遗传算法中交叉操作研究及应用

系统的分析了遗传算法中交叉操作，得出如下结论：遗传算法中交叉操作的实质是子代个体为父代个体在小范围内进行大概率变异的结果，该范围由双亲个体分别进行与，或操作所得到的两个体决定。对该结论做出了理论证明，同时基于此思想提出了一种不含选择和变异操作的新式遗传算法Crossover GA(CGA)。将其应用到具体实例中并和几咱典型的遗传算法进行了比较，发现其性能优与同类其它算法。     

递阶生产计划模式中综合计划层建模及求解

根据某大型发电设备制造企业由大型、高精度、稀有设备决定生产率的特点,提出了其递阶生产计划控制模式中综合计划层的生产计划优化模型,并根据其部分设备具有可换性的特点设计了一种具有X和Y两个染色体的遗传算法XYGA进行求解。由于传统遗传算法的染色体适配值评价方式在求解大规模生产调度问题时效率很低,本文根据XYGA的编码方式定义了父代个体与子代个体的相似度,并据此以一定可信度通过插值方法由父代适配值估计子代的适配值。仿真试验表明,改进后的算法FXYGA在对最优解影响不大的情况下节省了50%~70%的计算时间。     

遗传算法交叉算子的实质分析

通过分析比较标准二进制交叉算子和标准十进制交叉算子的异同点,得出结论:交叉算子的实质是在父代个体的数值和所决定的"家族"中随机取值,因而其不能保证交叉操作后的子代个体优于父代个体,体现出盲目搜索的特点;二进制交叉和十进制交叉均对本质交叉搜索区间进行了进一步的划分,但并不能保证进化搜索到更好的样本.根据所得结论,设计了一种改进遗传算法,其有效性证明了本文结论的正确性.     

基于最佳保留策略的遗传算法波阻抗反演

基于褶积模型的遗传算法与传统最优化算法相比,它不依赖于目标函数梯度信息,整个计算过程只依赖个体适应度值,能同时对搜索空间中的多个解进行评估,具有搜索过程随机,全局搜索性能强的特点。本文放弃传统的赌轮选择方式,采取一种最佳保留策略选择方式,并用单道地震记录进行反演,对两种结果进行差异分析,可知改进遗传算法反演结果精度更高。在改进遗传算法中,子代保留了父代中最好个体的同时保证了种群基因的多样性,从而保证最终可以搜索到全局最优解,避免了标准遗传算法中的早熟收敛现象。     

电力负荷预测的自适应对称调和遗传算法ANN耦合模型

针对遗传算法存在求解精度与收敛速度间的矛盾,提出一种新的自适应对称调和遗传新算法.该算法中交叉率(crossover rate)和变异率(mutation rate)随着染色体(chromosome)的适应度函数值(fitness value)动态改变,同时在产生子代(child)新种群(group)的过程中来源不是单一的父代(parent)种群,而是由三部分组成,即父代种群中的最优个体直接进入子代种群、通过选择交叉操作产生部分新的个体、投放部分特殊个体.建立了新算法与人工神经网络结合的电力负荷预测耦合模型,并以四川电网负荷实例进行验证.结果表明,自适应对称调和遗传算法的耦合模型避免了网络寻优的盲目性,达到了最优的拟合效果,有效地提高了预测精度和速度,为区域电力负荷预测问题提供了新的分析方法,开辟了建立电力负荷中长期预测模型的新途径.     

改进遗传交叉算子求解TSP

遗传算法中的交叉步骤最根本的作用就是要使子代继承父代的优秀基因。根据TSP问题的特点考虑了用遗传算法求解TSP问题中遇到的交叉算子，构造出一种能很好继承父代优秀基因的交叉算子。实例计算表明该算法在收敛速度快的同时，具有较强的全局搜索能力。     

