改进粒子群算法的多峰值优化研究

粒子群优化算法对于多维函数的最优解搜索存在前期易陷入局部最优,后期收敛速度缓慢的问题.将改进的k-中心点聚类分析与PSO相结合提出了一种混合粒子群算法KM-PSO,用于多峰值问题的优化.在算法中,利用k-中心点聚类分析方法将粒子群划分成若干个子群,结合PSO的隐含并行搜索的优势增强了寻优性能.不仅增加了粒子间的信息交换,抑制了早熟收敛,还提高了全局寻优速度和计算精度.仿真实验结果表明,KM-PS0性能优于基本粒子群优化算法.     

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多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.     

基于混合粒子群算法求解TSP问题

遗传算法是研究TSP问题中最为广泛的一种算法,它具有全局搜索的能力。而粒子群算法收敛速度较快,但容易造成局部最优的情况。本文基于遗传算法的交叉变异设计了混合粒子群算法,通过对TSP问题求解分析,证实该方法提高了标准粒子群的搜索能力,获得了较高的收敛速度和近似最优解。     

一种快速收敛的非参数粒子群优化算法及其收敛性分析

如何调整粒子群算法的参数引起了大量研究人员的关注.本文提出了一种快速收敛的非参数粒子群优化算法.为了平衡全局搜索和局部搜索,本文算法融合了基于exemplar的学习策略和多交叉操作.根据进一步的稳定性分析,粒子群收敛于搜索空间中的一个固定位置,同时粒子群的位置方差收敛于零点.本文收集了常用的24个准则函数,与7个类似的粒子群算法进行了比较.实验结果表明,本文搜索算法在大部分准则函数上的搜索性能均优于同类算法.同时本文算法在收敛速度上要远优于同类算法.     

带局部搜索的动态多群体自适应差分进化算法及函数优化

 提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.     

基于小生境遗传算法的移动机器人路径优化

针对标准遗传算法存在收敛性慢和局部最优解的缺陷,结合移动机器人行走特点,提出一种基于预选择机制小生境技术的改进遗传算法中移动机器人路径规划方法.该方法兼顾对局部最优解和全局最优解的搜索,维持群体的多样性,避免了早期收敛现象的发生;同时也增强了自然群体进化的并行性,加快了搜索进程.计算机仿真结果表明,该算法在收敛速度和输出全局最优解概率方面相对于标准遗传算法有了显著提高.     

改进人工蜂群算法在数字图像相关中的应用

针对人工蜂群算法存在的收敛速度较慢,易陷入局部最优解的问题,提出一种改进的人工蜂群优化算法,并应用于数字图像相关的整像素位移搜索中。该算法借助相关度值的变化来动态调整跟随蜂的搜索步长,平衡其全局和局部的搜索能力;侦察蜂利用遗传算法的交叉运算产生新解,改善全局搜索能力。实验结果表明,改进的算法能有效地提高收敛速度,改善整像素位移搜索的性能。     

一种改进的粒子群优化算法

粒子群优化算法(PSO)是一种群体智能进化计算方法,但在搜索过程中粒子紧跟最优粒子运动降低了粒子多样性和全局搜索能力,从而易陷入局部极值.本文提出一种新的粒子群优化算法(PSO-EWD),主要改进体现在2个方面:将惯性权重与进化因子相关联,根据种群的进化状态而改变权重大小,以平衡全局搜索能力与局部搜索能力;将时变的分布式时延引入速度更新公式中,以增加粒子的多样性.本文通过5种算法在9个基准函数上的实验对比,证明了新提出的算法相较于另外4种算法具有更优的适应度值、稳定性和收敛速度.     

基于小生境遗传算法的干扰资源优化分配技术

针对标准遗传算法易于陷入局部最优的问题,提出了一种基于小生境遗传算法的干扰资源优化分配技术。给出了一种改进的编码方式,保证了初始群体的有效性,交替使用两种交叉方式,较好地克服收敛对于初始群体选择的依赖。改进后的算法解决了标准遗传算法易于陷入局部最优的问题,切实提高了干扰资源调度的性能。仿真结果表明,该算法在确保收敛速度的前提下,全局搜索成功概率明显提高。     

一种基于改进的遗传算法的块匹配运动估计方法

块匹配方法(Block Matching Algorithm,简称BMA)是目前广泛使用的运动估计方法,但该方法的最大缺点是容易陷于局部最优,这主要是由搜索模式决定的。而遗传算法(Genetic Algorithm,简称GA)是一种具有广泛适应性的全局最优的搜索算法。将块匹配方法的局域性搜索与遗传算法的全局性搜索结合起来,本文提出了一种基于改进的遗传算法的块匹配运动估计方法。实验证明,该方法的平均绝对误差(MAE)接近全搜索(FSS),优于三步法(TSS),而运算量相对较低,接近三步法。     

基于自适应人工鱼群算法的多用户检测器

将智能优化算法应用到多用户检测器(MUD)问题中,是近年来改善MUD性能的一个研究方向。人工鱼群算法(AFSA)是一种新的智能优化算法,该算法具有一些遗传算法和粒子群算法不具备的特点。但是用其解决离散优化问题时,该算法保持探索与开发平衡的能力较差,且在算法运行后期搜索的盲目性较大,从而影响了该算法搜索的质量和效率。为了克服这些缺点,本文对该算法进行了改进,得到两种自适应人工鱼群算法(AAFSA_FP和AAFSA_SP),并首次用其构建了新的多用户检测器。仿真结果表明,该方法与基于遗传算法的多用户检测器和基于粒子群算法的多用户检测器相比,在误码率、抗远近效应的能力和收敛速度等方面都有明显的改善。     

量子干扰交叉遗传算法及其应用研究

针对遗传算法中传统交叉算子交叉效率低下等缺点,提出改进型全干扰量子交叉遗传算法.与基于位置信息的经典量子全干扰交叉模型不同,改进型交叉算子通过距离比较,能够获取质量更高的候选解.通过对旅行商问题(TSP)求解的对比实验表明,改进量子交叉遗传算法能有效平衡全局搜索和局部探索,具有更强的稳定性和寻优能力.     

