检索结果

Select

1. 基于Bloch球面坐标的量子粒子群算法

陈义雄梁昔明黄亚飞

计算机应用 2013, 33 (02): 316-322. DOI: 10.3724/SP.J.1087.2013.00316

摘要（1064）

PDF （545KB）（380）

为了提高粒子群优化(PSO)算法的优化效率，结合量子理论提出一种基于Bloch球面坐标的量子粒子群优化算法。在Bloch球面坐标下，粒子自动更新旋转角大小和粒子位置，不需将旋转角以查询表的形式设定(或设定为区间上的固定值)，弥补了Bloch球面坐标下量子进化算法和量子遗传算法的不足，算法更具有普遍性;用量子Hadamard门实现粒子的变异，增强了种群的多样性，促使粒子跳出局部极值点。对典型函数优化问题的仿真结果表明，提出的算法稳定性强，精度高，收敛速度快，具有一定的实用价值。

相关文章 | 多维度评价

Select

2. 求解全局优化问题的正交协方差矩阵自适应进化策略算法

黄亚飞梁昔明陈义雄

计算机应用 2012, 32 (04): 981-985. DOI: 10.3724/SP.J.1087.2012.00981

摘要（1060）

PDF （767KB）（706）

针对协方差矩阵自适应进化策略(CMAES)求解高维多模态函数时存在早熟收敛及求解精度不高的缺陷, 提出一种融合量化正交设计(OD/Q)思想的正交CMAES算法。首先利用小种群的CMAES进行快速搜索, 当算法陷入局部极值时, 依据当前最好解的位置动态选取基向量, 接着利用OD/Q构造的试验向量探测包括极值附近区域在内的整个搜索空间, 从而引导算法跳出局部最优。通过对6个高维多模态标准函数进行测试并与其他算法相比较, 其结果表明, 正交CMAES算法具有更好的搜索精度、收敛速度和全局寻优性能。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于动态随机搜索和佳点集构造的改进粒子群优化算法

梁昔明陈富龙文

计算机应用 2011, 31 (10): 2796-2799. DOI: 10.3724/SP.J.1087.2011.02796

摘要（1143）

PDF （589KB）（596）

针对粒子群优化算法局部搜索能力不足和易出现早熟收敛的问题,提出一种基于动态随机搜索和佳点集构造的改进粒子群优化算法。该算法通过引入动态随机搜索技术,对种群当前最优位置进行局部搜索;采用佳点集构造对陷入早熟收敛的种群重新初始化;引入负梯度方向直线搜索来加速算法寻优。仿真实验结果表明,与标准粒子群优化(SPSO)算法和耗散粒子群优化(DPSO)算法比较, 提出的改进算法具有快速的收敛能力而且能有效地跳出局部最优, 优化性能得到明显提高。

相关文章 | 多维度评价

Select

4. 融合独立分量分析与支持向量聚类的人脸表情识别方法

周书仁梁昔明

计算机应用 2011, 31 (06): 1605-1608. DOI: 10.3724/SP.J.1087.2011.01605

摘要（1287）

PDF （627KB）（393）

针对人脸表情特征提取及自动聚类问题，提出了融合独立分量分析（ICA）与支持向量聚类（SVC）的人脸表情识别方法。采用ICA方法进行人脸表情的特征提取，然后采用混合因子分析（MFA）的交互参数调整方法得到局部约束支持向量聚类（LCSVC）的半径，有效降低了表情类别聚类边缘的部分干扰，这比单独采用支持向量聚类（SVC）方法效果要好。测试样本时通过比较新旧半径的值进行判决，实验结果表明该方法是有效的。

参考文献 | 相关文章 | 多维度评价

Select

5. 含维变异算子的连续域蚁群算法

梁昔明李朝辉龙文董淑华

计算机应用 2010, 30 (12): 3204-3206.

