噪声环境下遗传算法的收敛性和收敛速度估计

 问题求解的环境往往非常复杂,不确定的环境因素、人为因素等都可导致问题处于噪声环境,从而影响实际优化问题的目标函数值的评价.噪声环境下遗传算法的研究在国内外均起步较晚,特别是收敛性和收敛速度的分析是该领域急待解决的问题.本文根据优胜劣汰遗传算法的特性,基于吸收态Markov链的数学模型证明了噪声环境下优胜劣汰遗传算法的收敛性,提出了噪声环境下优胜劣汰遗传算法的首达最优解期望时间的估算方法.     

实数遗传算法交叉策略的改进

本文介绍了实数遗传算法交叉策略的一种改进方法,采用新的交叉策略决定遗传算法中子代个体的位置,可以使子代快速地向更高适应度的区域移动.实验结果说明使用这种改进的实数遗传算法可以极大地提高算法获得最优解的速度.     

改进遗传算法在智能排课系统中的研究与应用发展

由于排课系统存在诸多影响因素,导致排课过程中难以达到最优解.教室,时间,教师,课程和班级都在我们的考虑范围内,各个因素既互相制约,又有矛盾的方面.时间和空间的配给直接影响到排课系统的效率.利用遗传算法,通过候选解的不断适应,找到一代的优化解遗传给下一代,不断优化,能够在最优解方面有较好的性能.本文通过改进进化策略和智能进化的方法,智能排课系统达到了较好的优化指标和优化速度.     

碎片标签天线优化中的控制参数和策略研究

遗传算法的控制参数和策略对算法的运行性能有显著影响,如何合理选取仍有争议.文中以新型碎片标签天线的优化设计为背景,研究控制参数和策略的选取,综合最大适应度和收敛速度两个指标得到了最优策略及其控制参数范围.结果表明,策略的性能和控制参数的取值密切相关,通过合理选取优化策略和控制参数,可以大大减小优化时间,提高天线设计效率.     

用遗传算法评价部分股市常用技术指标的探索

遗传算法是用来搜索最优或次优解的很好的工具.本文采用遗传算法对股市的技术指标寻求最优使用策略,并用此策略得出最大利润,用来比较各技术指标的优劣.本文采用一个基本的策略,就是寻找技术指标和对应的差分的某个限值作为买卖的条件,在此基础上,评价指标.     

基于自适应SAGA的测试数据自动生成

结合遗传算法（GA）的并行搜索结构和模拟退火（SA）的概率突跳性，并结合使用自适应的交叉算子和变异算子，提出了一种高效的自适应的SAGA混合优化算法。在自主开发的结构性测试工具WBoxTool中，使用自适应SAGA混合优化策略进行测试数据自动生成，并通过实例对基本遗传算法、自适应遗传算法和自适应SAGA进行了比较，结果表明自适应SAGA具有更强的搜索能力，可以更快的发现全局最优解。     

一种基于实数编码遗传算法的常模盲均衡

盲均衡可以看作代价函数优化问题。为了改进经典常模算法的性能,研究了利用实数编码遗传算法的常模盲均衡,把均衡器系数向量作为遗传算法的决策变量,采用轮盘赌选择和精英保留策略相结合的混合选择算子、算术交叉算子和非均匀变异方式,经过一系列的遗传操作,搜索到适应度值最高的个体,即均衡器的最优系数。计算机仿真结果证明了算法具有收敛速率快、能够搜索到全局最优解等特点。     

SVDD参数优化的有限穷举—局部遗传算法及故障检测应用

针对支持向量数据描述(SVDD)训练过程中的参数优化问题,提出了一种有限穷举—局部遗传算法.首先,在分别分析参数C和σ对SVDD分类性能不同影响的基础上,得到参数σ是影响分类性能主因的结论.然后针对σ的优化问题,通过穷举有限个整数解并比较其分类性能来确定近似最优解,在近似最优解的领域内用遗传算法进行局部搜索,最终得到精确的优化参数.仿真实验及电路故障检测应用结果表明:算法有效避免了参数搜索的盲目性,能以更短的时耗逼近最优解.     

