改进的多目标粒子群算法

提出了一个改进的粒子群算法并将其用于解决多目标优化问题．该算法利用粒子群算法的信息传递机制，引入多目标演化算法常用的归档技术，采用SPEA2算法的环境选择和配对选择策略，使得整个群体在保持适当的选择压力的情况下收敛于Pareto最优解集．标准测试函数的数值实验结果表明，所提出的算法能够使找到的解集快速收敛到Pareto非劣最优目标域，并且解集沿着Pareto非劣最优目标域有很好的扩展性．     

基于学习的动态多目标方法求解约束优化问题

提出一种用多目标技术求解约束优化问题的算法.该算法有3个特征:1)将约束优化问题转化为等价的动态约束多目标优化问题,然后用动态约束多目标演化算法求解动态约束多目标优化问题;2)演化初始阶段,拓宽约束边界以使整个种群可行;演化过程中,约束边界微弱的收缩以确保动态约束多目标演化算法中种群的大多数个体仍是可行的,这使动态约束多目标演化算法如同多目标演化算法求解无约束问题一样有效;3)采用基于学习的机制自适应调整演化算法的参数,以提高算法效率.实验结果表明,与4个当前较为先进的约束处理算法相比,本文算法效果更优.     

求解动态车辆路径问题的演化蚁群算法

在Evo-Ant算法的基础上提出了多目标的算法,即利用Evo-Ant算法来产生新的解,并利用一个额外的存储空间来存放Pareto候选解,用新产生的解来更新Pareto候选解,消除被支配的解,依次循环,从而得到近似的Pareto解.为了验证演化蚁群算法,采用2种测试手段：一种是Solomon的测试数据;另一种是在仿真环境下的测试.实验结果表明该算法很具有竞争能力.     

并行Pareto多目标演化算法

提出并实现了一个并行Pareto多目标演化算法(PPMEA)，PPMEA算法是一个通过演化算法来解决基于Pareto的多目标优化问题的并行计算模型。在这个算法中，采用了并行演化算法中常用的全局并行模型和粗粒度并行岛模型。构成每个岛的子群体以不同的杂交概率和变异概率各自独立的演化，但是每隔一定的代数它们要交换外部集中的个体。标准测试函数的数值实验结果表明，所提出的算法能够使找到的解集快速收敛到Pareto非劣最优目标域，并且解集沿着Pareto非劣最优目标域有很好的扩展性。     

一种新的多目标演化算法--稳态淘汰演化算法

提出一种新的多目标演化算法，稳态淘汰演化算法（Steady Elimination Evolutionary Algorithm），该算法利用稳态淘汰策略，能够在不需要额外计算量和存储空间的情况下，自发地保存精英个体(elitist），试验结果表明该算法优于当前的多目标演化算法。     

多目标子空间搜索演化算法MOSSSEA

在研究已有的求解多目标函数优化问题的演化算法的基础上,提出了一个结合Rank排名和子空间搜索的新的以杂交为主的演化算法MOSSSEA(Multi-Object Sub-Space Search Evolutionary Algorithm),将MOSSSEA应用到求解静态多目标函数优化问题中.一组测试函数的结果表明MOSSSEA表现出了优于同类算法的收敛性和多样性.     

基于线矩特征的破损目标识别

论述了用曲线的矩特征作为局部不变量来识别二维破损目标的方法．该方法对目标的轮廓进行分割后，利用阶次规正后的轮廓线矩特征，通过粗、细两级的基于Ｈｏｕｇｈ变换的投票匹配法来识别目标．分类实验表明，该方法有利于提高目标局部特征的抗噪性，并简化了破损目标的匹配和识别算法．     

基于多目标优化的无线传感网无干扰分簇算法

为减少无线传感网的网络能耗并延长网络寿命,提出了一种基于多目标优化的无线传感网无干扰分簇算法(interference-free clustering algorithm,IFCA)。该算法在保证簇间无通信干扰的前提下,将网络能耗和网络覆盖作为优化目标,使用遗传算法和非支配排序优化分簇方案。通过仿真实验分析了节点数量、监测点数量、节点通信半径和节点覆盖半径对本文算法划分网络分簇的结果及无干扰分簇后网络覆盖的影响。仿真结果表明,本文算法适合于具有大量节点的大型无线传感网,在这种网络中,本文算法会智能设置传感器节点的角色,即成员节点、簇头节点和孤立节点,从而达到了对监测点的最优覆盖,实现了网络节能。     

用二维阶次规正不变矩识别三维目标

论述了用二维投影图像的矩不变量来识别三维目标的方法．该方法有效地降低了目标识别的维数，简化了目标匹配和识别的算法．通过考察阶次规正不变矩ＯＮＭＩ的性能，证明ＯＮＭＩ有效地减小特征量的动态范围并提高了其抗噪性．分类结果表明，该特征量平衡方法比加权因子法更有利于目标的识别分类     

一种改进型多目标粒子群优化算法MOPSO-Ⅱ

提出了一种改进型多目标粒子群优化算法(MOPSO-Ⅱ).该算法为粒子群中每个粒子增加一个"扰动向量",以利于粒子跳出局部最优并为粒子的全局最优位置赋予了时限的属性,可防止过于频繁地更新全局最优位置,有利于增强粒子搜索的持效性.该算法改进了粒子越界的处理方法,最大程度上保持粒子优秀的搜索方向.通过典型的多目标测试函数ZDT对该算法进行测试,实验结果表明,带ε-支配的MOPSO-Ⅱ算法在解群的分布性方面要优于使用了拥挤距离机制MOPSO-Ⅱ算法和NSGA2算法,对比实验还表明MOPSO-Ⅱ算法在收敛性方面要优于NSGA2.因此,MOPSO-Ⅱ在求解多目标优化问题上有一定优势,是一种有前途的算法.     

