考虑并行制造的云服务外购件供应商组合优选

云制造环境下，为解决并行结构下外购件供应商组合优选难的问题，在考虑并行制造的前提下，课题组以时间、成本、可靠性和灵活性为优化目标，构建了云服务多目标组合优选模型。提出了一种改进的非支配排序遗传算法（NSGA Ⅲ TS）对模型进行求解，该算法采用反向学习策略提高初始解的质量；而后使用融合邻域搜索（采用交换、反转和插入3种方式）和禁忌搜索算法的策略加强局部搜索，提高算法后期局部寻优能力；对得到的一系列优选供应商组合综合评价，在考虑实际需求的基础上为需求方选出了最优供应商组合及备选方案。通过实际案例验证了该模型的有效性和算法的可行性。     

粒子群优化算法在天线方向图综合中的应用

针对目前粒子群优化算法在多零点低旁瓣约束的阵列天线方向图综合中早熟收敛、易陷入局部极值的问题,提出了一种改进的粒子群优化算法MSPSO,在多子群、层次化的模型中采用von Neumann邻域结构,以改善收敛速度和优化精度。建立一种新的目标函数模型,对顶层和底层的子群分别采用适合其特点的适应值目标函数,平衡了算法的全局和局部搜索能力。仿真结果表明,将该算法应用于阵列天线方向图综合中,取得了很好的优化效果。     

基于Gerstner波模型的海洋卷浪实时仿真

基于Gerstner波海浪模型,同时引入Perlin噪音扰动来构建出海浪的基本造型;采用一种基于梯度的波峰搜索算法,动态搜索到波峰网格点;采用超前预测的波峰生成算法生成一个卷曲的波峰曲面,将之替换原始的波峰曲面,得到不同情况下的大规模实时卷浪效果.     

P2P环境下基于本体的资源搜索技术研究

对P2P的概念和搜索方法作了较详细的介绍,对基于不同P2P结构的搜索方法作了简单的对比和分析。并针对现有搜索算法存在的问题,把P2P技术和语义搜索技术结合起来,提出了一种基于本体的资源搜索方法。     

一种基于UMHexagonS的运动估计优化算法

UMHexagonS算法是H.264/AVC所采纳的整像素的快速运动估计算法之一,该算法在保持良好的率失真性能的前提下,相比全搜索算法(FS)可节约70%的运算量。根据UMHexagonS算法的特点,可从三个方面对该算法进行优化:加入零运动块判决;改进的5*5螺旋搜索;优化的多层次六边形搜索。仿真实验结果表明,在保证PSNR和码率几乎不变的情况下,优化算法可有效降低运动估计时间,从而提高H.264/AVC编码器的实时性。     

混合策略改进的粒子群算法

针对粒子群算法易陷入局部最优、收敛精度低、收敛速度慢等缺陷,提出了基于混合策略的改进粒子群算法。使用融合Circle映射与精英反向学习的策略初始化种群,提升初始种群的质量,同时加快收敛速度;在粒子速度更新方式中引入蜘蛛移动策略平衡算法的全局搜索与局部搜索;提出了基于自适应t分布的变异策略,增强算法全局搜索和跳出局部最优能力;对15个单峰和多峰函数进行仿真实验,与其他3种算法进行了对比分析,结果表明：所提出的改进算法具有很强的寻优能力与稳定性。     

改进分水岭算法与K-means方法结合的图像分割

针对分水岭分割算法存在的过分割及对噪声敏感问题,提出一种基于K-means聚类算法与改进分水岭算法结合的图像分割算法,首先,利用K-means聚类算法进行初始聚类分割,提取感兴趣的目标;然后,提出基于4-邻域相似度的改进分水岭算法,对K-means初始聚类图像应用改进分水岭算法分割目标区域。从100幅人骨医学图像提取人骨区域,实验结果表明所提出算法可解决分水岭算法的过分割问题,且有效分割了图像目标。     

一种低复杂度球译码算法在STBC-OFDM中的应用

STBC-OFDM系统能够提供分集增益和编码增益,但采用ML(最大似然)译码时计算量很大,满足不了高速实时通信系统的要求。本文提出了一种在球半径范围内搜索向量的方法,即球译码方法,并在复域内提出一种基于重新排序的更好的搜索算法。该算法通过优化球半径迭代,加快了信号矢量搜索速度。仿真结果显示:与其他方法比较,该算法在计算量方面具有更大优势,平均浮点运算降低了大约75%,大大提高了运算效率。     

反向预测加权邻域数据关联算法

标准最近邻域数据关联算法在杂波环境下可能出现误跟踪和丢失目标的现象。综合考虑相关波门内所有候选回波,提出了反向预测加权邻域数据关联算法。通过计算候选回波反向预测新息范数,归一化后作为各候选回波的加权系数,然后将候选回波加权和作为等效回波,并对目标的状态进行更新。该算法有效降低了最近邻域算法中误关联对跟踪效果的影响。仿真结果表明,该算法在保持较少计算量的同时,可有效避免误跟踪和丢失目标。     

遗传聚类算法及其改进

本文给出了一种改进的基于遗传算法的聚类算法。传统的KMeans算法具有较强的局部搜索能力,但是对初始化聚类中心很敏感,容易陷入局部收敛性。基本遗传算法具有全局优化性,但局部搜索能力较差,收敛速度慢。针对二者算法的优缺点,利用了面向对象程序设计思想,结合二者的优点,提出了一种改进的遗传聚类算法。数据实验表明,该方法有效地提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。