基于改进遗传算法的农机具视觉导航线检测

针对机器视觉导航系统现有导航线提取算法检测速度慢、抗干扰性差等不足,提出一种基于改进遗传算法(IGA)的导航线检测方法。图像中作物行走向近似为一条直线,从图像顶边和底边分别随机选一个点进行染色体编码,通过遗传进化选择适应度最高的个体作为作物行直线编码,进而得到导航线。改进遗传算法采用概率保留法和最优保存策略相结合的方法作为选择算子,提高了算法的搜索效率和精度;通过自适应调整交叉概率和变异概率,提高了算法的收敛速度和全局搜索能力。动态导航跟踪试验表明,改进的遗传算法与标准霍夫变换、标准遗传算法(GA)在导航线提取性能上相比,具有抗干扰性强、检测速度快等优点。当导航速度为0.6m/s时,横向偏差最大值不超过76 mm,平均值小于33.1 mm,较好地满足了导航作业要求。     

动态蚁群算法在梯级水库优化调度中的应用

针对蚁群算法缺乏全局搜索与局部寻优之间的动态调整,蚁群难以保持较好的多样性,算法极易陷入局部最优的问题,以余弦递减的策略动态调整启发式因子的变化,从而平衡算法的全局搜索和局部寻优。同时,利用混沌搜索的随机性和遍历性,对蚁群每次迭代找到的路径进行混沌扰动,从而提高算法跳出局部最优的能力,避免算法早熟收敛。将改进的蚁群算法应用于梯级水库的联合优化调度,模拟计算结果表明了算法的有效性。将其结果与逐步优化法和标准蚁群算法的计算结果进行对比,体现了算法在求解速度和求解精度上的优势。     

基于改进势场蚁群算法的移动机器人最优路径规划

首先,针对传统人工势场算法存在死锁及局部路径欠优等问题,对其进行改进。利用障碍物检测算法识别出有效障碍物和有效路径中间点,通过引力场和边界条件规划出起点到中间点的局部路径,将中间点置为新的起点进行反复迭代,直至起点与目标点重合则规划完成。其次,针对蚁群算法容易陷入局部最优以及收敛速度较慢等问题,对其进行改进。以改进人工势场算法规划出的路径启发蚁群进行路径搜索,从而避免算法早期由于盲目搜索而导致的路径交叉及收敛速度慢等问题,同时以收敛次数构建负反馈通道,使全局信息素和局部信息素的更新速率跟随收敛次数的变化自适应调节,从而保证了算法全程中收敛速度与全局搜索能力的协调与统一。最后,在Matlab中对本文算法、基本蚁群算法以及文献[23]所述算法分别进行仿真实验。结果表明:在相同的环境模型下,本文算法的收敛速度和搜索能力均优于另两种算法;在给定的简单环境模型下进行路径规划时,本文算法的迭代次数为3次,运行时间为0. 892 s,最优路径长度为28. 627 m;在给定的复杂环境模型下进行路径规划时,本文算法的迭代次数为8次,运行时间为3. 376 s,最优路径长度为31. 556 m,所寻路径对环境的覆盖率为73. 63%。     

基于双向搜索策略的改进蚁群路径规划算法

针对在多障碍物地形中将传统蚁群算法运用在移动机器人路径规划问题上出现收敛速度慢,容易陷入局部最优,易于陷入死锁等一系列问题,提出了一种改进蚁群算法。在传统蚁群算法的基础上,根据蚂蚁周围可行栅格距离目标点的远近,自适应地调整启发函数,加快算法收敛速度;针对传统蚁群所用的回退和死亡策略,提出了一种最优路径保留策略,提高了算法性能;使用两组不同种类的蚂蚁分别从起始点和目标点进行双向搜索的方法来构建最优路径,进一步提升了算法的搜索效率。实验表明该方法与传统的蚁群算法相比减少了搜索时间,降低了迭代次数,明显提高了算法的寻优效率。     

基于改进粒子群的土壤水分特征曲线参数优化研究

土壤水分特征曲线是研究土壤水分运动的重要参数,Van Genuchten方程是目前广泛应用的土壤水分特征曲线方程。由于该方程参数较多,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选。分别采用遗传算法(GA)、粒子群算法(PSO)和改进粒子群算法(CMOPSO)对方程进行参数寻优,对比3种算法的收敛速度、所需迭代次数和算法稳定性。结果表明:3种算法的参数模拟精度均较好;改进粒子群算法的全局搜索能力和收敛速度优于遗传算法与粒子群算法,且所需迭代次数最少,适合VG方程的参数寻优。     

免疫遗传算法的研究及其在节水灌溉中的应用

根据生物的免疫原理,将免疫算法中的抗体多样性的维持机制、记忆机制、促进抑制机制引入到遗传算法中,在标准遗传算法的基础上提出了加速实数编码的免疫遗传算法.研究表明,免疫遗传算法改进了基本遗传算法群体多样性差、搜索区间大和免疫算法容易陷入局部最优的平衡态,以及进化后期搜索停滞不前的性能,使其快速成熟的收敛同时又提高了局部寻优和全局寻优的搜索能力.针对黑龙江省半干旱地区水资源紧缺的问题,用免疫遗传算法进行水量优化分配,结果表明实码加速免疫速遗传算法有较好的实用性能与稳定性能.     

