一种低能耗的片上网络映射算法

对于满足带宽约束的低能耗片上网络映射问题,提出一种基于灾变遗传退火的映射算法.该算法以标准遗传算法为基础,引入Boltzmann选择方法,对遗传操作后的较优个体采用多邻域的模拟退火操作进行优化,对处于停滞状态的种群使用灾变操作重新初始化部分较差个体,跳出局部极值.实验结果表明:与标准遗传算法相比,该算法具有优化性能好,收敛速度快的优点,映射结果比混沌遗传算法平均节能21.7%,有效地降低了片上网络系统通信能耗.     

混沌遗传算法优化管网状态神经网络模型

针对BP算法易陷入局部最优，提出将一种新的混沌遗传算法（CGA）用于全局优化给水管网状态神经网络模型的初始权阈值.该算法将混沌搜索与自适应遗传算法相结合，根据混沌运动的初值敏感性、内在随机性以及遍历性的特点，通过混沌映射搜索自适应遗传算法的较优初始种群，并利用自适应遗传算法进一步寻优，对混沌映射和遗传进化进行循环计算直至达到最大进化代数，最终获得BP模型的较优权阈值.实例分析结果表明，与自适应遗传算法（AGA）相比，该算法搜索稳健，全局搜索能力强，并且新算法优化模型具有更高的预测性能.     

柔性作业车间调度问题的一种混合进化算法

目的 为了克服现有求解柔性作业车间调度问题的算法所存在的早熟现象、收敛速度慢等不足,提出了一种混沌遗传粒子群算法.方法 将遗传算法中的交叉变异策略引入到粒子群算法中,并在遗传粒子群算法中引入了混沌技术.结果 新的混沌遗传粒子群算法,提高了收敛速度和求解精度,有效解决了柔性作业车间调度问题.结论 通过一组测试函数比较了遗传算法、粒子群算法和混沌遗传粒子群算法的性能.仿真计算表明:混沌遗传粒子群算法具有收敛快、优化性能好的优点.     

基于距离测度的实数编码自适应遗传退火算法

提出一种基于距离测度的实数编码自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.空间距离密集度越高的个体,其交叉概率和变异概率也越高.算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明该算法有效.     

改进混合蛙跳优化的片上网络低功耗映射算法

随着片上网络集成度的提高,低功耗映射逐渐成为研究的热点.文中利用调整序思想,将混合蛙跳算法应用到片上网络低功耗映射问题中;同时对混合蛙跳算法进行改进,引入自适应混沌方法优化较差个体,采用多邻域退火策略优化较优个体.实验结果表明,相比于传统混合蛙跳算法和模拟退火混合蛙跳算法,改进混合蛙跳算法具有更优的搜索能力,从而能进一步降低通信功耗.     

基于混沌遗传算法的永磁无刷电机优化设计研究

以永磁无刷直流电机为研究对象,介绍了遗传算法中的自适应交叉和自适应变异,在此基础上,提出了一种应用于永磁无刷直流电机的新型混沌遗传优化算法。给出了遗传算法操作设计步骤和永磁无刷电机优化设计的流程图,完成了混沌遗传算法优化设计的理论推导。利用MATLAB软件对优化算法进行编程和仿真分析,得到电机优化前后参数对比表和混沌遗传算法寻优跟踪图,结果显示新型混沌遗传优化算法迭代次数短,优化效果好,可以为永磁无刷电机优化设计提供理论参考。     

改进自适应遗传模拟退火算法的结构优化设计

为提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行改进.引入一种基于个体适应度值的自适应遗传算法,并将遗传算法和模拟退火算法结合形成一种混合算法,从而提高算法的运行效率和计算精度.算例表明改进的自适应遗传模拟退火混合算法较基本遗传算法更加有效.     

采用混合遗传算法的敏捷卫星自主观测任务规划

为改进敏捷卫星观测大规模地面目标点时传统的遗传算法求解效率低下的问题,提高智能优化算法的求解效率,改进了传统的遗传算法,提出了禁忌退火遗传混合算法。首先,考虑到航天器在观测地面目标点的过程中所面临的时间约束、姿态轨道动力学约束等多种约束条件,建立了相应的适应度函数。所提出的适应度函数能够兼顾高观测收益与低观测能耗,反应了实际工程问题的观测需求。随后,为改进传统遗传算法的变异过程,提出了禁忌退火变异方法。这一变异方法在个体变异寻优的过程中,引入了禁忌搜索方法与Metropolis法则,提高了算法搜寻到全局最优解的概率,加快了算法的收敛速度。研究结果表明,与传统的遗传算法相比,禁忌退火遗传混合算法节省了约40%的算法运行时间,该算法的运行效率也高于退火遗传算法、禁忌遗传算法等其他种类改进的遗传算法,从而验证了禁忌退火遗传混合算法求解敏捷观测卫星任务规划问题的高效性。     

基于改进GA的云计算任务调度策略

针对传统遗传算法在云计算任务调度过程中的收敛速度慢和易早熟等问题,提出了一种基于遗传优化算法的双适应度函数改进算法.该算法采用任务完成时间和任务完成成本为双适应度函数,引入个体相似度概念来提高种群质量;采用并列选择法进行选择操作,并且采用自适应规则约束交叉和变异操作,提高种群个体质量,加速进化策略可以有效地避免早熟.结果表明,改进的遗传算法有效地加快了云任务作业调度的收敛速度,并改善了易早熟等现象.     

