基于遗传算法的多峰函数优化

目前,对于整体优化问题已经进行了大量理论研究,并提出了许多基于导数的解析方法和其他非解析的数值优化技术。但是,在实际领域中存在着各种高度复杂的优化问题,其目标函数可能表现为非连续或非处处可微、非凸、多峰和带噪声等各种形式,这类复杂优化问题不适合于采用解析方法,同时用传统上的搜索技术求解也会遇到许多困难。针对上述问题,提出利用遗传算法求解多峰函数的优化方法,新方法利用遗传算法的鲁棒性,对多峰函数进行优化,并用Matlab进行仿真,实验结果表明,遗传算法可以快速稳定地搜索到多峰函数的最优解。     

遗传算法应用于多弧离子镀膜工艺优化设计

将遗传算法应用于离子镀膜,建立多弧离子镀Ｎ膜工艺优化遗传算法模块并讨论相关问题。采用人工神经网络技术实现镀膜工艺参数到膜层性能指标的映射并以之作为遗传算法的目标函数。实验验证表明遗传算法用于镀膜工艺优化设计的可行性与可靠性。本和工作为解决离子镀以至表面工程技术领域工艺寻优等问题作了有益的尝试。     

基于集团竞争的遗传算法及其在多峰值优化中的应用

本文提出了基于集团竞争的遗传算法，采用了一种新的反向交叉算子，探讨并尝试给出控制参数的选择原则，将它们用于复杂的多峰值函数的优化问题中，实验证明其全局性好，收敛速度快。     

退火遗传算法在交通图像分割中的应用研究

基于双CPU的多车道交通流实时动态信息检测系统图像分割的阈值自动优化选取系统,通过将模拟退火思想引入到遗传算法中设计了退火遗传算法(AGA),以最大类方差函数作为遗传算法中适应度的评价函数,利用退火算法后期寻优能力强和遗传算法全局搜索能力强的特点,实现图像阈值的自动优化选取,MATLAB仿真数据表明,本算法较基本遗传算法寻优性能更强,将其应用于该交通流检测系统,增强了整个系统的实时性和鲁棒性.     

多目标量子编码遗传算法

如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题。该文提出一种基于量子遗传算法的多目标优化算法,利用量子遗传算法的高效全局搜索能力,在整个解空间内快速搜索多目标函数的Pareto最优解,利用量子遗传算法维持解集多样性的特点,使搜索到的Pareto最优解在前沿均匀分布。通过求解带约束的多目标函数优化问题,对该文算法的多目标优化性能进行了考察,并与NSGAII,PAES,MOPSO和Ray-Tai-Seows算法等知名多目标优化算法进行比较,结果证明了该文算法的有效性和先进性。     

一种基于生物免疫遗传学的新优化方法

本文将免疫遗传学的基本思想引入到优化设计中.模拟生物体的实际免疫行为,设计出了融合应答、免疫记忆、基因重组、新陈代谢、浓度控制、隔离小生境技术和混沌思想的实用化的免疫遗传算法.然后利用此算法对多峰值函数的寻优过程进行实验研究,证明了本文的方法能够改善简单遗传算法的优化能力,所得结果令人满意.     

多目标优化问题的遗传算法改进研究

基于Nash均衡的思想在NSGA所求得的Pareto最优解基础上,探讨一种能对多目标优化问题进行求解的遗传算法。采用Nash均衡的思想在多目标优化的遗传算法,结合NSGA算法,提出一种能得到多个Pareto最优解的多目标优化算法。通过目标函数线性加权法、NSGA对函数进行了试验分析,对部分自变量进行固定,对其他的自变量进行优化,对Pareto最优解进行持续优化,进而实现加速算法的收敛,从实验中得出了这种算法具有较快的收敛性,但是其运行时间和NSGA相比没有多少改善。     

遗传算法在解线性方程组最大满足性中的应用

遗传算法是一种优化搜索算法,它直接对对象群体进行操作,对函数不存在求导和连续性的限定,能自动获取搜索过程中的有关知识,并且用来指导优化和自适应的调整搜索方向,具有内在隐并行性和较好的全局寻优能力,鲁律性很突出。现已广泛地应用于函数组合优化、信号处理、机器学习、知识发现、自适应控制和人工智能等领域。我们考虑将遗传算法应用到下面的最优化问题,对于二     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题.将遗传算法应用于油田配电网无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行改进,提高了计算效率和全局寻优能力.通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法.     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题。将遗传算法应用于油田配电网无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行改进,提高了计算效率和全局寻优能力。通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法。     

