多小波阈值的遗传算法消噪变异

编码问题是遗传算法研究的难点。浮点数编码在函数和约束优化中明显优于其他编码,并能提高算法的局部搜索能力。浮点数编码在遗传环境中产生的噪音和对算法性能的影响,正在被研究者所关注。但目前尚无基于多小波阈值实现浮点数编码消噪变异的研究成果出现。首先研究了多小波和浮点数编码噪音的性质,提出了一种基于多小波阈值的浮点数编码消噪变异方法,并与其他算法进行比较实验。研究和实验结果表明,这种方法可明显提高算法的收敛精度和速度,改善算法的整体性能。     

特殊变换多小波构造的浮点数编码遗传算法

浮点数编码具有精度高、便于高维大空间搜索的优点,在函数优化和约束优化领域明显有效于其他编码。浮点数编码遗传算法在操作环境中产生的噪音和对算法性能的影响尚不被人们所认识。将小波用于浮点数编码遗传算法的消噪变异是解决该问题的有效途径。单一小波对浮点数编码消噪变异泛化能力低,且对浮点数编码遗传算法性能改进有一定的局限性。研究证明了用酉变换可构造正交多小波,将正交多小波用于浮点数编码遗传算法的消噪变异,提出了FGAMW方法,并进行了实验。理论研究和实验结果表明,提出的FGAMW方法理论上是可靠的,技术上是可行的,对于拓展浮点数编码遗传算法的应用空间具有积极的意义。     

正交多小波消噪变异的浮点数编码遗传算法

编码是遗传算法研究的难点问题之一。浮点数编码在函数优化和约束优化领域明显有效于其他编码。但消除浮点数编码在遗传算法运行环境中产生的噪音,以提高遗传算法性能的理论和方法尚不被人们所认识。在用正交多小波对浮点数编码遗传算法消噪变异的基础上,针对染色体编码长度的奇偶数问题,从理论上证明了正交多小波既能对偶数长度染色体编码消噪变异,也能对奇数长度染色体编码消噪变异,基于这一结论提出了基于正交多小波消噪变异的浮点数编码遗传算法（FGAWDM）,并进行了实验。研究和实验的结果表明,该方法理论上是可靠的,方法上是可行的,对于拓展浮点数编码遗传算法的应用空间具有积极的意义。     

浮点数编码的阈值消噪研究

遗传算法在工程和优化领域中得到了广泛地应用,但其编码的局限性影响了遗传算法的性能和应用领域的拓展。浮点数编码在函数优化和约束优化领域明显有效于其他编码,但编码在选择、交叉操作中产生的噪声对遗传算法性能的影响未被人们所重视。着重分析了遗传操作中浮点数编码噪声的性质,研究利用小波阈值化系数对浮点数编码消噪的机理,通过变异运算消噪。结果表明,将小波理论用于浮点数编码遗传算法的变异消噪是可靠的、方法是可行的。     

2-Adic MRA的浮点数编码遗传算法

通过2-Adic多分辨率分析,构造正交小波基;证明所构造正交小波用于浮点数编码消噪的正确性;提出用正交小波在浮点数编码遗传算法中进行消噪变异操作,以消除浮点数编码在遗传环境中所产生的噪音对算法性能的影响;构建基于2-Adic多分辨率分析的遗传算法,并进行了实验。仿真实验表明,提出的算法可明显提高浮点数编码遗传算法的收敛速度和精度,具有较高的可靠性。     

小波分解的浮点数编码遗传算法消噪变异研究

遗传算法的应用领域越来越广泛,其编码问题是遗传算法研究的难点之一。浮点数编码具有精度高、便于大空间搜索的优点,在函数优化和约束优化中明显优于其他编码,但浮点数编码在遗传环境中产生的“噪音”和对算法性能的影响,常常被人们所忽视。基于小波分解原理,将“噪音”映射到Haar小波基上,对算法消噪变异,并编程予以实现。研究及实验结果表明,这种方法明显优于其他算法,在理论上是可靠的,技术上是可行的。     

基于小波消噪变异的浮点数编码遗传算法

在遗传算法诸多编码中,浮点数编码具有其他编码所不具备的优势。针对浮点数编码在遗传操作中所产生的噪声和其对算法性能的影响,考虑变异操作在遗传算法中的重要作用,提出基于小波消噪变异的浮点数编码遗传算法,从理论上证明小波对浮点数编码噪声的分解,用小波实现其消噪变异。实验结果表明,该方法理论上是可靠的,方法上是可行的。     

