一种新的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,本文将区间算法和遗传算法进行融合,给出了一种区间-遗传算法,该算法保留了传统区间优化算法简单、对问题本身信息要求不高的优点.重要的是在每次迭代中区间算法为遗传算法的搜索提供可靠区域,同时遗传算法为区间算法的区间分裂提供了一个方向、为区间删除给出了问题全局最优解的一个上界.最后给出了算法的收敛性证明,数值实验表明该算法相比传统区间优化算法有较高执行效率.     

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.     

先锋遗传算法在多峰值函数优化中的应用

本文对遗传算法应用于多峰值数值函数优化进行了研究,通过对算法的综合和改进,克服了传统遗传算法计算多峰值函数时容易出现的遗传漂移问题,实现了优化目的,证实了先锋遗传算法应用于此类问题的可行性和有效性.     

基于MPGA优化BP网络的新方法及仿真实验

BP网络是人工神经网络中应用最广的网络模型,为了改善BP算法易陷入局部极小点的缺点,提出一种基于MPGA(多种群遗传算法)的改进BP网络。数值仿真结果表明:经多种群遗传算法优化的BP网络和遗传算法优化BP网络以及传统BP网络相比较,在预测精度方面有了改善。     

基于改进遗传算法的异构环境混合调度策略研究

异构环境下任务调度是NP问题,它关注大规模的资源和任务调度,要求采用的调度算法能够具有高效性.随着任务数和资源数的增加,遗传算法表现出慢速收敛的缺点.为了克服其缺点,在改进的遗传算法的基础上,增加了分组和负载平衡处理策略,提出了一种混合遗传调度策略.仿真实验表明,基于改进遗传算法的混合调度策略比传统的调度策略性能更优,其算法更符合复杂的异构环境,能更好满足系统的时间特性和最小化资源开销的问题.     

遗传算法在供热系统运行优化中的应用

本文利用遗传算法解决了城市集中供热系统的运行优化问题。通过比较,遗传算法在解决供热系统运行优化问题上,显示出了意想不到的优越性,它克服了传统的优化方法受目标函数形式限制的缺点。该文对遗传算法中的代码串的编制、杂交、变异概率的选取进行了有益的探讨。     

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相控阵适当随机馈相方法北大核心CSCD

基于相控阵天线波束受数字移相器量化相位影响而引起较高寄生副瓣电平,文中提出了一种基于改进遗传算法的相控阵天线适当随机馈相方法。该方法通过融合适当随机馈相技术,减少了随机馈相优化问题的变量维数,有效降低了遗传算法优化时的难度;同时,在遗传优化交叉过程中采用混沌序列产生交叉点的位置,以海明距离度量个体间的差异程度,遵循防止"近亲结合"的个体配对原则,对"近亲"引入新的个体进行替代,改善了遗传算法容易陷入局部最优的缺点,提高了全局搜索能力。仿真结果表明,新方法在抑制相位量化寄生副瓣优于基于传统遗传算法的完全分布式随机馈相优化方法,更有效地降低了天线方向图峰值副瓣电平。     

基于遗传算法的影像匹配方法研究

影像匹配是立体视觉中的核心问题之一。本文基于传统的影像匹配技术,提出了一种基于遗传算法的影像匹配方法。针对简单的遗传算法易于陷入局部最优的缺点和影像匹配的具体问题,对基本遗传算法作了改进。实验表明,此种方法具有较好的匹配精度和速度,能应用于各种类型的匹配中。     

基于混合遗传算法的码书设计方法

将遗传算法与LBG算法相结合,得到了一种矢量量化码书设计算法.利用遗传算法的全局优化能力得到最优的矢量量化码书;同时,克服了传统遗传算法收敛速度慢的缺点.实验结果表明,文中提出的算法性能上优于LBG算法,且收敛速度较快.     

基于GA的BP神经网络在多目标优化中的应用

针对传统多目标优化的求解方法通常存在目标权值主观性大,优化目标仅为各目标加权和以及在求解过程中各目标优化的不可操作性等问题,文中提出了一种新颖的多目标优化算法,其将改进后的遗传算法与BP神经网络融合,提出了基于遗传算法的BP神经网络融合算法。该算法将遗传算法与BP神经网络算法相结合,充分发挥遗传算法的全局搜索能力优势和BP算法的局部搜索能力特点,使得多目标优化问题得以求解,加快收敛速度,从而提高了收敛精度。     