一种基于遗传算法的时问表问题求解算法

排课问题是一个多因素的优化决策问题,是组合规划中的典型问题,其属于NP完全类问题。给出了该问题的数学模型。遗传算法借鉴生物界自然选择和遗传机制,使用群体搜索技术,处理传统搜索方法难以解决的复杂的非线性问题。针对时间表问题,提出一种基于遗传算法的解决方法,定义了一个新颖的染色体编码方式,基于该编码,进一步分析并设计出交叉和变异2个遗传操作,运行结果显示该方法可行。     

ALGA在岸基导弹航路规划中的应用研究

针对基本遗传算法(GA)易局部收敛的缺陷,设计了基于模式搜索的自学习算子,提出一种基于模式搜索的自学习遗传算法(ALGA)。通过仿真测试函数将ALGA与基本遗传算法、自适应遗传算法(AGA)进行比较,显示改进的ALGA提高了算法的综合搜索能力。将改进的ALGA运用到岸基导弹航路规划中,并进行仿真实验,仿真结果验证了改进算法的有效性。     

一种结合遗传算法和钻石搜索的多模式快速运动估计方法

为了解决视频编码中运动矢量搜索精度与速度的矛盾,本文提出了一种基于遗传算法(GA)和钻石搜索(DS)的多模式快速运动估计方法——MMS算法.它以图像序列的时空预测矢量作为图像活动剧烈程度的判据,自适应选择搜索模式.针对平缓运动类型使用快速的DS搜索模式,针对剧烈运动类型使用GA/DS联合搜索模式.与现有的次优解快速算法相比,MMS有效地解决了在大运动矢量情况下编码器性能下降的问题,可以从整体上提升编码器的性能,接近理想的全搜索法的结果;与其它直接利用GA进行全局优化的方法相比,MMS利用DS配合GA实现加速收敛.此外,通过引入多模式处理的概念,在保证搜索精度的同时,充分发挥了次优解算法的效率,整体编码速度与DS等快速算法的结果十分接近.这一方法为有效地解决运动估计中的矛盾问题提供了一个新的处理框架.实验结果验证了算法的性能.     

A hybrid genetic algorithm for analog active filter component selection

Analog filters are circuits that process electrical signals on a frequency-dependent basis. Analog filter circuits can be implemented using resistors, capacitors and inductors and they can also be implemented with only resistors and capacitors with the use of active circuit equipments. The selection of optimum component values is difficult because of the number of possible filter combinations. This paper presents an effective algorithm that hybridizes the Genetic Algorithm (GA) to form a Hybrid Genetic Algorithm (HGA) and proposes the use of Tabu Search (TS) for the analog active filter component selection. The GA has a powerful global searching ability and so is used to perform exploitation and because TS also has good local searching ability, it too is applied to perform exploitation. Thus, the proposed HGA will have very good searching ability. In this study, a band-pass Sallen-Key filter circuit was used, and the filter component values were found using HGA with LabVIEW. The results are compared to other reported state-of-the-art algorithms, such as the artificial bee colony (ABC) and differential evaluation (DE) to demonstrate the effectiveness and efficiency of the developed method. It can be said that the developed LabVIEW based HGA gives satisfactory results with regard to amplitude response, the minimum fitness values and the computational time.     

一种改进的基于遗传算法的聚类分析方法

C－均值聚类收敛速度快，但是它容易陷入局部最优，且对初始解很敏感。遗传算法是一种全局搜索方法，但是它收敛速度慢。为了在搜索能力和收敛速度两方面都取得较好的效果，本文提出了一种改进的基于遗传算法的聚类分析方法。实验结果表明：本文提出的算法在聚类分析中搜索到全局最优解（或近似全局最优解）的能力要优于经典遗传算法及C－均值聚类算法；且通过对变异概率的巧妙设置，提高了算法的自适应能力。     

基于遗传算法的自适应神经模糊控制器

分析了自适应神经模糊系统的特性，以此设计一个智能控制器，控制器的输入为误差和误差变化率，输出为控制量。遗传算法是一种有效的全局最优搜索算法，对于复杂、非线性的空间也能够快速地搜索最优解，因而本文利用遗传算法来优化自适应神经模糊控制器的参数。仿真实验表明，该方法优化得到的控制器具有优良的控制效果。     

一种适用于任意峰度非高斯信号的多目标盲波束形成方法

该文提出了一种新的适用于任意峰度非高斯信号的多目标盲波束形成算法。该方法在最大峰度算法(KMA)的基础上,引入信号的互相关约束定义了一种新的代价函数。通过对该代价函数的最大化,来盲估计波束形成器的权向量,从而完成对多目标的分离和定向。由于波束形成过程不需要正交化处理,避免了波束形成器锁定噪声的可能性。同时,采用一种复数编码的遗传算法来求解权向量,不但可避免陷入局部极值的可能性,而且还能有效提高运行速度。仿真实验验证了该算法的有效性和正确性。