基于改进遗传算法的定位问题研究

本文提出了一种基于物体影子随时间变化关系进行定位的新型定位方法.通过物体影长的模型与时间的函数关系,建立了基于最小二乘法的优化模型,并采用了遗传算法进行寻优求解,同时对遗传算法进行了一定改进,得到了较传统遗传算法更优的解答,得到的定位精度也较高.     

基于改进遗传算法在无功优化中的应用

遗传算法是一种基于自然选择和遗传机制的搜索算法,适合于求解电力系统无功优化问题。对基本遗传算法进行改进,建立了以有功网损为目标函数的电力系统无功优化计算的数学模型。算法对IEEE14节点系统进行了无功优化计算,结果证明了算法的正确性和有效性。     

基于模拟退火遗传算法的RBF网络的优化

提出了引入模拟退火的遗传算法对径向基函数(RBF)网络中心参数进行优化的算法,算法中选择实数编码,采用引入模拟退火过程的多点交叉和区域内随机波动的变异方法.用此算法作了两个仿真实验:一是对典型的混沌时间序列的预测,二是对被干扰了的图象进行去干扰.结果表明:这种基于模拟退火遗传算法对RBF网络参数的优化是行之有效的.     

基于遗传算法的弹载SAR弹道优化设计

应用改进实数编码遗传算法研究了基于弹载SAR导引头的反舰导弹末制导段的弹道优化设计问题。首先分析了飞行弹道和观测视角对弹载SAR导引头方位分辨率的影响,建立了导弹运动的数学模型,给出了弹载SAR成像对导弹飞行弹道的约束,然后把导弹横向加速度作为优化变量,构建了与方位分辨率和波束驻留时间相关的目标函数。利用改进了交叉变异算子的遗传算法进行仿真,结果表明,弹道优化后的目标函数值相对于零控方式大幅缩减,证明了该方法的有效性。     

基于遗传算法的多峰函数优化

目前,对于整体优化问题已经进行了大量理论研究,并提出了许多基于导数的解析方法和其他非解析的数值优化技术。但是,在实际领域中存在着各种高度复杂的优化问题,其目标函数可能表现为非连续或非处处可微、非凸、多峰和带噪声等各种形式,这类复杂优化问题不适合于采用解析方法,同时用传统上的搜索技术求解也会遇到许多困难。针对上述问题,提出利用遗传算法求解多峰函数的优化方法,新方法利用遗传算法的鲁棒性,对多峰函数进行优化,并用Matlab进行仿真,实验结果表明,遗传算法可以快速稳定地搜索到多峰函数的最优解。     

改进的遗传算法优化氧化钛湿敏元件的模型

以氧化钛湿敏元件等效电路模型中的参数为优化对象,提出一种改进的基于遗传算法的等效电路优化方法。算法在选择操作中加入最优保存策略,并对适应度函数进行适当的调整,从而提高了算法的运行效率和精确度,获得了拟合曲线和适应度函数图。拟合曲线直观地证明了等效电路的正确性,而适应度函数图更是明确地表达了算法的运行效果。改进的遗传算法优化处理程序采用Matlab编程语言实现。     

改进遗传算法在QoS组播路由选择中的研究

QoS组播路由的选择问题本质是从源节点至目的节点间找到满足QoS要求的传输路径,尽管现在有许多文献利用遗传算法对组播路由问题做了研究,但其组播路由费用都比较大,执行时间过长,并且编码难度都比较大,优化效率低。针对这些问题,文中提出了一种改进的遗传算法,该算法综合考虑了带宽约束、时延约束、时延抖动约束、丢包率约束以及路由费用等度量指标,在传统遗传算法的基础上,设计了一种基于应用层业务的自适度函数,改进了染色体编码方式,并且设计了自适应交叉函数与自适应变异函数等多种优化函数。通过仿真结果表明,该改进的遗传算法很大程度上降低了QoS组播路由的费用和执行时间,并且能快速地找到最优QoS组播路径。     

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.     

阵列天线方向图综合中的遗传算法目标函数研究

在基于遗传算法的阵列天线方向图优化问题中,目标函数的选取直接关系到方向图的优化结果和算法的效率。该文针对不同优化目的的目标函数选取方法,比较了各种目标函数对方向图优化的影响,给出了一个在较大范围内通用的目标函数,同时分析了目标函数中的权重的影响。     

多目标优化问题的遗传算法改进研究

基于Nash均衡的思想在NSGA所求得的Pareto最优解基础上,探讨一种能对多目标优化问题进行求解的遗传算法。采用Nash均衡的思想在多目标优化的遗传算法,结合NSGA算法,提出一种能得到多个Pareto最优解的多目标优化算法。通过目标函数线性加权法、NSGA对函数进行了试验分析,对部分自变量进行固定,对其他的自变量进行优化,对Pareto最优解进行持续优化,进而实现加速算法的收敛,从实验中得出了这种算法具有较快的收敛性,但是其运行时间和NSGA相比没有多少改善。     

并行多机调度问题的一种基于组合规则的遗传算法

本文对最小化完工时间并行多机调度问题提出了一种基于组合规则的遗传算法.用遗传算法来优化调度策略,使得在不同的调度阶段,可采用不同的调度规则以提高算法性能,并用计算实例表明了该遗传算法优于基于机器编码的模拟退火算法和遗传算法,并能适用于大规模并行多机调度问题,算法计算量小,鲁棒性强.     

