基于改进遗传算法的TSP问题研究

通过对遗传算法和TSP问题的研究．提出了离散赌轮选择算子EPMX交叉算子和Dmutation变异算子等，对遗传算法的各个算子进行了改进。利用改进的遗传算法有效的解决了TSP问题．实验验证其与传统的解决方式相比有更好的收敛特性，解的准确性更好。     

遗传算法在图像重建中的应用

针对从不完全投影重建图像的问题,根据图像连续性的假设,建立优化模型用遗传算法求解。针对遗传算法的早熟现象提出了多样性原则,分析了选择算子、交叉算子,以及变异算子对多样性的影响,构建了自适应遗传算法,并进行了仿真试验,试验结果比较满意。     

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。     

遗传算法中常用算子的分析

本文对遗传算法中常用的基于适应值比例的选择算子、一点交叉算子和逐位变异算子进行了讨论,给出了模式数量在遗传算子作用下变化的递推表达式及其极限性能,说明了选择算子使群体向高适应值个体聚集而交叉算子和变异算子使群体分布扩散的特性.在此基础上可以进一步改善遗传算法的性能,从而在电子技术领域获得更广泛的应用.     

基于改进遗传算法的必经点最短路径算法

提出一种解决经过必经点的最短路径的改进遗传算法。在传统遗传算法的基础上,引入Dijkstra算法进行种群初始化;针对传统遗传算法易收敛于局部最优解,迭代次数多,迭代时间长的缺点,提出了改进的交叉算子和变异算子。应用改进遗传算法进行网络节点计算,表明该算法在计算性能上优于传统遗传算法,也验证了改进遗传算法的先进性,有效性。     

基于自识别交叉算子和自适应变异算子的遗传算法研究

为有效地解决遗传算法收敛速度和局部最优解的矛盾,本文提出了一种具有自识别交叉算子和基于海明距离的动态变异算子的遗传算法.自识别交叉算子保证父代的优良模式遗传到下一代,加快了算法的收敛速度;而动态变异算子扩大了搜索范围,增强了算法跳离局部最优解的能力.实验证明,两种改进算子的有效结合保证算法能以较快速度收敛于全局最优解.     

基于贪心遗传算法求解0-1背包问题

在解决0-1背包问题中,将贪心算法和遗传算法相结合,提出了贪心遗传算法。通过算法构造出更优的新算子,与原有算子相比,既加快了算法的收敛速度,又克服了传统方法容易陷入局部最优的特点,提高了搜索效率。通过计算机仿真试验结果表明,贪心遗传算法相比普通的遗传算法具有更好的近似解,充分证明了贪心遗传算法来求解背包问题的有效性和实用性。     

选择和变异算子的作用分析

文中在连续空间统一的随机过程框架下,分析了遗传算法群体的概率密度序列的演化过程,给出并证明了群体概率密度的递归公式.分析了标准遗传算法中选择算子和变异算子的基本性质.导出了选择和变异条件下平均适应度单调递增并收敛到全局最优解的条件.这些结论在一定程度上为实现自适应调节变异算子的概率,保证遗传算法收敛到全局最优解提供了理论依据.     

基于自识别交叉算子和自适应变异算子的遗传算法研究

为有效地解决遗传算法收敛速度和局部最优解的矛盾,本文提出了一种具有自识别交叉算子和基于海明距离的动态变异算子的遗传算法。自识别交叉算子保证父代的优良模式遗传到下一代,加快了算法的收敛速度;而动态变异算子扩大了搜索范围,增强了算法跳离局部最优解的能力。实验证明,两种改进算子的有效结合保证算法能以较快速度收敛于全局最优解。     