SVM大坝变形监测模型研究

大坝的变形监测数据是一个复杂的非线性的时间序列,采用传统的建模方法存在拟合和预报精度低等问题。传统算法中,基本遗传算法不能确保全局最优收敛,而普通多变异位自适应遗传算法在进化初期对群体不利,容易导致进化走向局部最优。针对这一问题,提出一种基于改进的多变异位自适应遗传优化支持向量机(SVM)的建模方法。多变异自适应遗传算法采用二进制多点交叉,可根据个体适应值大小,自动选取合适的交叉概率和遗传概率,针对遗传算法易陷入局部最优点,对上述遗传算法进行改进,并利用该算法对支持向量机的模型参数进行寻优。将上述建模方法用于大坝变形监控模型的建立,结果表明该组合算法能有效提高模型的拟合和预报精度。     

基于改进自适应遗传算法的新安江模型参数率定研究

模型参数率定是提高水文模型模拟效果的重要手段，通过研究一种改进的自适应遗传算法（IAGA）对新安江模型参数进行优化率定，解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点，随机生成初始种群并选优，提高初始种群的个体质量；针对交叉与变异的进化过程，设计了反映种群离散程度的种群目标函数离散系数，利用该系数构建了自适应调整交叉与变异概率算子，防止遗传算法过早收敛；依托环形交叉算子，提高算法全局搜索能力；采用自适应非均匀变异算子，实时优化算法的局部搜索能力，避免陷入局部最优。将自适应遗传算法、传统遗传算法（GA）和自适应遗传算法（AGA）应用于秦淮河流域新安江模型的参数率定，并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较，结果表明：IAGA算法具有更优的寻优能力，更好的收敛结果，更高的稳定性和精度，场次洪水的模拟效果优于GA算法和AGA算法，率定期与验证期确定性系数（R2）均在0.85以上，纳什效率系数（NSE）均在0.8以上，总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的，改进后的IAGA算法具有良...     

自调节退火粒子群改进算法在水电站厂内经济运行新算法

为进一步改善用于求解大型水电站厂内经济运行一般算法的收敛速度及收敛精度,提出了一种混合优化算法—自调节退火粒子群改进算法(ASAPSO)。该算法以粒子群算法(PSO)与模拟退火算法(SA)的协同搜索为搜索机制,在此基础上加入自调节适应惯性权重参数以平衡算法全局与局部收敛性,并同时引入交叉算子、变异算子以提高解的多样性,克服了算法前期精度低、后期收敛速度慢、易于陷入局部最优等缺点。算例结果表明,较PSO算法、退火遗传算法(AGA), ASAPSO算法在收敛性能方面有明显的提高,能有效解决复杂的厂内经济运行问题。     

免疫遗传算法的研究及其在节水灌

根据生物的免疫原理，将免疫算法中的抗体多样性的维持机制、记忆机制、促进抑制机制引入到遗传算法中，在标准遗传算法的基础上提出了加速实数编码的免疫遗传算法。研究表明，免疫遗传算法改进了基本遗传算法群体多样性差、搜索区间大和免疫算法容易陷入局部最优的平衡态，以及进化后期搜索停滞不前的性能，使其快速成熟的收敛同时又提高了局部寻优和全局寻优的搜索能力。针对黑龙江省半干旱地区水资源紧缺的问题，用免疫遗传算法进行水量优化分配，结果表明实码加速免疫速遗传算法有较好的实用性能与稳定性能。     

蚂蚁算法的应用发展及进化研究

蚂蚁算法是近年来新出现的一种仿生类进化算法,自从在TSP等著名问题中得到成功的运用以后,先后在许多其它领域得到了广泛的应用,如在多目标和函数优化问题中的使用是蚂蚁算法发展过程的一大飞跃。本文进一步提出了蚂蚁算法的几种不同发展形式,蚂蚁算法与其它启发式方法的混合,对以后的研究具有一定的借鉴和指导作用。     

市政管网的研究现状和趋势

市政管网建设是城市基础设施建设的重要组成内容,其对于保障城市水资源的利用率及城市经济的发展具有至关重要的作用,因而市政管网优化技术是促进其作用发挥的重要保障。基于当前市政管网的现状和问题,结合城市建设的现状对管网优化技术的发展趋势进行了探讨。     

基于遗传算法和遗传神经网络算法的堆石料参数反演分析研究

面板堆石坝应力变形计算过程相当费时费力,如果直接调用有限元计算程序进行反演计算,难度相当大,效率也非常低.利用遗传算法优化BP神经网络权值与阈值,建立遗传神经网络模型代替堆石坝的有限元计算程序以提高反演计算效率,同时利用遗传优化算法全局搜索功能寻找使遗传神经网络模拟值和实测值之间误差最小的最优参数组,并通过MATLAB实现基于遗传算法和遗传神经网络算法的堆石料参数反演分析,反演结果表明该算法能够很好地提高反分析效率及准确性.     