基于人工蜂群算法的支持向量机参数优化及应用

为了解决常用的支持向量机(SVM)参数优化方法在寻优过程不同程度的陷入局部最优解的问题,提出一种基于人工蜂群(ABC)算法的SVM参数优化方法。将SVM的惩罚因子和核函数参数作为食物源位置,分类正确率作为适应度,利用ABC算法寻找适应度最高的食物源位置。利用4个标准数据集,将其与遗传(GA)算法、蚁群(ACO)算法、标准粒子群(PSO)算法优化的SVM进行性能比较,结果表明,本文方法能克服局部最优解,获得更高的分类正确率,并在小数目分类问题上有效降低运行时间。将本文方法运用到计算机笔迹鉴别,对提取的笔迹特征进行分类,与GA算法、ACO算法、PSO算法优化的SVM相比,得到了更高的分类正确率。     

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.     

基于相空间重构与最小二乘支持向量机的时延预测

针对网络控制系统的时延预测问题,提出一种基于相空间重构与最小二乘支持向量机的时延预测方法.首先利用0-1测试法确定时延序列具有混沌特性,引入相空间重构技术提高预测精度.对实际采集的时延序列进行Hurst指数分析,选择最小二乘支持向量机作为预测模型.然后利用C-C方法确定时延序列相空间重构参数,通过递归图确定时延序列的局部可预测性,利用遗传算法对最小二乘支持向量机的参数进行离线优化.最后通过优化后的最小二乘支持向量机并结合相空间重构对时延序列进行在线预测.与其它预测方法进行了仿真对比,结果表明本文方法具有更高的预测精度与更小的预测误差,同时并未降低预测算法的实时性.     

基于改进遗传算法的X波段驻波加速结构优化

针对X波段驻波轴耦合加速管设计,本文提出一种基于改进遗传算法的加速结构多参数自动优化方法。该方法采用MATLAB与电磁仿真软件CST协同,将结构的多个参量进行同时优化,以求得高有效分流阻抗的加速腔结构尺寸。该方法与传统单变量优化方法相比较,可大大节省优化时间,提高了设计效率,同时增加了保持腔体工作频率不变的功能,优化过程中自动调整工作频率至9300MHz,与CST自带遗传优化算法相比更加准确,并缩短了约49.3%的优化时间。对所优化的加速结构进行了加工测试,测试结果验证了优化方案的正确性。     

基于小波包变换和支持向量机的制冷机动静碰摩故障部位识别研究

制冷机在红外遥感领域发挥着极其重要的作用,如果出现故障直接影响探测器的正常工作以及性能,因此,制冷机智能故障诊断具有重要的意义.针对制冷机出现的碰摩故障,提出了一种基于小波包变换、遗传算法、支持向量机的智能故障诊断方法.首先对振动信号做小波变换及时域特征提取组成特征集.利用距离评价技术从特征集中选择敏感特征.利用遗传算法优化支持向量机参数.将特征值输入到优化好的支持向量机中,自动识别机器运行状态.开展制冷机故障模拟实验,结果表明,该方法最终识别准确率达95%,能有效识别制冷机碰摩故障部位.     

基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

Hamilton模型在智慧文旅设计中的应用研究

旅游线路优化问题是旅行规划中一个重要课题,是旅游业发展到一定阶段的必然要求。对传统Hamilton算法进行优化改进,对云南省的5A级景点线路进行了优化。并将该算法设计成程序,便于游客的线路选择。研究结果发现:使用该方法对景点的经纬度数据进行一次分配,便可获最短的旅行线路。这种算法减少了线路选择的时间,操作更加简单,展示了定量研究方法在旅游线路优化设计中的应用潜力。     

一种基于遗传算法的SVM决策树多分类方法

在当前的机器学习领域,如何利用支持向量机（SVM）对多类目标进行分类,同时提高分类器的分类效率已经成为研究的热点之一,有效地解决此问题对于提高目标的识别概率具有较大意义。本文针对SVM多分类问题提出了一种基于遗传算法的SVM最优决策树生成算法。算法以随机生成的决策树构建的SVM分类器对同一测试样本的分类正确率作为遗传算法的适应度函数,通过遗传算法寻找到最优决策树,再以最优决策树构建SVM分类器,最终实现SVM的多分类。将该算法应用于低空飞行声目标识别问题,实验结果表明,新方法比传统的1-a-1、1-a-r、SVM-DL和GADT-SVM方法有更高的分类精度和更短的分类时间。