三种基于进化技术的优化算法及其对比

进化算法（EA）是模仿自然界生物进化或物种的社会行为而产生和发展的随机搜索方法，这种算法能够解决许多传统方法无法解决的大规模优化问题。本文简明介绍了三种基于进化的优化算法：遗传算法、蚁群优化算法和微粒群优化算法，并在原理、参数和应用方面对它们进行了对比。     

遗传算法求解非线性方程组研究综述

针对近年来国内外基于遗传算法求解非线性方程组的研究情况进行了系统总结,揭示了各种遗传策略的综合运用,遗传算法与传统迭代方法或其他智能优化方法的有效结合,并行遗传算法是基于遗传算法方法求解非线性方程组成功的关键,同时对未来的研究方向进行了展望。     

遗传算法在赋形波束阵列天线优化中的应用

本文对遗传算法应用于赋形波束阵列天线优化进行了研究,通过对算法的综合和改进,使赋形波束阵列天线在给定副瓣电平和波束覆盖的条件下,增益得到了明显改善,达到了优化的目的,证实了遗传算法应用于此类问题的可行性和有效性.     

可信遗传算法设计

论述了评价标准不一致是目前遗传算法研究领域中普遍存在的问题,探讨了遗传算法客观评判准则的问题,给出了客观评判准则存在的充分条件,并分析了客观评判准则是否具有可信性以及是否对关键参数敏感等问题,进一步提出了可信遗传算法设计的概念,给出了可信遗传算法的设计流程.最后,以旅行商问题为例,对文章提出的概念和流程做了进一步说明.     

量子行为粒子群算法在图像恢复中的应用

遗传算法等智能搜索技术避免了图像恢复方法中存在的较多约束和计算量过大的问题,但遗传算法存在“过早收敛”现象。作为一种新的智能优化算法-量子行为粒子群优化算法,在全局收敛性和稳定性上有较好的表现。文章提出了一种基于量子行为粒子群算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较。仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。     

基于遗传算法的雷达功能板备件优化模型

通过分析雷达装备的维修方式和可用度，建立了雷达装备的功能板（印制版）随机备件优化模型，结合遗传算法解优化问题的特点，将遗传算法引入到求解备件优化问题中来，有效地解决了这一复杂的备件优化问题，保证了雷达装备具有较高的可用度。     

GAAA算法在直线步进电机控制中的应用

对与蚁群算法融合的遗传算法应用于直线步进电机PID控制系统的参数优化进行了研究,通过对系统参数的优化设计,使得PID控制系统的稳定性、抗干扰能力有了很大的提高,达到了优化目的,证实了融合算法应用于此类问题的可行性和有效性.     

基于选择的遗传算法在列车运行调整中的研究

针对列车运行的特点,将降低列车群的总晚点时间和提高相邻列车对客流的吸纳水平作为性能指标,通过对复线列车运行控制优化模型的分析,引入基于选择的遗传算法;并且利用基于选择的遗传算法对列车运行调整这一问题进行优化,为列车运行调整优化引入一种新的方法。     

免疫遗传算法及认知无线电参数优化决策

根据感知的频谱环境变化及时优化并调整无线电参数是认知无线电的关键技术之一,也是一个复杂的非线性多目标优化决策问题。遗传算法是最适合优化问题的,但当遗传算法应用于优化问题时存在过早收敛问题。提出了基于遗传算法和人工免疫系统相结合的免疫遗传算法（IGA）来克服以上问题。由于在GA算法中引入了免疫系统中抗体和抗原的概念并在每一次迭代中丢弃亲和力较大的抗体,有效地防止了GA中过早收敛现象。最后,用免疫遗传算法来解决认知无线电的参数优化问题。仿真结果表明,免疫遗传算法可以迅速达到最优决策。     

遗传算法在雷达组网最优化布阵中算法研究

分析了遗传算法用于雷达组网最优化布阵的基本原理和关键技术。遗传算法是从多个初始点开始寻优，通过判断适度函数决定是否被淘汰或选择，从而实现全局或准全局最优，与传统雷达组网的效用函数法、专家法等方法比较具有原理简单、搜索量少、速度快等优点，解决了传统算法搜索量大、速度慢等问题。计算机的仿真实验表明了该方法的有效性。