基于虚拟边界条件一维搜索预报的并行算法

对网格方程组作多重网格区域分裂并行计算,虚拟边界预报提出一维搜索算法,并讨论相应的收敛性,通过ＧＳ迭代的性质,构造区间压缩算法,证明了其收敛性,指出此算法能有效地解决区域分裂并行计算中的远程信息传递和频繁通讯问题。     

求解具有恶化工件单机调度问题的改进遗传算法

为克服现有算法求解工件数较多的单机调度问题计算量大的缺点,分析了加工时间为阶梯函数的工件排序规则,以极小化最大完工时间为目标,提出了基于局部搜索的改进遗传算法,对基于工序编码方式的染色体设计了线性顺序交叉算子和融合工件排序性质的局部变异算子,并引入局部搜索策略,提高了算法局部搜索能力和收敛速度.算例测试结果表明:工件数为40件时,与模拟退火算法相比,本文算法求得的最大完工时间平均减少了56.6%,显著缩短了制造周期,并有效地避免了局部最优解,收敛速度显著提高.     

基于互信息和类电磁机制优化算法的医学图像配准研究*

采用互信息来描述图像配准的效果,应用类电磁机制优化算法搜索配准所对应的空间变换参数,并借鉴POWELL优化算法,在局部搜索过程中采用了黄金分割点一维搜索方法进行搜索,实验结果表明提出的算法可以很好的脱离局部最优解,同时可以达到较好的配准精度,并具有较好的时效性。     

一种可伸缩的预测性快速运动向量搜索算法

基于钻石搜索的特点，提出了搜索距的概念．通过对不同搜索距的检测点特性的研究，并吸收了PMVFAST算法中“见好就收”的思想和初始预测候选运动向量集的概念，提出了一种新的可伸缩的预测性十字方块快速运动搜索算法，该算法以检测点的块失真特性统计为基础，制定出精确可控的可适应搜索准则．大量模型实验表明：该算法能获得更好的视频质量，同时，拥有良好的搜索速度伸缩性，在允许图象质量有0．05dB降低时，搜索速度能提高1．5-2．5倍．     

改进的自适应遗传算法及其在作业车间调度中的应用

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优的不足，引入了一种新的调节交叉概率和变异概率的方法，并提出了一种新的交叉方式，该算法很好地增强了自适应遗传算法的全局搜索能力，提高了收敛速度．通过比较几个优化实例，验证了本文算法的有效性．     

一种基于预处理的边界检测算法

分析了常用的轮廓跟踪算法，并指出了其缺点．针对不同连通区域的图像，提出了一种基于预处理的边界检测算法．该方法可直接从原始图像中提取边界，而不需要进行边界强度计算和阈值分类．该算法用统一的方法处理单连通域、复连通域和不连通域的各种复杂情况，避免陷入复连通域和不连通域关系的先深分析或先广分析，将其化难为易，并且其运算量小，准确率高．     

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

基于Harris的改进SIFT算法

SIFT算法是一种具有尺度不变性的特征提取算法,能够有效地提取图像中的局部特征.为了在提高SIFT算法实时性的同时兼顾算法鲁棒性,利用Harris算法思想中使用图像灰度一阶偏导数的局部自相关函数的方法对SIFT算法进行改进,消除SIFT算法中因使用Hessian矩阵出现的边界效应.这种改进方法可以有效去除SIFT算法中因使用Hessian矩阵消除边界效应时提取出的处于边界位置或亮度不够的特征点,提高图像拼接的质量.实验证明改进的算法提高了算法的检测时间和鲁棒性,将改进的算法应用于制作虚拟漫游系统,取得了良好的效果.     

基于粒子群算法的投影寻踪分类模型研究

投影寻踪分类模型将高维分析问题的数据投影到最佳投影方向上,将其转化为一维问题进行分析研究,其实质是一种降维处理技术,以达到在低维空间分析高维非线性数据的目的．寻找最佳投影方向是一个优化搜索过程,PSO算法可以有效地应用于投影寻踪分类模型中最佳投影方向的搜索．用最佳投影方向计算样本数据的最佳投影值,根据K-均值聚类算法对投影值进行聚类,获取聚类结果．     

前馈神经网络在求解N—皇后问题中的应用

采用前馈神经网络求解Ｎ－皇后问题，并用变学习因子的快速学习算法解决局部极小化夷了几组搜索结果。