确定含水层参数的混沌序列优化算

以泰斯公式为例，将混沌序列优化算法应用于求解分析抽水试验资料，确定含水层参数的函数优化问题．就混沌序列长度、粗搜索次数和待估导水系数初值取值范围等因素对算法收敛性的影响，进行了数值实验．结果表明：1）混沌序列优化算法可以有效地应用于求解含水层参数计算问题；2）粗搜索次数的多少和序列长度的大小对算法收敛性的影响不明显；3）待估导水系数的初始取值范围对算法的收敛速度有一定的影响，但不会影响最终计算结果．与其它方法相比较，混沌序列优化算法具有原理简单、易于编程和运算、计算结果精度不受人为因素影响和应用范围较宽等优点．     

基于多策略差分布谷鸟算法的粒子滤波方法

为了提高标准布谷鸟算法的种群多样性和全局搜索效率,将多策略差分变异过程引入布谷鸟算法中。在布谷鸟的宿主发现过程中借助多策略差分操作来提高种群的多样性,同时,改进的布谷鸟在算法新解选择中增加排队优选机制,与贪心算法相结合以减少局部极值的不良吸引,加快搜索进程。将改进的布谷鸟算法应用到粒子滤波中,用布谷鸟的鸟巢来表征粒子,通过模拟布谷鸟群体搜索巢穴位置的过程来优化粒子分布。实验表明,改进的智能优化粒子滤波算法有效提高了粒子多样性和非线性系统状态的预测精度,并能在粒子数减少的情况下保持稳定估计。     

多约束条件下某智能飞行器航迹快速规划

以某智能飞行器为研究对象,研究复杂环境下航迹快速规划。为校正系统结构限制所带来的定位误差,使得智能飞行器能按照预定的航迹完成任务,基于多约束条件最优化理论,采用遗传算法扩展而来的NSGA-Ⅱ(非支配排序遗传算法)算法进行航迹规划。结果表明,基于NSGA-Ⅱ,使用交叉行为和变异行为将初始解进一步筛选优化并最终得到最优解。较好地解决了传统遍历规划的时间复杂性问题,同时有效克服飞行器在转弯时受到结构和控制系统的限制而无法完成即时转弯的约束。     

基于差分理论的混凝土温度参数反演模型的GA算法研究

混凝土温度参数对于混凝土温控防裂具有重要意义,采用差分算法,对混凝土温度场进行仿真计算,依据实测温度数据,对仿真计算进行误差分析,并建立基于实测数据的反演模型,针对反演模型的具体特性,构建了GA算法,通过反演模型的求解计算,可以确定更符合实际情况的混凝土温度参数,从而为混凝土温度参数的合理确定以及后续温控计算提供参考。     

基于RSM和BP—AdaBoost—GA的红茶发酵性能参数优化

为明确自行设计的滚筒式红茶发酵机性能参数,以无量纲化的综合评分为发酵品质评价指标,采用响应面法和基于改进型神经网络的遗传算法(BP-AdaBoost-GA)对影响发酵品质的3个因素(发酵温度、发酵时间、翻拌间隔)进行优化,并对2种方法的优化效果进行比较。结果表明,各因素对发酵品质的影响重要性顺序为:发酵温度、翻拌间隔、发酵时间;采用响应面法优化,当发酵温度、发酵时间、翻拌间隔分别为25℃、150 min、20 min时,综合评分预测值和实际值分别为0.863和0.856,相对误差为0.8%;而采用BP-AdaBoost-GA优化,当发酵温度、发酵时间、翻拌间隔分别为27℃、170 min、25 min时,预测值和实际值分别为0.871和0.868,相对误差为0.3%;BPAdaBoost预测模型的决定系数和相对分析误差分别为0.994和18.456,高于响应面法的0.988和9.577,且预测均方根误差较低,为0.017。在红茶发酵工艺的参数优化中,采用BP-AdaBoost-GA方法能比响应面法更好地拟合模型,以及在全局变量范围内推导最优发酵条件。     

融合Harris与SIFT算法的荔枝采摘点计算与立体匹配

为了满足荔枝收获机器人对整串果实采摘作业的需求,提出一种融合Harris与SIFT算法的荔枝采摘点计算与立体匹配方案。首先在已识别的荔枝结果母枝部位进行Harris角点检测,结合提取已识别荔枝果实区域质心与最小外接矩形等特征信息,进行采摘点二维像素坐标的计算。然后通过对比分析,提出对计算采摘点采用带约束条件基于余弦相似度的SIFT双目立体匹配,最后进行采摘点计算与双目立体匹配实验验证。结果表明,计算采摘点的匹配成功率可达89.55%,且该方法更能满足在结构复杂的结果母枝上采摘点计算的精度需求。