遗传算法的自适应进化策略及TSP问题的遗传优化

本文研究遗传算法的进化策略，提出了一种在遗传操作层次上将局部搜索方法与基本遗传算法要结合，依据遗传群体的环境参量动态地调整遗传算法的进化策略和控制局部搜索强度的自适应进化策略，并结合货郎担（ＴＳＰ）优化问题介绍其具体实现方法，给出实验结果。     

基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法（EGA）中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。     

混合动力汽车控制策略优化研究

将自适应遗传算法与序列二次规划算法结合构成混合遗传算法,用于求解混合动力汽车控制策略参数优化问题。一方面,分析并建立了控制策略参数优化的有约束非线性模型;另一方面,改进算法中自适应交叉和变异概率调整公式,并提出了序列二次规划算子与遗传算法结合的新方式。仿真结果表明,该算法提高了收敛速度和求解精度,保证了全局收敛性,在混合动力汽车控制策略参数优化中的应用是有效的。     

一种基于混合编码的遗传算法

文章提出了一种混合编码的遗传算法。该算法有机地将二进制编码和浮点数编码结合起来 ,并针对不同的编码方法设计相应的交叉、变异算子。混合编码方法既有二进制编码全局搜索能力强、简单、易操作的优点 ,又具有浮点数编码局部搜索能力强、精度高、稳定性好、运算速度快的优点。使算法不易陷入早熟收敛且局部搜索能力强 ,收敛速度快。文章对一系列典型函数进行了优化计算 ,试验结果证实了这种混合编码遗传算法的有效性和优越性强     

基于自适应遗传算法的最优M序列码搜索

编码信号已经广泛地应用于现代雷达系统中,而编码信号的旁瓣抑制一直是雷达信号处理中有待优化的问题。提出一种基于自适应遗传算法（AGA）优化搜索M序列二相码波形的方法。对于M序列,初始寄存器的选择对于主副比是很关键的。自适应遗传算法的遗传算子交叉概率与变异概率可自适应调整。与标准遗传算法（SGA）相比,这种算法能更好地避免＂早熟＂现象,保持了物种样本的多样性,最终能够收敛到脉压特性更好的序列。试验结果证明了该方法的可行性和有效性。     

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.     

基于改进遗传算法的测试用例生成

在软件测试中,测试用例生成是软件测试中的关键技术问题,对于软件测试的自动化有着重要影响。为了提高测试用例生成的效率,文中提出了一种用于测试用例生成的改进算法。该算法引入了自适应算子和禁忌搜索思想,将自适应遗传算法和禁忌搜索有机结合,充分发挥遗传算法的全局搜索和禁忌搜索算法局部搜索优势,提高了测试数据的生成能力。实验结果表明,该算法在测试数据自动生成的效率和有效性方面,均优于自适应遗传算法。     

基于自适应遗传算法的舵机传递函数辨识

简要介绍了舵机的工作特性，利用自适应遗传算法对舵机传递函数进行了辨识，与传统遗传算法相比，自适应遗传算法的选择算子采用最优保存和赌轮盘相结合，并在进行赌轮盘前对适应度进行排序，交叉变异算子采用自适应交叉和变异算子，终止条件也分为两类，适应度小于设定的值时就会跳出遗传算法和达到代数上限时跳出遗传算法。自适应遗传算法的辨识的结果和遗传算法相比较，仿真结果表明：自适应遗传算法在运行速度和收敛方面有较好的效果。     

基于遗传算法的快速认知无线电系统

近几年来,在认知引擎（CE）中广泛应用遗传算法（GA）优化传输波形的各项参数,然而由于无线电波形需优化的参数和所达到的目标很多,形成了巨大的搜索空间,导致遗传算法收敛时间过长,不能满足认知无线电的实时应用。针对这一问题,提出一种快速认知无线电,通过遗传算法与案例学习结合来缩短反应时间,并进行了简单的实验仿真。仿真结果表明,快速认知无线电能够对环境进行快速自适应,算法收敛时间变短。     

基于改进GA-SVM的智能推荐诊断挂号算法

为提高患者就医效率设计了一套智能推荐诊断挂号算法,对大量的历史病案文本进行训练和机器学习,以患者特征为依据进行分类并推荐相应的科室。使用遗传算法与支持向量机结合进行特征值提取和参数优化,以核函数参数和文本特征值作为遗传算法的染色体执行选择、交叉和变异操作,为提高遗传算法效率并避免陷入局部最优值,在遗传算法初始化群体阶段使用加权深度优先搜索和轮盘赌结合的机制以保证种群多样性,并对交叉概率和变异概率进行自适应优化,在保留有用遗传信息的同时实现全局搜索。实验结果表明,该算法在有效降低特征值数目的同时提高了分类精度。     

基于K-Means变异算子的混合PSO算法聚类研究

提出了基于K-Means算子的混合粒子群优化算法聚类,将K-Means算法的局部搜索能力与粒子群优化算法的全局寻优搜索能力相结合,根据群体适应度变化的情况自适应调整权重,并对种群中性能较差的粒子进行交叉选择,能充分挖掘群体本身信息,又能不断引入附加信息.数据集仿真实验表明,该算法有效的克服了传统粒子群优化算法过慢收敛和K-Means算法陷入局部收敛的问题,从而得到更好的聚类效果.     

