基于改进混沌遗传算法的无人机航迹规划

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主规划的关键。提出了一种基于混沌遗传算法的航迹规划方法,该方法首先由Voronoi图生成初始航迹,然后采用混沌遗传算法在生成的航迹空间中寻优。主要对近年来出现的混沌遗传算法进行了改进以使其更具智能化。该方法采用幂函数载波代替传统混沌优化算法中的线性载波;为进一步提高混沌映射迭代序列的均匀性,提出了确定区间的随机幂指数概念并将其应用到混沌遗传算法中。仿真结果表明,该方法可以提高混沌遗传算法收敛的精确性。     

自适应引导进化遗传算法

该文提出一种自适应引导进化遗传算法。算法中采用佳点集方法产生初始种群,结合保留精英个体策略,对种群进行分割,各子种群并行交叉变异,且其中一个子种群为随机产生的。为提高算法收敛速度,分别对各子种群中较优个体进行优秀基因位统计,据此对其它个体采取一种自适应引导变异操作。通过将算法运行过程建模为有限齐次马氏链,证明了算法的全局收敛性和收敛快速性。实验结果表明,自适应引导进化遗传算法较其它的遗传算法在收敛速度和准确度上都有较大提高。     

基于Voronoi图和遗传算法的航迹规划

面对复杂的作战环境,如何快速地规划出满足约束条件的飞行轨迹,是实现无人机突防攻击的关键.提出了一种基于Voronoi图和改进遗传算法的航迹规划方法,该方法采取分层规划的思想,首先由Voronoi图生成初始航迹,并综合考虑约束条件,赋予各条航迹相应的权值;然后采用遗传算法在生成的航迹空间中寻优, 从而得到满意的航迹.为避免产生不可行解,采取了基于优先级编码的改进遗传算法,详细介绍了其编码与解码原理,并给出了相应的操作算子.仿真结果表明,整个航迹规划的思路是可行的.     

混合优化策略在巡航导弹多航迹规划中的应用

为保证巡航导弹低空突防的成功率,在航迹规划时必须设计出以最小代价的可接受航程为目标的航迹。提出一种基于混合优化策略的航迹优化方法。该方法通过用退火机制来减轻遗传算法中的选择压力,将模拟退火和遗传算法相结合用于航迹优化,增强了航迹优化算法的全局收敛性和提高了算法的收敛速度。同时方法中还采用了聚类算法,将各条航迹按照其空间分布,化成不同的多个种群,进化后可得到不同区域的优化航迹,从而有效地保持了解的多样性,能一次生成多条航迹,可满足通常航迹优化过程中生成多条航迹的要求。最后的仿真结果表明了该方法的可行性和有效性。     

基于改进形式的遗传算法研究

为了克服遗传算法的一些缺点，从遗传算法初始群体的均匀生成、十进制整数与实数混合编码方式的采用、遗传算予的自适应生成、最优个体的无遗传保留等策略上改进了现有遗传算法，提出了一种改进形式的遗传算法。仿真实验表明，该改进遗传算法能大大提高遗传算法的收敛速度，有效防止“早熟”现象，明显改善了算法的计算稳定性。     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

一种改进的网格资源配置算法的研究与设计

网格资源优化配置问题是一个NP问题,遗传算法可以有效地解决这类问题.针对基本遗传算法收敛速度慢的不足,提出一种改进的遗传算法.该算法通过产生符合条件的初始种群和保护优秀个体的交叉策略,提高了算法的搜索能力和收敛速度.提出的算法综合考虑了资源任务的通信代价、任务执行时间和资源利用率等参数;并结合网格资源的特点,将所有资源统一描述和对待,扩展了资源的概念,具有实际应用意义.     

实数遗传算法的改进及性能研究

提出一种粒子群优化方法(PSO)与实数编码遗传算法(GA)相结合的混合改进遗传算法(HIGAPSO).该方法采用混沌序列产生初始种群、非线性排序选择、多个交叉后代竞争择优和变异尺度自适应变化等改进遗传操作;并通过精英个体保留、粒子群优化及改进遗传算法(IGA)三种策略共同作用产生种群新个体,来克服常规算法中收敛速度慢、早熟及局部收敛等缺陷.通过四个高维典型函数测试结果表明该方法不但显著提高了算法的全局搜索能力,加快了收敛速度;而且也改善了求解的质量及其优化结果的可靠性,是求解优化问题的一种有潜力的算法.     

基于IAFSA和AGA混合算法的移动机器人路径规划

针对人工鱼群算法在移动机器人路径规划中存在易陷入局部最优、结果精度不高以及遗传算法存在易早熟、收敛速度慢等问题,提出一种改进人工鱼群算法(IAFSA)和自适应遗传算法(AGA)相融合的移动机器人路径规划方法。首先用栅格法建立移动机器人的环境模型,然后用IAFSA搜索移动机器人的初始可行路径,将搜索到的初始可行路径作为AGA的初始种群,最后采用AGA优化移动机器人的全局最优路径。仿真结果表明,混合算法在结果精度和稳定性方面优于标准人工鱼群算法,在跳出局部最优和收敛速度方面优于标准遗传算法。     

改进RRT无人机航迹规划算法

针对RRT（快速扩展随机树）航迹规划算法在未知环境下缺乏较强目的导向性和偏离较优解的问题,提出基于引导向量的RRT与滚动规划窗口相结合的航迹规划方法.改进的RRT算法加入方向引导因子,限制节点扩展范围,增强RRT生长的目的性.采用对比择优扩展,生成多个可行解,通过比较得到较优解.计算机仿真实验结果表明,改进的RRT航迹规划算法在未知环境中能够很快收敛于较优解,该算法用于解决未知环境下的航迹规划问题是可行的.     

