基于改进的量子遗传算法的认知无线网络频谱分配方法

为了提高认知无线网络频谱分配的效果,根据认知无线网络的特性,提出了基于改进的量子遗传算法(IQGA)的认知无线网络频谱分配方法。该方法利用混沌搜索初始化种群染色体编码,在迭代过程中采用动态调整量子旋转角度更新染色体,并通过变异阈值对染色体进行选择性变异,最终将频谱分配的分配矩阵和基于混沌搜索的量子遗传算法的可行解相对应,以提高网络系统的平均效益为目标函数,实现空闲信道的合理分配。仿真结果表明,基于IQGA的认知无线网络频谱分配方法具有更快的收敛速度和更好的寻优性能,能有效地提高网络系统的整体效益。     

基于跳点搜索-遗传算法的自主移动机器人路径规划

为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题，引入自适应交叉算子和变异算子，将改进后的跳点搜索（jump point search）算法与改进遗传算法融合，得到跳点搜索-遗传（jump point search-genetic,JPSG）算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力，加速算法整体收敛趋势；利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态，提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明，相比于改进遗传算法、传统遗传算法，JPSG算法可以有效缩短寻优执行时间，提高寻优准确率，减少运算执行次数，在稳定性、准确性、快速性上具有明显的优势。     

基于加速遗传算法的组合证券投资决策

应用加速遗传算法解决组合证券投资决策问题，可以克服传统遗传算法的缺点：对搜索空间（优化变量空间）的大小变化适应能力差，计算量大，易出现早熟收敛，控制参数的设置技术无明确准则指导等，与已有结果相比，对协方差矩阵无正定性要求，目标函数可以推广到规模庞大，提高预测精度等优点。     

基于遗传算法的指向性声源自适应有源消声系统优化

详细讨论了自由声场自适应有源噪声控制（ＡＡＮＣ）中，初级源为无限大刚性障板上的圆面活塞辐射器，采用一个和二个点源做次级声源时，使ＡＡＮＣ系统获得最大降噪效果的次级声源和误差传感器（以下统称为执行元件）的布放问题，并利用遗传算法（ＧＡ）确定次级源和远场误差传感器的最优位置。通过理论分析和计算机仿真结果的比较，证明了采用遗传算法可以准确地得到传统的梯度搜索优化算法难以得到的位置优化解。     

基于改进遗传算法的视差拼图缝线搜索方法

为了消除视差图像拼接后的局部不一致、不连续或变形,提出一种视差拼图最优合成拼缝搜索策略.将两浇幅图象重叠区域的归一化差图象作为搜索空间,定义一个与图象高相等维数的向量作为染色体,染色体的基因表示每一行图象中的最优拼接点,采用常用的最小值搜索适应度函数作为视差图像拼缝搜索的适应度函数.针对传统遗传算法在图像整数编码搜索中收敛慢的缺陷,提出了一种基于小区间整数编码,个体互异稳态定标的组合选择策略,按基因适应度自适应重组,自适应、变步长与多点选择性的变异操作等策略的改进遗传算法.实际图像拼缝搜索实验表明:改进后算法比基本遗传算法和传统自适应遗传算法收敛速度加快.     

一种用于匹配场反演的遗传算法

遗传算法在接近全局最优解时,存在搜索速度变慢、过早收敛、个体的多样性减少很快、甚至陷入局部最优解等问题。通过在遗传算法中引入模拟退火因子、混沌因子和多样性测度因子,在很大程度上克服了原有遗传算法的早熟、局部搜索能力差的缺点。同时,又能发挥原有遗传算法的强大的全局搜索能力,保证了改进后的混合遗传算法能较好地收敛于其全局最优值。     