基于强化交叉算子的快速非支配排序遗传算法Ⅱ

锦标赛选择策略是NSGA-Ⅱ中用于选择交叉父代的方法,其虽然可以保留较优个体的基因给后代个体,然而锦标赛策略也容易导致重复选择父代个体的问题,从而导致后代多样性降低。为解决此问题,提出基了于强化交叉算法的快速非支配排序遗传算法Ⅱ。此算法通过将多个交叉父代引入交叉操作降低重复选择父代的概率;为结合两种交叉算子优势,进一步提出将两种交叉算子融合进NSGA-Ⅱ。实验结果对比说明,所提策略有效改善了NSGA-Ⅱ的性能。     

基于改进遗传算法的波阻抗数值反演

为解决地震资料波阻抗反演中的不适定性,提高反演精度和收敛速度,基于马尔柯夫随机域的领域系统及势函数建立目标函数,采用完全非线性遗传算法进行数值反演。主要研究遗传算法的改进措施,采用二进制与实数混合编码机制;应用无放回式余数随机选择,实现二进制多次交叉和均匀实数交叉策略,充分利用种群中优秀个体的有效模式,提高收敛速度和反演精度;依据保持种群多样性原则,采用父代与子代竞争及动态调整子代策略,引入更新概率,提高全局搜索能力,避免早熟收敛。结果表明,建立理论速度模型反演,采用改进的遗传算法全局搜索性强,反演精度高,具有一定的抗噪能力,能减少早熟收敛的概率。     

汽车动力学分析及悬架子系统优化设计

为提高汽车的行驶平顺性及操纵稳定性,在进行整车动力学分析的基础上建立汽车悬架系统多目标优化模型,并提出一种基于改进遗传算法的悬架参数多目标优化方法.该方法改进了传统遗传算法中的种群个体选择机制,锦标赛选择过程由外部非支配集和原种群同时参与,可使多次迭代所得父代种群与子代种群中的最优个体均有机会被选取,保证了新种群的多样性.以某轻型客车为研究对象,选取车身侧倾角、横摆角速度及振动加速度作为优化指标,对悬架系统的弹簧刚度、减振器阻尼系数及稳定杆扭转刚度进行多目标优化.实车实验结果表明:与悬架优化前相比,汽车行驶过程中的车身侧倾角、横摆角速度及质心振动加速度分别下降了12.3%、6.4%和9.8%.所提出的基于改进遗传算法多目标优化策略可合理匹配悬架系统各参数,改善汽车的行驶平顺性及操纵稳定性.     

基于维度扰动的快速非支配排序遗传算法Ⅱ

快速非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)是经典多目标优化算法,然而,其采用的锦标赛选择策略在选择交叉父代时会产生大量重复个体,并进一步导致减少种群个体多样性,降低算法性能。为解决此类问题,提出了基于维度扰动的NSGA-Ⅱ。即通过在待交叉父代个体每个维度上引入扰动参数改变其值,然后将扰动父代做正常交叉操作产生新后代,以此避免了后代重复个体的产生。为验证算法的有效性,采用ZDT测试集作为测试函数。与现有算法相比,所提策略可有效地改善算法性能,证明了所提策略的有效性。     

基于聚类的无线传感器网络的分簇算法研究

针对无线传感器网络中的LEACH算法的簇头节点分布不均匀的不足之处,提出了一种基于聚类的无线传感器网络的分簇算法．该算法将传感器网络按照节点的实际分布情况采用聚类算法聚成几个类（分簇）,在各分簇中分别选择簇头节点．模拟实验结果显示算法与LEACH相比具有更好的性能．     

一种新的无线自组传感器网络组网算法

模仿钢化玻璃破碎的逆过程,构建出一个崭新无线自组传感器组网算法．首先构建一个节点的通讯半径的圆域并作为基本颗粒,称为簇,基本颗粒之间接缝处的节点挂于基本颗粒之上,称之为客人节点,也加入到这个簇中,最后形成的簇类似于不规则的钢化玻璃破碎颗粒,这种簇构成了整个网络．这个算法基于分布式计算,只需了解很少的周围节点信息,算法简单,网络部分节点损毁、失效后,具有自恢复能力,适合于大型和小型规模的传感器网络．通过计算机仿真得到了很好的效果．     