基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.     

有界区域上多峰函数全局优化问题的改进演化算法

针对演化算法求解有界区域上的多峰函数全局优化问题中，保持种群多样性和搜索效率的矛盾，提出了一种结合了多样性维持机制和加速算子的改进演化算法并对算法作了收敛性分析．实验结果表明，在低维情况下，算法容易收敛于全局最优解，优于基本遗传算法；在高维情况下，虽不满足收敛条件，但算法仍能收敛到本文意义下的ε-满意解，优于基本粒子群算法．     

基于差分演化算法的双曲型方程参数识别

差分演化算法在求解复杂优化问题时具有简单、高效的优点.本文将差分演化算法用于求解一类双曲型偏微分方程的参数识别问题,并根据所求问题的特点对算法进行了若干改进:包括基于帽子函数的参数表示和个体编码方法,用于增强算法性能的一般反向学习机制和平滑算子,以及将Tikhonov正则化和全变差正则化相结合的个体适应度计算方法.数值模拟显示,本文的算法可有效求解一维双曲型偏微分方程的参数识别问题.该算法不仅获得了高质量的近似解,而且还具有较快的收敛速度.     

基于禁忌搜索的多因子降维在上位作用检测中的应用

为了使多因子降维能够应用在大规模数据集的分析上,针对多因子降维穷举搜索单核苷酸多态（SNP）的组合的过程进行了改进,利用禁忌搜索的方法来代替穷举搜索.禁忌搜索以SNP的组合作为解,采用低阶的最优SNP组合作为高阶的初始解的一部分,随机替换当前解中的某个SNP作为邻域解,并采用全局多样化搜索,该方法在保证与多因子降维相当的分类正确率的基础上,显著地缩短了检测交互作用的时间.     

基于黎曼球面的多目标演化算法

对于求解多目标优化问题提出了一种基于黎曼球面的多目标演化算法(RSEA).它的特点在于:先在目标空间中采用无穷远点作为采样基点来对Pareto最优前沿进行采样;再将无界的多目标函数空间同构映射到黎曼球面上,进而在黎曼球面上对产生的新个体是否加入精英文档进行判定,以此提高了算法的均匀性与多样性,加快了算法的收敛速度.数值实验表明,新算法与NSGA2,SPEA2算法相比,性能有明显的提高.     

一种改进的求解多目标优化问题的蚁群算法

针对传统蚁群算法在求解多目标优化问题过程中的一些缺陷提出了一种改进的多目标优化蚁群算法。该方法在一定程度上避免了传统算法中解群体单一、收敛速度慢等缺点,并以实例加以证明。     

基于抗体浓度的克隆选择多目标优化算法及其应用

提出了基于抗体浓度的克隆选择多目标优化算法(CCSMOA),该算法借鉴生物克隆选择的机理,针对算法克隆倍数选择的问题,将克隆倍数表示为抗体浓度的函数,并将抗体浓度与抗体-抗原的亲和力及抗体间的亲和度相关联,以此来寻找靠近真实Pareto前沿及分布均匀的解.通过与经典的NSGA2、SPEA2以及当前的NNIA算法对比分析表明,在收敛性和分布性方面CCSMOA算法有所改善.最后将CCSMOA算法用于无线传感网络的覆盖优化.     

一种基于或-符合展开的新颖通用逻辑门

提出了一种新颖的基于或-符合展开的三变量通用逻辑门(ULG3),讨论了逻辑函数或符合展开的图形表示--dj图,利用降维dj图分析了所有3变量NPN型特征函数的降维dj图的特点.从而验证了该通用逻辑门能实现所有3变量的逻辑函数.     

基于磁场数据的水中目标航迹解算方法

针对近场水中目标航迹态势感知问题,提出一种基于磁场测量数据的航迹解算方法。根据水中目标特性,分别建立了相应的运动模型和信号模型;在目标航迹接近传感器测量点过程中的不同阶段,将航迹解算问题等效扩展为状态空间内的参数估计问题,构建了基于解析粗估计-批量数据航迹起点回归-卡尔曼滤波实时递推的三级级联结构航迹解算方法。该方法仅需要目标的三轴磁场测量数据即可完成其航迹解算,相比基于声学测量的航迹解算方法具有实施简单,成本低以及近场定位精度较高的优势。分别通过仿真实验对比和实测数据验证表明了本文方法的有效性。     

金属介质复合结构目标电磁散射特性

基于体-面混合积分方程方法,研究了介质导体复合结构目标的电磁散射特性.对导体采用面积分方程,对介质应用体积分方程,由等效原理建立以导体面电流及任意非均匀介质体极化电流为未知量的矩阵方程,利用稳定的双共轭梯度并结合快速傅立叶变换技术(BiCGS-FFT)来加速矩阵方程求解,相对于传统的矩量法大大降低了计算时间和内存需求.数值结果验证了该方法的正确性.同时,它为复杂复合结构目标散射特性研究奠定了一定的基础.