基于改进遗传算法的图像分割技术

提出一种基于遗传算法的进化类图像分割方法。遗传算法是一种全局搜索的算法,但是它在解决多峰复杂问题的时候会出现局部收敛的现象,出现这个现象的主要原因在于在搜索空间中群体多样性的降低导致了搜索的停滞。基于这个原因,提出一种改进的遗传算法,改进的方法通过控制遗传算法的变异概率来平衡群体的多样性程度,改进后的方法能够在解决多峰复杂问题中较多的搜索到全局解的区域。通过将改进的算法应用于图像分割的实例验证了改进算法的有效性以及算法在收敛速度及求解成功率上的优势。     

一种新的混合遗传算法及其性能分析

为了提高遗传算法的局部搜索能力并改善其收敛性能，根据遗传算法和单纯形算法的特点，提出了一种新的混合遗传算法。数值实验表明：该算法的收敛性能、在线性能和离线性能均优于原遗传算法。     

改进遗传算法结合FLANN在加速度传感器动态建模中的应用

对遗传算法（CA）的交叉和变异操作进行改进，提出利用改进遗传算法（ICA）和函数连接型人工神经网络（FLANN）相结合实现加速度传感器的动态建模的新方法。该方法利用加速度传感器的动态标定数据，采用IGA和FLANN相结合搜索和优化动态模型参数。文中介绍动态建模原理以及算法，给出用IGA和FLANN相结合建立的加速度传感器动态数学模型。结果表明：上面提出的动态建模方法既保留了CA的全局搜索能力和FLANN结构简单的特点，又具有网络训练速度快、实时性好、建模精度高等优点，在动态测试领域具有重要应用价值。     

基于生化反应速率的图像阈值分割算法

提出了一种改进的DNA遗传算法,以解决遗传算法用于图像分割时收敛速度慢、易早熟的缺点。利用碱基互补的DNA编码方式增加种群多样性,防止陷入局部极值;设计了基于DNA分子操作的置换自适应交叉算子和密码子变异算子,从而提高遗传算法的搜索能力,有效加快了算法的收敛速度和效率,并将此算法用于寻找二维Arimoto熵的最佳阈值,最后对图像进行分割。普通图像和医学图像的分割结果验证了改进DNA遗传算法用于图像分割的有效性。     

退火-遗传算法寻优及其实现

分析了遗传算法及退火算法的优缺点,提出用退火算法改进遗传算法局部的最优值搜索效率低问题。退火算法与遗传算法融合后,使算法在寻优结果上更加迅速精确。通过水泥的配比工程实例,与单纯的遗传算法的结果进行对比,说明该方法是有效的。     

基于BP算法与遗传算法的气体识别模型应用

本文采用遗传学习算法和误差反向传播算法（BP 网络）相结合来训练前馈人工神经网络（BPN），使网络收敛速度加快并避免局部极小。依据算法建立网络模型，用小批量训练替代单样本训练和大批量样本训练，提高网络的训练速度。通过模拟，预测结果表明，该算法收敛速度快，预测精度高，为气体模糊识别和预报提供了一种新思路和新方法。     

遗传算法在真空科学优化计算中的应用

利用智能优化理论,采用改进的遗传算法,研究了遗传法在真空科学优化计算中的应用。并以真空冷冻干燥工艺条件的优化为例,采用该算法进行了优化计算。优化结果与用单纯形法所求得的最优解相比较,结果相差不大。     

An adaptive genetic algorithm approach for the mixed-model assembly line sequencing problem

A mixed-model assembly line (MMAL) is a type of production line that is capable of producing a variety of different product models simultaneously and continuously. The design and planning of such lines involve several long- and short-term problems. Among these problems, determining the sequence of products to be produced has received considerable attention from researchers. This problem is known as the Mixed-Model Assembly Line Sequencing Problem (MMALSP). This paper proposes an adaptive genetic algorithm approach to solve MMALSP where multiple objectives such as variation in part consumption rates, total utility work and setup costs are considered simultaneously. The proposed approach integrates an adaptive parameter control (APC) mechanism into a multi-objective genetic algorithm in order to improve the exploration and exploitation capabilities of the algorithm. The APC mechanism decides the probability of mutation and the elites that will be preserved for succeeding generations, all based on the feedback obtained during the run of the algorithm. Experimental results show that the proposed adaptive GA-based approach outperforms the non-adaptive algorithm in both solution quantity and quality.     