基于新的遗传算法的模糊C均值聚类用于遥感图像分割

标准FCM对噪声十分敏感,并且依赖于初始聚类中心选择,算法通常得到的是局部最优解而非全局最优解。针对此问题提出一种基于猴王遗传算法的改进的FCM算法.猴王遗传算法是一种新颖的全局优化搜索算法,具有高效的计算性能和优良的全局搜索能力。本文首次将猴王遗传算法（MKGA）与结合空间领域信息的FCM相结合,利用改进的FCM算法的目标函数建立适应度函数,利用猴王遗传算法搜索全局最优解,代替FCM的基于梯度下降的迭代过程,从而有效地避免了模糊C-均值聚类算法收敛到局部最优和对噪声敏感的问题。在此基础上实现了对遥感图像的聚类分割。实验结果表明,该算法对于遥感图像显示了较好的分割效果和较强的抗噪能力。     

基于混合遗传算法的中央空调空调水系统控制方法

针对空调系统在固定参数模式下能耗高的问题,本文提出了一种基于混合遗传算法的中央空调水系统控制方法.混合遗传算法融合了爬山法和标准遗传算法,有利于避免算法陷入局部最优解,并且可以快速找到全局最优解,适合于空调水系统的控制优化问题.实验结果表明,空调水系统的能耗优化模型在混合遗传算法下可以快速找到最优的运行参数,方法显著的降低了空调水系统的能耗.     

基于复数GA的波束空间自适应调零处理

建立了直接辐射阵列多波束天线波束形成的数学模型.提出一种改进的复数编码遗传算法,在算法的初期和后期采用不同的配对方案,在奇数代和偶数代分别采用外推、内插和正交外推内插算子,克服了已有算法的早熟和对初始群体依赖等缺陷,提高了算法的全局收敛能力.采用记忆算子使算法能够对抗位置跳变干扰.模拟实验结果表明,该波束空间自适应调零新方法能够应用于LEO卫星抗干扰,且调零分辨率高、性能稳定可靠,可以获得比传统自适应波束形成算法更好的干扰抑制性能.     

Fuzzy channel-optimized vector quantization

A novel fuzzy clustering algorithm for the design of channel-optimized source coding systems is presented in this letter. The algorithm, termed fuzzy channel-optimized vector quantizer (FCOVQ) design algorithm, optimizes the vector quantizer (VQ) design using a fuzzy clustering process in which the index crossover probabilities imposed by a noisy channel are taken into account. The fuzzy clustering process effectively enhances the robustness of the performance of VQ to channel noise without reducing the quantization accuracy. Numerical results demonstrate that the FCOVQ algorithm outperforms existing VQ algorithms under noisy channel conditions for both Gauss-Markov sources and still image data     

噪声环境下语音多子带端点检测方法

为了克服传统端点检测算法在有噪环境下的不足,提出了一种新的语音多子带端点检测算法,它能根据子带背景噪声大小动态设置门限.实验结果表明,所提出的算法较传统的检测方法有更好的检测性能.     

Blind signals separation with genetic algorithm and particle swarm optimization based on mutual information

Blind source separation technique separates mixed signals blindly without any information on the mixing system. In this paper, we have used two evolutionary algorithms, genetic algorithm and particle swarm optimization for blind source separation. In these techniques a novel fitness function that is based on the mutual information and high order statistics is proposed. In order to evaluate and compare the performance of these methods, we have focused on separation of noisy and noiseless sources. Simulations results demonstrate that the proposed method for employing fitness function has rapid convergence, simplicity and a more favorable signal to noise ratio for separation tasks based on particle swarm optimization and continuous genetic algorithm than binary genetic algorithm. Also, particle swarm optimization enjoys shorter computation time than the other two algorithms for solving these optimization problems for multiple sources.     