一种简化鲁棒的传感网络节点三维估计算法

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法．首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然后,利用质心定位的方法得到节点的近似估计,并结合节点估计模型和最大互相关熵准则对非高斯、非线性问题的鲁棒性,推导出一种简化最大互相关熵无迹卡尔曼滤波算法;最后,得到精确估计．仿真结果表明,新算法在具有重尾非高斯观测噪声的传感网络中对节点三维估计的效果比典型的方法更好,不仅降低了一般最大互相关熵无迹卡尔曼滤波的时间复杂度,还提高了节点估计的精度．     

一种基于蚂蚁算法的移动自组网节能路由算法

提出一种改进的蚂蚁算法用于移动自组网节能路由问题,以使网络的生存期尽量延长.算法中考虑了节点上电池剩余能量及剩余能量的方差,电池剩余能量方差反映了节点之间能量消耗的均衡程度.算法在蚂蚁选择路由时引入随机小概率变异策略,避免陷入局部最优解.同时算法在运行过程中设置了跳数限制,提供了一定的QoS保证.仿真计算表明,提出的节能路由算法节能效果明显,能进一步延长网络的生存期.     

基于三值神经网络的组合电路测试生成算法

针对集成电路的规模和复杂度不断增加而相应的测试却越来越困难问题,提出了一种基于三值神经网络的组合电路测试生成算法．该算法不需要传播,也不需要回退,而是利用三值神经网络把组合电路表示成双向的神经网络,并构造网络的能量函数,用遗传算法求解能量函数的最小值点来求得测试矢量,这样就把组合电路的测试生成问题转化为数学问题．在一些基准电路上的实验结果表明,本算法具有较高的故障覆盖率和较短的测试时间．     

改进无线传感器网络路由算法

无线传感器网络是由能量有限的节点组成,高效节能的路由算法是无线传感器网络的基础。针对低功耗自适应分簇（LEACH）路由算法在选择簇首节点及通信过程中能量消耗大的不足问题,提出了一种改进的LEACH路由算法。引入节点剩余能量因素参与簇首节点的选择,有效地降低剩余能量较小的节点成为簇首的可能性,节点之间的数据传输采用单跳和多跳相结合的通信方式,也降低了传感器网络能耗。     

前向神经网络用于CDMA中的单频干扰抑制

提出并尝试将基于误差反传的神经网络用于ＣＤＭＡ系统的窄带干扰抑制,构成前向神经网络非线性判决反馈干扰抑制器,利用优化计算方法求解了误差反传网络的最佳权值,进而得出ＦＮＤＦＩＳ的信噪比改善,并同传统的非线性判决反馈干扰抑制器作了比较,其性能优于ＤＦＩＳ。     

一种无线传感器网络能量均衡路由算法

将无线传感器网络路由视作一种不完全信息的序列决策问题,针对传感器网络能耗不均的问题,提出了一种基于强化学习预测的能量均衡路由算法EBRRLP.该算法通过强化学习预测转发节点的行为,并利用ε贪婪策略选择预测值最优的节点发送数据,事后采取委托-代理激励制度抑制转发节点的自私性,维护节点的最大效用.仿真实验结果表明,EBRRLP算法具有较好的预测效果和较高的吞吐量,能有效降低能量损耗并均衡能量负载,其性能优于现有的其他算法.     

自适应负载均衡路由算法研究

提出了一种基于流言机制的自适应负载均衡路由算法.该算法结合流言路由机制与网络负载均衡的思想,在路由发现阶段,根据节点分布情况和节点当前负载在局部范围内的相对轻重,自适应地调整流言转发概率,让负载较轻的节点优先参与路由建立.仿真实验表明,该算法减少了路由开销,提高了分组平均投递率,降低了数据分组端到端平均时延,具有较强的...     

采用免疫遗传的无线传感器网络波束成形机制

针对无线传感器网络中单个节点能量和通信距离有限的特点,提出了一种基于免疫遗传的波束成形机制.首先分析了存在相位差的情况下的节点发射系数和选取节点数对系统能耗的影响;然后根据节点的剩余能量和相位结合旋转因子来循环选择参与发射的节点,并引入免疫遗传算法对各节点的发射系数进行调整.理论分析和仿真结果表明,该机制有效均衡了节点间的能耗,延长了网络寿命.