基于一种混合遗传算法的移动机器人路径规划

移动机器人路径规划问题一直是机器人学研究的核心内容之一,而遗传算法作为智能仿生学算法在路径规划中得到了广泛的应用。针对传统遗传算法存在局部搜索能力差的问题,文中研究在已知环境下运用一种基于遗传算法和模拟退火算法相结合的技术对移动机器人进行最优路径的规划方法。算法采用栅格法对环境建立模型,同时在遗传算子中添加插入算子和删除算子以优化路径。Matlab仿真实验结果表明,该算法相对于基本遗传算法的收敛速度,搜索质量等有了明显的提高。     

改进遗传算法优化MIMO稀布阵列

为了解决多输入多输出(MIMO)天线阵列由于阵元间隔过大造成的阵列方向图出现栅瓣,在雷达回波成像时出现影响目标识别的虚假目标的问题,提出了一种改进的遗传算法对阵列排布进行优化。在传统标准遗传算法上进行改进,用多个矩阵组合表示MIMO阵列,针对在矩形平面随机分布的稀疏阵列的方向图旁瓣问题进行优化设计,并采用基于Logistic混沌序列的方法产生种群扰动,避免优化过程进入局部最优状态。通过实例对比22发射天线22接收天线的均匀规则排布MIMO阵列和经改进遗传算法优化的稀布MIMO阵列,结果表明,改进遗传算法可以有效解决规则排布阵列方向图中出现的栅瓣,并且降低方向图旁瓣,提高雷达成像性能。该优化算法变量可控,具有很强的实用性,为MIMO雷达的阵列排布提供了解决方法。     

基于遗传算法的水下阵列DOA估计研究

利用遗传算法研究水下阵列对目标的方位角估计问题,提出了一种新的方法证明遗传算法中的适应度函数对应于信号源的阵列流型取得极大值,采用该适应度函数的遗传算法(GA)计算量介于MUSIC算法和DML算法之间.通过计算机仿真验证,采用该适应度函数的遗传算法进行的DOA估计具有分辨相干目标的能力,角度分辨力高于MUSIC算法,估计偏差和均方误差在中低信噪比条件下小于MUSIC算法,与DML算法基本一致.     

The control of adaptive antenna arrays with genetic algorithmsusing dominance and diploidy

Adaptation of an antenna array controlled by digital-phase shifters using an advanced operator genetic algorithm is demonstrated. The genetic algorithm continuously optimizes the antenna's received signal-to-noise-plus-interference ratio (SINR) (Applebaum (1976) criterion) under changing interference conditions. Unlike earlier attempts to control adaptive array antennas using evolutionary optimization techniques, the current study uses a genetic algorithm with a population composed of individuals characterized by two chromosomes. Several numerical examples demonstrate that this “diploid” structure improves the ability of the genetic algorithm to adapt to changing conditions when compared with a simple genetic algorithm     

基于遗传优化的天线阵元LMS改进算法

最小均方（LMS）算法是自适应阵列天线中得以广泛应用的阵列天线加权算法。提出了一种基于遗传优化的LMS改进算法,该基于遗传优化的最小均方（GA—LMS）算法充分结合了遗传算法的并行处理和全局搜索的优点。实验结果表明,与传统的LMS算法相比,GA—LMS算法具有良好的收敛性能,并可更好地抑制干扰信号,有效改善自适应阵列天...     

Sparse Planar Retrodirective Antenna Array Using Improved Adaptive Genetic Algorithm

An improved adaptive genetic algorithm is presented in this paper.It primarily includes two modified methods:one is novel adaptive probabilities of crossover and mutation,the other is truncated selection approach.This algorithm has been validated to be superior to the simple genetic algorithm (SGA) by a complicated binary testing function.Then the proposed algorithm is applied to optimizing the planar retrodirective array to reduce the cost of the hardware.The fitness function is discussed in the optimization example.After optimization,the sparse planar retrodirective antenna array keeps excellent retrodirectivity,while the array architecture has been simplified by 34％.The optimized antenna array can replace uniform full array effectively.Results show that this work will gain more engineering benefits in practice.     