改进遗传算法在DOA搜索中的应用

在对短时、低信噪比信号测向时。加权子空间测向算法（WSF）的统计性能优于Music，Esprit等测向算法，且可以对相干信号进行检测。但是因为算法实现涉及到非线性多维搜索。因此运算量很大。本文提出的改进遗传算法，是一种运算速度较快的加权子空间算法的实现算法。该算法将免疫算法引入遗传算法中，并与MVP算法相结合。解决了普通遗传算法（CGA）在DOA搜索中易早熟。后期搜索效率低的问题，拥有快速、全局的搜索能力。计算机仿真证明了该算法的有效性和鲁棒性。     

Hybrid genetic-paired-permutation algorithm for improved VLSI placement

This paper addresses Very large-scale integration (VLSI) placement optimization, which is important because of the rapid development of VLSI design technologies. The goal of this study is to develop a hybrid algorithm for VLSI placement. The proposed algorithm includes a sequential combination of a genetic algorithm and an evolutionary algorithm. It is commonly known that local search algorithms, such as random forest, hill climbing, and variable neighborhoods, can be effectively applied to NP-hard problem-solving. They provide improved solutions, which are obtained after a global search. The scientific novelty of this research is based on the development of systems, principles, and methods for creating a hybrid (combined) placement algorithm. The principal difference in the proposed algorithm is that it obtains a set of alternative solutions in parallel and then selects the best one. Nonstandard genetic operators, based on problem knowledge, are used in the proposed algorithm. An investigational study shows an objective-function improvement of 13%. The time complexity of the hybrid placement algorithm is O(N²).     

基于改进遗传算法的捷变相位编码组优化设计

针对低重频相参雷达面临的同频干扰、转发式干扰等问题,设计具有低自相关副瓣和互相关峰的捷变相位编码组是一个有效解决手段。根据脉冲积累后的自相关及互相关峰设计代价函数,提出了一种改进的遗传优化算法来搜索捷变相位码组,该算法加入了种群筛选机制和自适应变异概率策略,弥补了基本算法的缺点,提高了算法的收敛速度。仿真结果表明:在搜索捷变编码组方面改进后的算法优于基本遗传算法。     

改进的遗传算法求解背包问题

为提高遗传算法在解决背包问题时的局部搜索能力,在遗传算法中加入禁忌搜索的思想,用遗传算法做全局搜索,禁忌搜索辅助做局部搜索。文中阐述了遗传算法和禁忌搜索算法的基本思想,并给出了适用于背包问题的模型。通过具体事例测试改进的算法,其结果表明改进后的遗传算法拥有更好的性能和更快的收敛速度。     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

一种新的基于遗传算法的快速运动估计方法

本文提出了一种新的基于遗传算法的快速运动估计方法.该方法对遗传算法进行了改进,采用"阈值法"确定选择算子,并将基因变异所导致的随机搜索与特定目标搜索相结合,解决了以往快速搜索算法易陷于局部最优的问题,大大提高了运动估计速度.该方法还将运动矢量空间一致性原则用于初始种群的选取,进一步提高了算法性能.由于其具备遗传算法固有的规则性和高度并行性,该方法适合于采用VLSI实现实时视频编码器.     

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。     

蚁群算法在求解TSP问题中的改进研究

针对蚁群算法在求解大规模优化问题时存在的3个缺点：消耗时间长、蚂蚁在下次搜索时目标导向不强导致搜索随机性大、寻优路径上的信息素过度增强导致得到假的最优解。本文提出了基于边缘初始化和自适应全局信息素的改进蚁群算法。在相同参数下,其搜索时间大大缩短,并且得到了更好的最优解。将其应用到旅行商（TSP）问题中,和基本蚁群算法、遗传算法相比较,其具有以下优点：较好的搜索最优解的能力;对新解不会过早的终止;探索新解的能力进一步增强。因此,改进的蚁群算法在求解TSP等组合优化问题时非常有效。     

5G NR的小区搜索改进算法

5G NR时代对速率、容量和用户体验都有更高的要求。在5G NR物理层中,小区搜索是不可或缺的过程。小区搜索主要包括主同步信号(primary synchronization signal,PPS)检测算法以及辅同步信号(secondary synchronization signal,SSS)检测算法。传统PSS检测算法和SSS检测算法已无法满足5G NR各项指标的基本需求。为了解决这一问题,在传统M分段互相关检测算法基础上提出了改进PSS检测算法。当信道环境恶劣时,传统SSS检测算法也将失效,提出的改进SSS检测算法可以解决此问题。最后,对传统算法和改进算法进行仿真对比分析。仿真结果表明,改进算法的检测性能明显提升,检测效率和整体性能也提高了。