遗传算法的FPGA硬件实现

针对遗传算法软件实现速度慢、效率低的缺点,提出了便于算法实现的串行和流水线两种硬件实现方案。详细描述了设计方案,选择算子、交叉变异算子结构,种群以及适应度的存储和流水线结构,并在流水线中引入并行机制。利用函数极值和旅行商问题分别对方案的资源耗费、运行速度的有效性进行了验证。实验结果显示,这两种硬件实现方法结构简单,资源耗费少,运算速度和运行效率较软件实现大大提高,运行速度平均提升2~3个数量级,为算法在一些实时性要求较高的场合得到应用提供了良好基础。     

求解TSP问题的遗传算法硬件实现

旅行商问题(TSP)是一个经典的、易于描述却难以处理的组合优化问题,被证明属于NP完全问题,在实际中有着广泛的应用,因此快速、有效地解决TSP问题有着重要的实际应用价值.遗传算法是一种模拟生物进化启发式全局优化搜索算法,在组合优化领域得到了相当广泛的研究.文中根据硬件的特点,用遗传算法来求解TSP问题,并用Handel-C语言对算法进行编程,最终在FPGA上实现对TSP问题的求解,真正做到了用软件的方法来设计硬件,有效地缩短了系统实时响应周期,提高了系统的可靠性,为设计高速运行的复杂算法提供了可能.     

基于FPGA的遗传算法的实现

遗传算法是基于自然选择法则的一种鲁棒并行计算方法,它可广泛应用于各类分布式与集中式的工业优化控制过程中。遗传算法本质的并行性及其操作的简单性使其非常适合用现场可编程逻辑器ＦＰＧＡ实现。提出了一种基于ＦＰＧＡ的遗传算法的硬件系统,实现了高效并行计算平台。     

基于遗传算法的旅行商问题仿真实现

从应用的角度讨论了基于遗传算法的旅行商问题（Travelling Salzesman Problem，简称TSP）的求解方法，在应用遗传算法求解旅行商问题时，参数值的不同设定对解有不同的影响，结合旅行商问题具体实例，对参数值的变化进行了观察，当选择Pc=0.5,pm=0.001时，得到了较为理想的最短旅行路径。     

一种改进的遗传算法及其在TSP中的实现

TSP问题是典型的NP完全问题，遗传算法是求解NP完全问题的一种方法。文章针对TSP问题．提出了一种改进的遗传算法。在遗传算法中引入进化算法的思想，在此基础上提出顶端培育策略和分阶段策略，以求在保证群体多样性的同时加快收敛速度。在算法的仿真和测试中，改进后的算法明显优于传统的遗传算法。这表明，该算法具有良好的可行性和实用性。     

遗传算法TSP问题的实现及免疫优化

本文介绍了遗传算法的基本知识，并利用遗传算法解决TSP（旅行商）问题，在此基础上，用免疫遗传算法进行优化对比。     

基于DSP+FPGA的实时信号采集系统设计与实现

为了提高对实时信号采集的准确性和无偏性,提出一种基于DSP+FPGA的实时信号采集系统设计方案。系统采用4个换能器基阵并联组成信号采集阵列单元,对采集的原始信号通过模拟信号预处理机进行放大滤波处理,采用TMS32010DSP芯片作为信号处理器核心芯片实现实时信号采集和处理,包括信号频谱分析和目标信息模拟,由DSP控制D/A转换器进行数/模转换,通过FPGA实现数据存储,在PC机上实时显示采样数据和DSP处理结果;通过仿真实验进行性能测试,结果表明,该信号采集系统能有效实现实时信号采集和处理,抗干扰能力较强。     

基于FPGA+DSP的数字化LCR设计与实现

以矢量化伏安法为研究背景,设计出一种基于软件无线电思想的高集成度、通用性强的数字化阻抗测量系统。该测量系统采用现场可编程门阵列FPGA及高速浮点数字处理芯片DSP为主要处理器,通过EMIF外部总线拓展接口及强大数据处理能力,结合时钟、电源、DAC数模转换和ADC模数转换模块,形成了并行与浮点计算优势互补的数字信号处理系统,解决了数字化矢量伏安法基带信号的并行处理及复杂的浮点模型解算问题,该系统能具有体积小、精度高等特点,经过实际试验测试,该系统性能稳定,具有广泛的运用前景。     

基于DSP+FPGA的新型弹载计算机设计与实现

以某型号导弹飞行试验为研制背景,设计出一款精度高、通用性强的新型弹载计算机。该弹载计算机以高性能DSP和FPGA为系统框架,通过其丰富的外围接口和强大的处理能力,结合AD5764转换模块、MAX3490通信模块、ADUM1401四通道数字隔离器和ULN2801达林顿管驱动器组成的离散量输出等模块,解决了弹载计算机与弹上飞控部件之间复杂的并行数据处理以及多种控制算法实时解算问题,具有体积小、重量轻、精度高、实时性好等特点。经过多次飞行试验表明,该弹载计算机具有较高的可靠性和稳定性,应用前景非常广泛。     