大间距相控阵天线栅瓣抑制技术研究

适当增加阵元间距有利于降低相控阵天线的成本,但是会带来不期望的栅瓣。文中针对5×5大间距相控阵天线栅瓣抑制技术进行了研究。改进了传统遗传算法,增加了种群的多样性。首先采用改进的遗传算法优化得到局部解,然后运用模式搜索算法优化得到最优解,并对阵列口径及阵元最小间距进行约束。其次,结合实际的工程应用,对阵元位置进行约束,优化出便于生产应用的最佳阵列排布。仿真结果表明,优化后的阵列,最大栅瓣电平得以有效抑制,满足工程应用的要求。     

光纤激光相控阵阵元分布优化方法

提高主瓣的能量集中度和抑制栅瓣问题是当前光纤激光相控阵技术面向应用的关键。文中从说明激光相控阵在技术上难以满足/2的阵元间隔,由此导致诸多栅瓣产生的原因入手,并考虑到目前常用不等间隔栅瓣抑制方法将导致相控阵口径增大的难题,提出了一种将遗传算法引入到光纤激光相控阵阵元分布优化的设想。主要方法是从最大限度抑制栅瓣的角度提出一个与主瓣能量集中度和主瓣/旁瓣对比度相关的适应度函数;将遗传算法中的特征参数与光纤激光相控阵的主要参数相对应;然后以20路阵元/阵元间隔为3倍波长、50路阵元/阵元间隔为20倍波长两种线阵情况为例,分别仿真计算了传统的等间距阵元和不等间距阵元分布,及遗传算法优化阵元分布三种情况,得到的光纤激光相控阵远场能量分布、主瓣能量集中度和主瓣与最大栅瓣对比度,并对其进行了比较。结果表明,遗传算法较等间距、不等间距方法的主瓣能量集中度分别提高了9.69%、3.33%,主瓣与第一栅瓣能量对比度分别提高了13.12%、9%。由此可预期基于遗传算法优化的相控阵有望在同等激光发射总功率下获得更远的作用距离。     

Optimization of thinned aperiodic linear phased arrays using genetic algorithms to reduce grating lobes during scanning

The scan volume of a thinned periodic linear phased array is proportional to the spacing between array elements. As the spacing between elements increases beyond a half wavelength, the scan range of the array will be significantly reduced due to the appearance of grating lobes. This paper investigates a method of creating thinned aperiodic linear phased arrays through the application of genetic algorithms that will suppress the grating lobes with increased steering angles. In addition, the genetic algorithm will place restrictions on the driving-point impedance of each element so that they are well behaved during scanning. A genetic algorithm approach is also introduced for the purpose of evolving an optimal set of matching networks. Finally, an efficient technique for evaluating the directivity of an aperiodic array of half-wave dipoles is developed for use in conjunction with genetic algorithms.     

Array pattern synthesis in the complex plane optimised by a geneticalgorithm

Array pattern nulling by operating on the roots of the array polynomial in the complex plane using a genetic algorithm (GA) is demonstrated. A pattern envelope constraint and an array efficiency criterion are applied. The algorithm is much faster than a similar GA operating on the complex weights of the array factor     

Optical synthetic aperture circle-array optimization based on genetic algorithm

An optimization model of circle array was set up from the basic optical synthetic aperture imaging principle. The circle array was optimized by adopting a genetic algorithm with an improved real coding method coding the location of sub-apertures. The measure function was designed based on maximizing the distances between u-v coverage dots and minimizing the redundant array. The point spread function, optical transfer function and diffractive imaging were analyzed with the circle array synthetic aperture imaging system. The optimized result of 8 to 16 sub-apertures on a circle array was obtained, and they were compared to the results achieved through simulated annealing algorithm. Using the emulator program, the point spread function was analyzed and contrasted to that of a uniform circle array. Results show that the real coding genetic algorithm can resolve the array optimization well, cost less time and get a better optimization compared with the simulated annealing algorithm.