摘要（1399）

PDF （735KB）（1116）

针对在连续优化中，蚁群算法(ACO)存在的收敛速度慢和易陷入局部最优的问题，提出了一种新的含维变异算子的连续域蚁群算法(DMCACO)。该算法采用动态随机抽取的方法来确定目标个体，引导蚁群进行全局的快速搜索，同时在当前最优蚂蚁邻域内进行小步长的局部搜索。在定义了维多样性概念的基础上，引入维变异算子对维多样性最差的维进行变异：让所有蚂蚁在该维上的位置重新均匀分布在可行区域上。对测试函数所做的仿真实验表明，该算法具有优良的全局寻优能力和快速的收敛能力。

相关文章 | 多维度评价

Select

6. 基于梯度信息指导交叉的遗传算法

梁昔明肖伟龙文秦浩宇

计算机应用 2010, 30 (10): 2582-2584.

摘要（1383）

PDF （610KB）（945）

针对基本遗传算法在解空间中盲目选取交叉个体,导致算法在后期搜索能力差、收敛速度慢的缺点,提出了一种基于梯度信息指导交叉的遗传算法。该算法通过确定当前种群中目标个体的最速下降方向,选取该方向下的一个有效范围,在该有效范围内选择个体与目标个体进行交叉操作,使交叉后的子代不断向最优解靠近,有效地保证了交叉操作的目的性和可行性。四个典型测试函数的仿真实验表明,该算法显著加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度。

相关文章 | 多维度评价

Select

7. 动态调整惯性权重的粒子群优化算法

龙文梁昔明董淑华阎纲

计算机应用 2009, 29 (08): 2240-2242.

摘要（1623）

PDF （477KB）（2073）

针对高维复杂优化问题，提出一种改进适应度函数和动态调整惯性权重的粒子群优化算法。首先考虑了搜索点的函数值及其变化率，并将该信息加入适应度函数。利用维惯性权重矩阵自适应动态调整惯性权重，较好地平衡了算法的全局探索和局部开发，并分析了惯性权重随种群多样性的变化关系。在算法后期计算每一维的收敛度，以一定的概率对收敛度最小的维进行变异，以加快算法的收敛速度。对高维测试函数的实验表明，算法提高了全局搜索能力。

相关文章 | 多维度评价

Select

8. 一种多精英保存策略的遗传算法

朱灿梁昔明

计算机应用

摘要（2059）

PDF （589KB）（1137）

根据种子到当前最优点的距离将种群分成两部分，小于或等于某一自适应距离值的种子归入当前最优种群，大于该距离值的次优种子形成次优种群集合。对此两个种群分别按照不同的进化策略协同进化并重组。通过界定最优种群边界来提高遗传算法局部搜索能力，通过对次优种群自适应变异，比较好地平衡种群的“选择压力”和“种群多样性”。数值结果表明了本方法的有效性和稳定性。

相关文章 | 多维度评价

Select

9. 基于PSO与ICA的表情特征提取

周书仁梁昔明杨秋芬叶吉祥

计算机应用

摘要（1820）

提出基于粒子群优化（PSO）与独立分量分析（ICA）的表情特征提取方法。首先利用ICA算法对表情图像数据建立基本的独立基向量求解框架；为了减少计算复杂度，然后利用PSO算法对处理后的表情图像数据搜索最优的解集合；最后利用支持向量机（SVM）作为算法验证的分类器。实验结果表明该算法在保证较高表情识别率的基础上加快了表情图像特征提取的速度。

相关文章 | 多维度评价

Select

10. 基于脸部信息和支持向量机的人脸检测

周书仁;梁昔明;叶吉祥;朱灿

计算机应用

摘要（2713）

PDF （779KB）（2084）

人脸检测是一个复杂而又非常有意义的模式识别问题。针对目前人脸检测算法于速度和精度不能兼优的问题，提出了一种基于脸部信息及支持向量机的人脸检测方法。算法首先利用肤色模型进行人脸粗检，然后根据人脸几何特征进行筛选，最后通过奇异值分解输入支持向量机分类。实验结果表明，该方法是十分有效的。

相关文章 | 多维度评价