基于遗传算法的自动组卷策略

自动组卷是一个多约束条件的最优求解问题,传统组卷算法存在速度慢、成功率低、组卷质量不高等不足,已不符合现行要求。为此,文中采用整段交叉,段内变异的方法,通过确定适应度函数和遗传算子探索了遗传算法在自动组卷中的应用,在一定程度上克服了已有算法的不足,并用算例验证了其有效性及适用性。     

噪声环境下说话人识别的组合特征提取方法

针对在干净语音环境下识别率很高的说话人识别系统,在噪声环境下识别率显著降低的缺点,本文结合具有多分辨率分析特点的小波变换技术,提出一种基于小波变换的组合特征提取算法,以提高说话人识别系统在噪声环境下的识别性能。对40个说话人的语音库SUDA2002-D2,在噪声环境下进行的识别实验结果表明,本文提出的组合特征提取算法可以在噪声环境下有效地提高说话人识别系统的识别性能。     

自适应免疫遗传算法在认知决策引擎中的应用

提出一种自适应免疫遗传算法,设计自适应免疫遗传算子。该算法利用交叉率和变异率自适应调整策略,既防止交叉变异中的个体退化,又保证种群的多样性,并能快速收敛到全局最优解。仿真分析表明,与遗传算法等其他算法相比,该算法具有收敛速度快、平均适应度高、稳定性好等优点,能满足认知引擎参数优化的需要。     

Estimation of 2-D noisy fractional Brownian motion and itsapplications using wavelets

The two-dimensional (2-D) fractional Brownian motion (fBm) model is useful in describing natural scenes and textures. Most fractal estimation algorithms for 2-D isotropic fBm images are simple extensions of the one-dimensional (1-D) fBm estimation method. This method does not perform well when the image size is small (say, 32x32). We propose a new algorithm that estimates the fractal parameter from the decay of the variance of the wavelet coefficients across scales. Our method places no restriction on the wavelets. Also, it provides a robust parameter estimation for small noisy fractal images. For image denoising, a Wiener filter is constructed by our algorithm using the estimated parameters and is then applied to the noisy wavelet coefficients at each scale. We show that the averaged power spectrum of the denoised image is isotropic and is a nearly 1/f process. The performance of our algorithm is shown by numerical simulation for both the fractal parameter and the image estimation. Applications to coastline detection and texture segmentation in a noisy environment are also demonstrated.     

基于DTW的孤立词说话人识别研究

利用遗传算法优越的全局搜索能力对传统DTW算法进行改进,重点研究遗传动态时间规划算法（GA_DTW）的实现机理、编码方式、适应度函数设计、种群初始化、选择机理、交叉运算、变异操作和终止策略。实验结果表明,在孤立词的说话人识别上,该算法具有识别率更高、耗时更少的优点。     

Robust multichannel least mean square-type algorithms with fast decaying transient for blind identification of acoustic channels

The multichannel least mean square (MCLMS) is an attractive and effective algorithm for blind channel identification in the noise-free case. Some recent studies show that the performance of the MCLMS algorithm significantly deteriorates in a noisy environment, that is, the blind MCLMS solution does not remain collinear with the channel vector. Therefore the authors propose non-conventional technique that helps the MCLMS algorithm converge to a novel steady-state solution that is a weighted combination of all the eigenvectors, with the weight profile inversely proportional to the eigenvalues. The improved performance of the proposed solution is verified both analytically and numerically. The algorithm is then optimised by introducing an adaptive step size that ensures fast decay of the transient response, giving stability as well as rapid convergence to the final solution. The authors then apply the proposed technique to different variants of the MCLMS algorithm, including frequency-domain implementations, to achieve a noise-robust performance. Computer simulations are presented that show improved performance of the proposed algorithms for blind identification of both acoustic and random channels with noise.