基于微分演化算法的DCT脆弱水印优化

基于离散余弦变换的水印嵌入技术存在变换过程中浮点数-整数转换而引入的舍入误差问题。文章采用微分演化算法修正了这类舍入误差,提高了基于离散余弦变换的脆弱数字水印的性能。同时,对该算法进行了介绍和描述,比较了它的性能。最后,就提取出来的水印的标准互相关相似度、加入水印后的影像的峰值信噪比,以及算法结果的质量和收敛率作了详细的比较。     

基于遗传算法的DCT脆弱水印优化

基于离散余弦变换的脆弱数字水印计算过程中,由于浮点数-整数转换过程舍入误差造成影像峰值信噪比(PSNR)降低,提取水印标准互相关相似度(NC)低,采用遗传算法的智能优化算法,可以修正变换过程产生的舍入误差,提高基于离散余弦变换的脆弱数字水印的性能。     

一种基于DCT的自适应数字音频水印算法

本文提出了一种在数字音频信号中嵌入水印的算法。该算法嵌入的水印不再是传统的伪随机形式,而是一幅视觉可辨的二值图像。算法先将作为水印的二维图像降维成一维序列,然后对数字音频信号作分段离散余弦变换,最后在具体的水印嵌入过程中根据音频载体自身的特点动态调整水印嵌入强度,并在离散余弦变换域内通过修改数字音频信号的中频系数的方法实现水印的自适应嵌入。实验结果表明,该算法对重采样、重量化、有损压缩等攻击均具有很好的鲁棒性。     

基于DCT变换的图像置乱度评价研究

提出一种基于DCT(Discrete Cosine Transform)变换的图像置乱度评价方法。实验表明该方法与人的主观评价相接近,能较好地反映图像的置乱效果。     

基于DCT变换下的DM-QIM数字图像水印算法

基于DCT域下的水印算法相对于空域中水印算法具有更好的稳定性,更大的容量,以及更好的隐蔽性,同时在借助人类的感知模型的情况下能设计出具有较好保真度的水印系统。本论文对DM-QIM(Quantization Index Modulation)水印方案进行了系统的研究,介绍了这种数字水印算法的原理及模型,探究了数字水印的嵌入和提取方案,最后对实验结果做了分析和总结。     

基于DCT变换的视频水印算法研究与仿真

数字水印是一种数字产品版权保护技术,它可以标识作者等版权保护信息和认证信息,可以监视被保护数据的传播,鉴别真伪,解决版权纠纷,因此它一出现即成为热点问题。文章主要针对数字水印技术在视频版权保护中的应用情况,提出了一种实用的用于视频水印的算法,并给出了Matlab仿真结果。实验证明,该视频水印方案能够抵抗多种干扰和攻击,具有良好的稳定性、鲁棒性和防篡改性。     

基于演化蚁群算法的多目标物流网络优化

物流网络优化中普遍存在着多目标优化的问题.传统的多目标优化算法容易陷入局部最优,采用了多种群相关的蚁群算法求解多目标物流网络优化问题,两个种群分别针对总运费最小和最大单程距离最小两个优化目标,考虑蚁群算法的收敛速度,采用遗传算法对蚁群算法的多个初始参数进行优化选择.实验结果证明,该模型算法可以有效迅速地求得最佳路径,为决策者提供多个可选择的优化方案,避免局部最优解.     

差异演化算法优化灰色模型的负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差,为克服这一缺陷,首先对原始数据进行开次方处理使数据增长变平稳,再将差异演化算法与GM(1,1)模型相结合,利用差异演化算法求解GM(1,1)模型中的参数。电力负荷预测实例结果表明该模型具有较高的预测精度和较广的应用范围。     

基于差异演化算法的供应链网络优化

由于网络优化问题属于NP难问题,采用了差异演化方法求解包括正向物流和逆向物流多品种,两层,有容量限制的混合整数非线性物流网络数学模型。根据模型的特点,改进了经典差异演化算法,使之能更好的应用于有离散变量的情况。算例表明,该算法有效可行,为物流网络设计提供可参考的模型和求解算法。     

一种基于DCT域的多重水印算法

数字水印技术在保护数字产品版权等方面起到了重要的作用。随着计算机和因特网技术的飞速发展，对数字水印技术的要求也越来越高，多重数字水印就是应时而生的一种技术。在图像文件中同时嵌入可见不可见水印，采用一种基于图像纹理特征的自适应方法嵌入可见水印信息．从而为数字产品提供多重保护。     

差异演化算法求解集合划分问题

集合划分问题是组合优化中典型的NP难题,建立了集合划分问题模型,采用差异演化算法对其进行求解。通过对其它文献中仿真实例的计算和结果对比,表明了算法对求解集合划分问题的可行性和有效性。     

非线性系统模型参数估计的差分进化算法

将差分进化算法用于非线性系统模型的参数估计,通过对谷氨酸菌体生长模型的参数估计进行验证,并与人工神经网络、遗传算法和微粒群算法的优化结果进行了比较。仿真试验结果表明:差分进化算法为非线性系统模型参数估计提供了一种有效的途径,对非线性系统模型的参数估计精度高于人工神经网络、遗传算法和微粒群算法。     

基于节约里程法的连锁超市配送路线优化

近几年来,我国市场中,连锁超市所占的比重越来越大,连锁超市之间的竞争愈演愈烈。我国绝大多数的连锁超市都有自己的物流配送中心,连锁超市的统购分销是通过配送中心的运转工作来实现的,配送中心的运转效率对连锁超市的长期发展起着决定性的作用,通过优化配送路线,可以降低物流运输成本,提高服务质量,增强核心竞争力,进而促进连锁超市稳定健康的发展。文章采用节约里程法优化连锁超市的配送路线,并对优化前后的结果进行对比分析,取得了良好的应用效果,证明了节约里程法的可行性和实用性。     

基于Dijkstra算法的快递车辆配送路径优化

针对目前快递车辆运输成本问题,研究了如何利用Dijkstra算法来迅速寻找出快递车辆配送派件过程中的最短路,并与解决该类问题常用的遗传算法,蚁群算法和A*算法进行了比较分析。证明了Dijkstra算法可以准确迅速地寻找出快递配送车辆派件过程中的最短路,从而有效的帮助快递公司降低运输成本。     

基于遗传算法的武器系统组合优化方法

组合多样化的武器系统,达到使用效能最优,已成为打赢信息化条件下局部战争亟待解决的一个核心问题。本文采用改进的遗传算法解决了武器系统组合优化问题:采用字符串编码方式,设计应用DP算法、单点交换等规则,为解决武器系统组合优化问题提供了有益的借鉴。将此模型应用于一个实际武器系统组合优化问题,获得了非常满意的结果,证明了算法的可行性。