基于改进BP神经网络的数字识别

针对BP(Back Propagation)神经网络易陷入局部极小、收敛速度慢的缺点,提出了一种新的BP神经网络改进算法.与标准BP算法比较,该系统通过结合附加动量法和自适应学习速率形成新的BP改进算法.附加动量法虽然可以使BP算法避免陷入局部极小,但是对初始值的选取比较敏感,而且选取合适的学习速率比较困难.而自适应学...     

基于遗传算法的TSP问题求解与仿真

TSP问题常用的自然编码方式在进行遗传操作时,会产生不合法路径.设计了一种新的编码方式,能有效避免这一问题,遗传操作简单易行,无需对不合理的基因片段进行合法化修正.在求解过程中,为了解决遗传算法的收敛速度和全局收敛性之间的矛盾、避免早熟,运用了Doping策略和参数切换方法.最后进行了仿真测试.结果表明,该算法能迅速淘汰劣解,具有较快的收敛速度;能有效遏制早熟,对不同规模的TSP问题能有效求得最优解.     

云计算任务调度算法的改进简

云环境下的工作流,进行合理的任务调度,可以克服地理限制,节省资源,从而提高用户的满意度。本文提出改进算法：快速非支配排序贝叶斯算法NSGAboa,该算法是快速非支配排序算法NSGAII和贝叶斯算法BOA的结合,根据种群中个体间的分布收敛程度来改变产生个体的方法,利用了种群个体信息和全局信息。实验证明该算法使得最优解的分布更加均匀,加快了个体产生的速度,缩短了种群的收敛速度。     

飞行器参数辨识的一种演化计算方法

将混合遗传算法应用于飞行器气动参数辨识。该方法结合了遗传算法的全局寻优能力和极大似然法的局部寻优能力，使得混合遗传算法不受极大似然法初值选取的影响，同时也解决了遗传算法收敛速度慢和收敛精度较低的问题。在混合遗传算法寻优过程中，仅对最优个体和变异后的个体执行局部寻优操作，从而使得混合遗传算法的计算量维持在一个适当的水平。最后，一个飞行器纵向模型气动参数的辨识仿真表明：混合遗传算法的收敛性和精度都远高于没有采用局部寻优策略的遗传算法。     

粒子群阵列天线方向图适应值函数研究

在粒子群算法优化阵列天线方向图时,适应值函数的选取对算法收敛和优化效率都有着至关重要的影响。针对复杂多指标方向图优化容易早熟收敛,提出了一种分步的适应值函数策略,通过分阶段提高优化指标,可以更好地促进算法收敛和提升优化效率。仿真结果表明:将此适应值策略应用于天线方向图综合中,在不改变算法本身的同时,可以在多零点和低旁瓣约束情况下取得更好的优化效果。     

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。     

一种空时CDMA系统的多用户检测算法

多用户检测技术在实际应用中,难以解决的问题是在减少计算复杂度的同时又提高系统性能。本文针对空时CDMA系统设计了一种多用户检测算法,即附带噪声梯度的最速下降算法。此算法利用变步长迭代的思想实现多用户检测,避免了最小均方误差(MMSE)多用户检测庞大而复杂的求逆运算和固定步长收敛速度较慢的问题。计算机仿真结果表明,在空时CDMA系统中使用本文算法,收敛速度大大增加,同时在保持系统性能的前提下能够容纳较多的用户。     

基于线性递减系数粒子群优化算法的组卷实现

为了避免目前常用的组卷算法组卷时间长、程序结构复杂、收敛速度慢等缺陷,提出基于线性递减系数粒子群优化算法的组卷策略。通过调整惯性系数,使得步长较小,惯性权系数的变化幅度小,这种减小趋势较为缓慢的方法能够避免陷入局部最优。并对数学模型以及线性递减惯性权系数进行了理论设计,同时通过编程实现了该算法。测试结果表明加入线性递减系数后运算迭代次数明显减少,证明加入线性递减系数后的组卷策略收敛性好,能够高效准确地按照一定的预期条件进行组卷,符合预期要求。     

基于独立混合模型的EM算法参数初始化实现方法

隐马尔科夫树( Hidden Markov Tree, HMT )的状态不能被观测到,只能观测到另一个与状态有联系的量,通过观测量估计HMT模型参数是一个不完全数据参数估计问题。期望最大化( Expectation Maximization, EM )算法是一种求参数极大似然估计的迭代算法,可以用于解决不完全数据参数估计问题,因此被广泛应用于HMT模型的参数估计中。当初始参数偏离真实参数较大时,EM算法迭代次数多,收敛速度慢,通过一个计算量不大的参数初始化处理,能够有效减少EM算法的迭代次数,加快收敛速度。本文提出了一种基于独立混合模型的参数初始化方法,详细介绍了该方法的实现过程,通过采用独立混合模型进行参数初始化,使得EM算法的迭代次数明显减少,收敛速度大大提高。最后,计算机仿真验证了该方法的可行性和有效性。      

基于遗传聚类算法的Web日志挖掘研究

K-均值聚类对初始聚类中心的选取较敏感,容易陷入局部最优.将改进的遗传算法与K-均值聚类相结合,以优化聚类中心.在种群进化过程中,父代个体均从种群中适应度高的个体中选择,同时,根据个体适应度动态调节交叉概率和变异概率,避免早熟现象.文中采用改进的遗传算法,对学院网站服务器上的Web日志进行用户和页面聚类,达到了很好的聚类效果.