一种ARM+DSP协作架构的FPGA验证实现

介绍了以ARM+DSP体系结构为基础的FPGA实现。在其上验证应用算法,实现了由ARM负责对整个程序的控制,由DSP负责对整个程序的计算,最大程度地同时发挥了ARM和DSP的各自优势。     

利用GA决策理论模型增强信息系统的生存性

生存控制器被广泛地应用在关键的信息系统中。生存控制器的一个重要功能是做决策,也就是基于收益评价从用户给出的行动集合中选择相应的行动序列。因此,决策的质量决定了控制器的能力。寻找一个有效地解决方案来确定获得最大收益的行动序列（AS）。AS是一个背包问题（KP）和旅行商问题（TSP）的混合体。以GA有效解决组合优化问题的方法论为基础,针对AS问题设计了特殊的编码和有效的遗传操作。通过与贪心算法进行比较,模拟实验结果证明了遗传算法的有效性和实用性。     

基于遗传算法的TSP问题优化求解

旅行商问题（TSP）是典型的NP完全问题,本文运用遗传算法求解TSP问题,提出了该算法在解决这一问题中的一些处理方法,使用该算法能够较快地求出一批最短路径,可根据需要设置叠代代数,求得理想最优解。     

遗传算法中排列问题的编码研究

针对排列问题的编码方法一直是遗传算法应用中的重要研究领域。采用各种传统编码方法的编码表示空间通常远远大于实际的问题空间,这不但提高了各算子设计的复杂性,同时很大程度上降低了收敛速度。文章提出了一种针对排列问题基于次序的一维二进制编码方案和两种改良方案,使排列与编码形成了一一映射,最大限度地缩小了编码表示空间与问题空间的差距。采用TSP问题的实验结果表明,文章提出的编码方式具有很好的性能。     

基于改进萤火虫算法求解旅行商问题

鉴于TSP问题是古老的组合优化难题,而萤火虫算法在求解函数优化问题中表现出优良的性能,因此,本文利用改进的萤火虫算法求解TSP问题.首先,在分析了旅行商问题的特点后,采用整数编码的方式来表示萤火虫的位置.然后,在标准萤火虫算法的位置更新过程中引入了对数递减的惯性权重来影响萤火虫的迭代过程,同时结合了遗传算法中的选择,交叉,变异以及进化逆转操作来提高每一次迭代中种群的多样性及种群的搜索能力,并将改进的算法解决TSP问题.最后,通过Matlab仿真实验表明改进的算法在求解TSP问题时具有更好收敛速度和优化效果.     

论遗传算法在旅行商问题中的应用

旅行商问题是算法应用中的基本问题,遗传算法具有通用性、智能性、鲁棒性、全局性和并行性的特点,正好适合于该问题的求解。但基本遗传算法在解决旅行商问题时效率不高,并且容易陷于局部最优解。为了解决这一问题,提出了一种改进的遗传算法。文章首先对旅行商问题进行了描述,对遗传算法进行了介绍,对其中的个体选择、交叉算法等重要因素做了一定地改进。最后,用一个简单的实例对基本遗传算法和改进的遗传算法进行了比较,发现改进的遗传算法在解决旅行商问题上的效率问题上有了一定的提高。     

TSP问题的顺序插入交叉算子

针对TSP问题的特点,在遗传算法的交叉运算过程中设计了三角距离差函数作为评价标准,运用贪婪策略思想,提出了一种新的交叉算子:顺序插入交叉(OrderInsertCrossover,简称OIC)算子,该算子有效地利用了局部信息,并且能很好地继承父代优秀的基因,实例仿真验证了该算子的有效性。     

求解TSP问题的一种改进的遗传算法

TSP问题是典型的NP完全问题,遗传算法是求解NP完全问题的一种理想方法。文章针对解决TSP问题,提出使用改进的遗传算法,即用浓度控制选择策略以保证群体的多样性,用贪婪交叉算子和启发式倒位变异算子来提高算法的收敛速度,较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明,该文算法的改进是有效的。     

利用粒子滤波求解旅行商问题

针对现有优化算法求解旅行商问题(TSP)时容易陷入局部极值的缺点,提出一种基于粒子滤波的优化搜索算法,该算法将TSP最优路径的搜索过程看成是一个动态时变系统。阐述了利用粒子滤波求解TSP最优路径的基本思想,给出了该方法的具体实现步骤。为了增强算法跳出局部极值的能力,在采样过程中引入了遗传算法的交叉和变异操作来丰富样本的多样性。最后为了验证新算法的有效性,进行了仿真实验,结果表明基于粒子滤波的优化算法能够找到比其他优化算法更好的解。     

基于人工免疫算法和蚁群算法求解旅行商问题

人工免疫算法具有快速随机的全局搜索能力,但对于系统中的反馈信息利用不足,往往做大量无为的冗余迭代,求解效率低。蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。该文提出一种基于人工免疫算法和蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解旅行商问题进行计算机仿真,结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。     

求解TSP问题的嵌入交叉算子的人口迁移算法

人口迁移算法具有较强的全局搜索能力和稳定性,该文在其顺序交叉算子的基础上,提出一种改进的启发式顺序交叉算子,并在人口迁移过程中嵌入该算子。仿真实验结果表明,该改进算法能有效解决TSP问题,且具有快速收敛特性。