基于进化算法的产品造型创新设计方法研究

为了满足用户多样化的产品造型需求,模拟设计师的设计思维特性,提出了应用元胞遗传算法和标准遗传算法的产品造型创新设计新方法.首先收集产品样本,经聚类分析、设计师聚焦等确定代表性产品样本,再利用形态分析法得到产品造型元素并定量描述设计参数;其次,以代表性产品样本为初始种群,应用元胞遗传算法建立产品造型初始设计系统,实现了以少量原型生成大量创新性方案的智能设计进程;最后,应用标准遗传算法建立产品造型细化设计系统,进一步优化初始设计方案,快速实现方案的细化智能设计进程.卡通表情造型设计实例表明,该方法可为创新设计提供有效的辅助与支持.     

IMPROVEMENTS OF SIMPLE GENETIC ALGORITHM IN STRUCTURAL DESIGN

The efficiency of Simple Genetic Algorithm (SGA) can be improved by some strategies. They are elitest strategy, multi-point crossover, identification of passive design variables, gradual increase of penalty parameter, and bit-wise local search. Topology optimization using GA is also discussed in this paper and examples are given. Five numerical examples show the efficiency and the optimum solutions of GA are greatly improved by these strategies. © 1997 John Wiley & sons, Ltd.     

A genetic algorithm with domain knowledge for weapon‐target assignment problems

Abstract

In this paper, a novel genetic algorithm, including domain specific knowledge into the crossover operator and the local search mechanism for solving weapon‐target assignment (WTA) problems is proposed. The WTA problem is a full assignment of weapons to hostile targets with the objective of minimizing the expected damage value to own‐force assets. It is an NP‐complete problem. In our study, a greedy reformation and a new crossover operator are proposed to improve the search efficiency. The proposed algorithm outperforms its competitors on all test problems.     

Hybrid Approach to Optimal Packing Using Genetic Algorithm and Coulomb Potential Algorithm

It is difficult and computationally time-consuming to find the best possible solutions for blank packing problems, because they include a lot of underlying combinational conditions. This paper presents two approaches for packing two-dimensional irregular-shaped polygonal elements—a real-encoded genetic algorithm and a hybrid algorithm using a real-encoded genetic algorithm and a local optimization algorithm. The local optimization algorithm presented is a novel one utilizing the Coulomb potential technique.

In the hybrid approach, the real-encoded genetic algorithm generates the order of the polygons while the coulomb potential algorithm determines the embodiment layout under the fixed combinations so as to minimize the scrap. The hybrid genetic algorithm is found to give better results for problems of larger size although it takes more computational time.     

用遗传算法计算几个地球物理反问题

本文考察了用遗传算法计算多电极电阻率测井,二维大地电磁勘探和地下水含水层渗透系数三个地球物理反问题的方法和效果。只要适当选取遗传算子和相应的控制参数并将遗传算法和其他辅助手段适当结合,就可以得到满意的结果,克服其它优化方法遇到的一些困难。     

Knowledge‐based algorithms in fixed‐grid GA shape optimization

Shape optimization through a genetic algorithm (GA) using discrete boundary steps and the fixed‐grid (FG) finite‐element analysis (FEA) concept was recently introduced by the authors. In this paper, algorithms based on knowledge specific to the FG method with the GA‐based shape optimization (FGGA) method are introduced that greatly increase its computational efficiency. These knowledge‐based algorithms exploit the information inherent in the system at any given instance in the evolution such as string structure and fitness gradient to self‐adapt the string length, population size and step magnitude. Other non‐adaptive algorithms such as string grouping and deterministic local searches are also introduced to reduce the number of FEA calls. These algorithms were applied to two examples and their effects quantified. The examples show that these algorithms are highly effective in reducing the number of FEA calls required hence significantly improving the computational efficiency of the FGGA shape optimization method. Copyright © 2003 John Wiley & Sons, Ltd.