GFMRA的浮点数编码消噪变异

MRA是构造小波的重要方法,而GFMRA可以构造任何具有单一母波的正交小波。浮点数编码在函数优化和约束优化领域明显有效于其他编码,但浮点数编码在遗传操作环境中产生的“噪音”严重地影响着遗传算法的性能。在理论分析的基础上,提出基于GFMRA构造的正交小波对浮点数编码消噪变异的FPRGAG方法,并进行了实验。理论研究和实验结果表明,无论是收敛速度还是收敛精度,FPRGAG都远远优于传统算法。该方法理论上是可靠的,技术上是可行的。     

TWFBD的浮点数编码遗传算法

近年来,有关浮点数编码遗传算法的消噪变异研究有了一定的进展,取得了一些成果。浮点数编码消噪变异的理论和方法研究一直是该领域研究的重点,需要有更新更有理论和应用价值的研究成果出现。有界域的紧小波框架用于浮点数编码消噪变异尚处于无人问津的研究领域。着重分析了有界域的紧小波框架的性质,用有界域的紧小波框架在算法中进行消噪变异操作,提出了基于有界域紧小波框架的遗传算法,并进行了实验。研究和实验结果表明,将有界域的紧小波框架用于浮点数编码消噪变异,具有可靠的理论基础,与其他方法相比,其效果也十分明显。     

基于适应小波收缩的浮点数编码遗传算法

通过独立同分布分析浮点数编码(FPR)噪声,用适应小波收缩的方法消除噪声对遗传算法性能的影响,在算法运行中用变异操作实现消噪。针对阈值变化对小波系数的影响,以单基因证明小波消噪变异的正确性;提出适应小波收缩构建软阈值函数,将函数运算植入算法的动态运行中;给出了具体的实现算法,用实例验证了算法的可行性。仿真实验表明,所提算法显著提高了收敛速度,收敛点与理论值相一致。     

A novel method for real parameter optimization based on Gene Expression Programming

Gene Expression Programming (GEP) is a new technique of evolutionary algorithm that implements genome/phoneme representation in computing programs. Due to its power in global search, it is widely applied in symbolic regression. However, little work has been done to apply it to real parameter optimization yet. This paper proposes a real parameter optimization method named Uniform-Constants based GEP (UC-GEP). In UC-GEP, the constant domain directly participates in the evolution. Our research conducted extensive experiments over nine benchmark functions from the IEEE Congress on Evolutionary Computation 2005 and compared the results to three other algorithms namely Meta-Constants based GEP (MC-GEP), Meta-Uniform-Constants based GEP (MUC-GEP), and the Floating Point Genetic Algorithm (FP-GA). For simplicity, all GEP methods adopt a one-tier index gene structure. The results demonstrate the optimal performance of our UC-GEP in solving multimodal problems and show that at least one GEP method outperforms FP-GA on all test functions with higher computational complexity.     

混沌遗传算法在优化问题中的应用

文章结合遗传算法优化的反演性与混沌优化方法的遍历性,提出了混沌遗传算法,并将其应用于优化问题的求解.实验结果表明,与标准遗传算法比较,该算法具有更好的收敛性能与搜索效率.     

一种改进的含噪语音端点检测方法

语音端点检测是语音识别系统的重要环节之一。针对噪声环境下的语音端点检测困难,提出了一种改进的支持向量机的语音端点检测方法。利用小波分析（WA）提取含噪语音信号的特征向量。采用遗传算法（GA）得到最优的SVM核函数参数[γ]和惩罚因子[C]。建立语音端点检测模型。在Matlab软件平台下进行仿真实验,结果表明在不同的噪声条件下,GA-SVM算法的平均检测率达到94.5%,明显优于传统的双门限算法和普通的SVM算法。     

基于免疫单亲遗传算法的拣选作业优化

根据堆垛机拣选作业的特点,以最短作业时间为目标构建优化数学模型。在单亲遗传算法的基础上引入免疫抗体的提取与注射机制,设计一种免疫单亲遗传算法用于求取模型最优解。仿真结果证明,该算法具备全局搜索能力,收敛速度快,响应时间短,可有效减少堆垛机的作业时间,提高自动化立体仓库的存取效率。