摘要:

针对标准粒子群算法在处理非线性约束优化问题时存在收敛速度慢和易陷入局部最优的缺点,设计了一种粒子群遗传算法.该算法采用可行性原则处理约束条件,避免罚函数法中惩罚因子选取的困难;随机产生初始可行群体,加快粒子群收敛速度；引入遗传算法的交叉和变异策略,避免粒子群陷入局部最优.通过对典型测试函数的优化计算,表明粒子群遗传算法有较好的优化性能.将该算法应用在核动力装置优化中,优化效果显著.

摘要:

现有P2P分层流媒体中的数据分配算法是基于贪婪思想的确定性启发式算法,不能得到全局最优解.为此,提出一种基于备选数据块编码方式的粒子群遗传算法.定义备选数据块,建立问题的无约束整数规划模型.仿真实验表明,该算法在优化效果上能比现有算法提高5％-25％.

摘要:

摄像机标定是从二维图像提取三维空间信息的关键步骤，标定的精度直接关系到三维重构结果的逼真程度。为了有效解决传统摄像机标定算法中的多参数、计算费时费力等问题，提高摄像机标定的精度和速度，将粒子群遗传算法（particle swarm optimization genetic algorithm，PSO-GA）应用于摄像机标定中。对参数进行粒子群算法优化后，再使用遗传算法中的选择、交叉和变异等操作进行参数优化，以实现粒子群算法与遗传算法的融合。结合后的算法全局搜索能力较强，收敛速度更快，优化能力与鲁棒性得以提高。同时，基于神经网络的摄像机标定方法所能覆盖的标定空间十分有限，提出了一种采用粒子群遗传算法优化BP神经网络的摄像机标定方法，以解决传统摄像机标定方法难以解决的问题。实验数据表明，基于粒子群遗传算法的BP神经网络标定是一种可行的方法，标定精度高，收敛速度快，泛化能力强。