离散变量结构优化的斐波那契遗传算法

提出了一种求解离散变量结构优化设计问题的斐波那契直接搜索方法;通过在遗传算法中定义斐波那契算子,与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法斐波那契遗传算法。通过自适应的退火因子和罚函数来处理约束条件,使算法逐渐收敛于全局可行最优解。计算结果表明,这种混合遗传算法对于离散变量结构优化问题的求解具有较快的收敛速度,且能以很大的概率求得全局最优解。     

SoC hardware/software partitioning algorithm for multi-performance index constraints

A new partitioning algorithm based on adaptive chaotic genetic annealing is proposed to solve the hardware/software partitioning problem of System on Chip (SoC) on the multi-performance index. A new objective function with different proportions of punishment based on multi-constraints is presented in this algorithm which is based on the genetic algorithm. The chaos operation is employed to generate the initial population, and the adaptive mutation operator is adopted. Individuals with poor fitness are optimized by the adaptive chaos strategy as the population individuals which tend to be similar. The optimum individuals upon genetic manipulation are optimized by the annealing strategy. Simulation results suggest that the algorithm can reduce the least power consumption by 9.8％ and 4.7％ in the case of 200 nodes, and by 5.6％ and 4％ in the case of 300 nodes, respectively, compared with the simulated annealing algorithm and genetic algorithm.     

A combination algorithm of Chaos optimization and genetic algorithm and its application in maneuvering multiple targets data association

The most important problem in targets tracking is data association which may be represented as a sort of constraint combinational optimization problem. Chaos optimization and adaptive genetic algorithm were used to deal with the problem of multi-targets data association separately. Based on the analysis of the limitation of chaos optimization and genetic algorithm, a new chaos genetic optimization combination algorithm was presented. This new algorithm first applied the "rough" search of chaos optimization to initialize the population of GA, then optimized the population by real-coded adaptive GA. In this way, GA can not only jump out of the "trap" of local optimal results easily but also increase the rate of convergence. And the new method can also avoid the complexity and time-consumed limitation of conventional way. The simulation results show that the combination algorithm can obtain higher correct association percent and the effect of association is obviously superior to chaos optimization or genetic algorithm separately. This method has better convergence property as well as time property than the conventional ones.     

基于GA和LEACH的WSN引入交通层路径优化算法

针对WSN节点中分层分簇路由算法存在能耗不均衡、簇首能耗高的问题,提出了一种基于GA和LEACH的WSN引入交通层路径优化算法。该算法基于ZigBee协议引入了新的拓扑结构,并优化了基于距离和能量因素的阈值函数,从而对WSN进行优化。仿真结果表明,在增加9%整体耗能的前提下,减少了关键簇首95%的通信能耗,有效地提高了WSN能耗均匀性,并延长了WSN 1~3倍的整体工作寿命。     

Low energy consumption NoC mapping algorithm based on the modified electromagnetism-like mechanism

A low-energy mapping algorithm based on the modified electromagnetism-like mechanism is proposed. Real number coder is used to realize the transformation of electromagnetism-like algorithm from continuous to discrete space. To improve the initializing particle quality and the algorithm efficiency, roulette wheel selection is used for population initialization. Adjustment sequence is designed to improve the efficiency of searching local fine particles. The new charge formula is proposed to get the force, and some particles are filtered out to improve the efficiency. Experimental results shows that the proposed algorithm is more efficient in energy optimization. Compared with the existing genetic algorithm and ant colony algorithm, the electromagnetism-like mapping algorithm has a more evenly distributed energy consumption, and the algorithm can also save 20.35％ and 12.58％ energy on average.Thus the energy consumption of the NoC is effectively reduced.     

基于自适应整体退火遗传算法层叠滤波器的优化设计

层叠滤波器是基于信号阈值分解而发展起来的一种具有层叠性和阈值性的新型非线性数字滤波器.层叠滤波器的优化设计过程实际上就是对正布尔函数不断调整、逐步适应图像环境的优化学习过程.原有遗传算法优化的层叠滤波器易陷于局部最优化,文中鉴于这一点,将退火因子引入到选择算子中,并根据每代优化个体的不同,自适应的选取交叉概率和变异概率,提出一种自适应整体退火遗传算法(AWAGA)优化层叠滤波器,并研究在MSE准则下优化算法的性能.仿真结果表明用AWAGA优化的层叠滤波器在处理噪声图像时,能有效地去除噪声和保持图像细节.     

基于差分进化算法的供热节能控制系统

针对公共建筑集中供热系统能耗高、自动调节和实时监控难度大的问题,将数字温度传感器、芯片控制技术及CAN总线技术结合到一起,设计了一种基于差分进化算法的神经网络控制的公共建筑集中供热系统.系统具有降低遗传算法复杂性、快速收敛的优势,且自适应能力较强,能够实现供热流量自动调节和网络实时监控.为了验证该系统的节能效果,与传统节能控制系统的供热消耗进行了试验比较,结果表明,该系统最低平均节能10.1%,最高节能16.3%,节能效果更好.     

一种新的自适应退火遗传算法

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能。基于这个思想提出一种新的自适应退火策略用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了自适应处理,以进一步改善算法的稳定性和收敛性。基于典型算例的仿真结果验证了该算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法。