一种改进变异算子的混合遗传算法

分析了遗传算法传统变异算子的缺陷,为解决遗传算法搜索效率低下及早熟收敛的问题,设计了一种融合遗传搜索和模式搜索的混合遗传算法。理论分析与实验仿真结果表明,所给出的混合遗传算法是有效的,在收敛速度、精度和稳定性方面均有明显的提高。     

模拟退火遗传算法在混凝土层析成像中的应用

混凝土超声层析成像检测中,成像结果的稳定性和精确性仍很难满足实际要求.针对这个问题,提出一种基于模拟退火遗传算法的层析成像技术,根据超声波在混凝土中的传播特点,首先在反演算法中引入物理意义明确的自然权函数,形成二次增广目标函数方程;而后加入模拟退火搜索,使层析过程加速,并改善算法收敛性和稳定性;最后通过多位变异自适应遗传算法计算最优反演层析成像结果.数值仿真实验表明,由于利用了正确的先验信息,加上遗传模拟退火算法在寻找函数极值方面具有优良的特性,计算结果准确有效,数值稳定,成像结果能真实有效地反映对象内部缺陷,分辨力得到了明显改善.     

基于改进混合遗传算法的云资源调度算法

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,本文采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,本文通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。     

混合遗传算法在数值函数优化中的应用

基于遗传算法(GA)与共轭梯度法(CGM),提出了一种混合算法,把CGM作为重要操作算子加入GA中,CGM仅作用于父代的最优个体,使该方法兼具遗传算法的优良全局搜索能力和共轭梯度法的强大局部搜索的特点,将其用于函数优化中,数值算例表明,该混合方法与单纯的遗传算法或共轭梯度法相比,具有快速收敛性和全局最优性。     

SAGA在软件测试数据自动生成中的应用

总结了测试数据自动生成的通用模型,把模拟退火遗传算法(SAGA)引入模型中作为核心搜索方法,避免了单一遗传算法易陷入局部最优的问题。在算法中,通过实施模拟退火筛选、改进加速适应度函数和控制温度迭代方式达到了模拟退火算法(SA)与遗传算法(GA)的有机融合,并优化了SA的邻域构造方式,加入了遗传算法的最优保留策略,使得算法在收敛效率等方面更加有效。试验证明,该方法是有效的测试数据自动生成方法。     

基于混合遗传算法的SAR图像边缘检测

在研究SAR图像特性的基础上,提出了一种基于混合遗传算法的边缘检测方法。它将边缘检测归结为一个优化问题,利用遗传算法的全局寻优能力,能够搜索到定位准确,更加连续和精确的边缘,并且局部优化算子又能大大加快算法的收敛,因而算法兼有良好的检测效果和快速的处理速度。仿真结果也证明了其有效性。     

A new automatic alignment technology for single mode fiber-waveguide based on improved genetic algorithm

A novel automatic alignment algorithm of single mode fiber-waveguide based on improved genetic algorithm is proposed. The genetic searching is based on the dynamic crossover operator and the adaptive mutation operator to solve the premature convergence of simple genetic algorithm. The improved genetic algorithm combines with hill-climbing method and pattern searching algorithm, to solve low precision of simple genetic algorithm in later searching. The simulation results indicate that the improved genetic algorithm can rise the alignment precision and reach the coupling loss of 0.01 dB when platform moves near 207 space points averagely.     

实数遗传算法的改进及性能研究

提出一种粒子群优化方法(PSO)与实数编码遗传算法(GA)相结合的混合改进遗传算法(HIGAPSO).该方法采用混沌序列产生初始种群、非线性排序选择、多个交叉后代竞争择优和变异尺度自适应变化等改进遗传操作;并通过精英个体保留、粒子群优化及改进遗传算法(IGA)三种策略共同作用产生种群新个体,来克服常规算法中收敛速度慢、早熟及局部收敛等缺陷.通过四个高维典型函数测试结果表明该方法不但显著提高了算法的全局搜索能力,加快了收敛速度;而且也改善了求解的质量及其优化结果的可靠性,是求解优化问题的一种有潜力的算法.     

自适应遗传灰狼优化算法求解带容量约束的车辆路径问题

带容量约束的车辆路径问题是NP难的组合优化问题,精确算法无法在合理的时间内得到有效的解.本文提出了一种采用灰狼空间整数编码和先路由后分组解决方案生成策略的自适应遗传灰狼优化算法用于求解带容量约束的车辆路径问题.该算法提出了移动平均自适应灰狼更新策略和灰狼基因遗传策略提高全局收敛能力,同时提出带3-opt的劣势点启发邻域搜索策略来增强算法的全局和局部搜索能力.实验结果表明：所提出算法具有较高的计算精度和较强的寻优能力,有较高的鲁棒性,通过与自适应扫描和速度推测粒子群优化算法、K均值聚类和灰狼优化混合算法、大邻域搜索和蚁群优化混合算法、基于精英选择的多种群人工蜂群算法、基于集覆盖的扩展节省算法、混合变邻域生物共栖搜索算法等6个算法对比证明了算法的有效性.