针对标准混合蛙跳算法在高维复杂函数优化时易陷入局部极值的缺陷进行了研究,提出了一种具有领导机制的混合蛙跳算法。该算法借鉴“差别对待”思想将青蛙种群分类,每类青蛙采用不同的位置更新公式进行位置更新,并利
MANET网络环境与有线网络不同,其可用带宽动态变化十分显著,目前基于传统有线网络理论的可用带宽的测量和定位方法不适用于MANET。在分析了现有带宽测量模型、工具和测量方法的基础之上,结合MANET无
将遗传算法与蚁群算法中的协同模型进行有机结合,在蚁群算法中引入交叉、变异、选择算子来改进基本蚁群算法,克服了蚁群算法不太适合求解连续空间优化问题的缺陷。通过测试函数表明该方法具有较好的收敛速度和稳定性
鸟群算法(BSA)作为一种新型的元启发式群智能算法,存在易陷入局部最优、收敛速度慢和求解精度低等问题。针对原鸟群算法在求解最优化问题中的不足,提出一种基于动态惯性权重的鸟群优化算法(DBSA)。该算法
多目标优化问题属于高维的搜索空间,用一些传统方法来优化这些问题会导致较高的时间复杂性。为了解决该问题,使用了粒子群优化算法(PSO),同时将εdominance的概念应用到PSO中。该方法在实验过程
为了减少运动估计中全搜索过程的运算量,提出了一种运动搜索算法的优化模型。通过对运动搜索区域和搜索顺序的优化,缩小了全搜索范围并提高了匹配块搜索的速度。实验结果表明,在图像质量得到优化的前提下,较全搜索
为了克服单种群智能优化算法一些固有的缺点和局限性,提出了一种基于博弈论的多子群—多策略的混合优化算法。该算法首先通过支付效用矩阵为参与寻优的各子群选择最优策略；其次,各子群采用选取的最优策略独立寻优,
为克服粒子群优化算法早熟收敛,提出一种基于子群变异的改进粒子群优化算法(SsMPSO)。该算法提出一种具有随机定向振荡式搜索的子群对主群的全局最优位置进行变异,改变了完全随机的变异方式,为算法提供局部
提出一种改进的多目标粒子群优化算法,该算法采用精英归档策略,由档案库中的非劣解提供粒子速度更新时的全局最优位置,根据Pareto支配关系来更新粒子的个体最优位置。使用非劣解目标的线密度度量非劣解前端的
针对暗通道先验去雾算法大部分的时间都消耗在对透射率的优化上的问题, 对暗通道去雾算法进行了改进, 提出了边缘优化的暗通道去雾算法。使用边缘算子从粗略估计的透射率中提取边缘, 对边缘及周围扩展区域内的像
