时首先必须使用顶点雾化;(2)在基于发散的雾化中,对从视点到顶点的有效距离进行雾化计算时,D3D会随着两点间距离的增大而增加雾化效果,而并非是增加场景中顶点的深度.

一种结合混沌搜索的自适应遗传算法(英文)

在系统分析和研究自适应遗传算法特点的基础上,提出了一种新颖的混合软计算:结合混沌搜索的自适应遗传算法.一方面,算法将具有对初值敏感、易跳出局部极小、搜索速度快和计算精度高的混沌优化算法引入到自适应遗传算法中,以平衡其"开发"和"探测"之间的性能;另一方面,算法设定群体早熟收敛的量化计算公式和判定阈值,并引入了一组新的自适应交叉率和变异率的计算函数,从而有效防止了算法陷入局部最优的缺点.通过对4个基准测试函数的仿真计算,证明该算法能有效提高全局寻优的性能,且鲁棒性好.