遗传算法的性能分析

以几个典型的函数优化问题为例,比较,分析几种不同策略下遗传算法的全局收敛性及收敛速度,发现了以往理论分析与实际问题之间的不一致,提出以寻找最优解或最优解组的角度衡量算法收敛性能的观点及标准,定义了一个更为直观地反映算法收敛过程的测度函数及部分在线特性。     

改进型遗传算法及其性能分析

本文受模拟退火技术的启发引入了一种新的改进型遗传算法,在二进编制编的基础上,研究了交叉位置等概率选取交叉操作的不利影响。在此基础上提出了一种每个基因位叉概率自适应变化的新的交叉操作模拟结果表明,新算法的收敛性能远远高于标准遗传算法。     

混合量子遗传算法及其性能分析

首先比较了带量子门更新和群体灾变的量子算法(QA)以及加入对量子位的交叉和变异操作的量子遗传算法(QGA);然后结合量子搜索和传统遗传搜索提出了混合量子遗传算法的框架,并给出了基于二进制编码的混合量子遗传算法(BQGA)和基于实数编码的混合量子遗传算法(RQGA).基于典型问题的数值仿真和比较表明,RQGA的性能明显优于其他算法,对参数和初值具有较好的鲁棒性.     

模糊自适应遗传算法及其性能分析

遗传算法是应用比较广泛的一种随机优化算法,而交叉和变异是两个关键操作,本文针对遗传算法在应用过程中叉交概率和变异概率所存在的问题提出一种模糊自适应遗传算法,新算法利用模糊系统技术来自适应估计交叉概率和变异概率,最后,通过多峰函数优化问题的仿真结果证明了算法的实用性和有效性。     

粗粒度并行遗传算法性能分析

依据实验来分析影响并行遗传算法性能的因素得到的结论缺乏理论上的说服力．通过对粗粒度并行遗传算法加速比公式的分析，提出了影响并行遗传算法性能的关键因素，同时否定了以迁移率作为评价并行遗传算法性能指标的合理性，并通过实难进一步验证结论的正确性．得到的结论为提高遗传算法的并行化效率提供了可靠的依据。     

一类带筛选策略的改进遗传算法及其性能分析

为避免遗传算法的早熟收敛,增强算法的全局搜索和局部趋化能力,在传统保优GA中引入筛选策略,即基于种群性能和种群地域差别删去一些性能相对差的冗余个体,进而维持种群的多样性．基于典型复杂函数的数值仿真结果表明,所提算法的全局收敛速度和命中全局最优的几率相对传统方法大大提高,并对参数具有较好的鲁棒性．     

改进遗传算法搜索性能的研究

本文针对改进遗传算法的搜索性能,提出了一种新的变异算子－自适应多位变异算子,它根据每一代的每一个体在当代中的优劣程度,自适应地控制其发生变异的位数。适应度差的个体变异的位数多,一方面使差的模式生存机会少,另一方面增加了种群的多样性,同时也扩大了搜索范围。我们用模式定理证明了该算子的有效性,并且我们作的仿真实验也同样表明该算子能大大改进遗传算法的搜索性能。     

改进的自适应遗传算法及其性能研究

遗传算法的优良性能使其被广泛应用于现实许多工程领域中,但该算法由于随机搜索而带来的收敛速度慢、易产生局值、不稳定等问题,给其应用带来很大的困难.论文首先针对收敛速度慢,提出使用遗传迭代次数自适应控制选择算子,达到对收敛速度的自适应控制.其次,针对局值问题,提出一种新的改进自适应遗传策略,其交叉和变异算子能够根据前两代适应度变化进行自适应调整.最后,使用Matlab7.0对所选的函数进行优化仿真,通过比较仿真结果得出改进的自适应遗传算法在处理收敛速度和避免易产生局值方面具有较明显的优势.     

改进自适应遗传算法的性能分析

遗传算法存在未成熟收敛和收敛速度慢等不足之处,传统的自适应遗传算法虽能有效提高算法的收敛速度,却难以增强算法的鲁棒性。文中提出的改进的自适应遗传算法,提高了其搜索能力,具有更快的收敛速度和更可靠的稳定性,达到了预期的效果。     

遗传算法的参数设计与性能研究

利用无符号整数数组代替传统的字符串进行二进制编码,用改进的适应度函数、自适应交叉率、自适应变异率取代传统的适应度数和固定的交叉率及变异率来改进遗传算法,并与基本遗传算法进行了实验比较,结果证明改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力。     

基于遗传算法的飞机俯仰控制参数优化设计及重构

遗传算法不受问题性质(如连续性,可微性)的限制,能够处理传统优化算法难以解决的复杂问题,故近年来在控制参数优化方面得到了广泛的应用;但算法中,交叉概率与变异概率的选择没有给出通用标准,通过多种交叉概率与变异概率组合的优化结果比较确定合适的交叉概率与变异概率,然后从几种控制系统常用性能指标中选择最合适的一种做为适应度函数,优化得无故障时控制参数,按照重构后系统开环传递函数保持不变,即系统闭环传函极点不发生变化的原则,由升降舵损伤程度和无损伤时控制参数可得重构后的控制参数;由仿真实验可得,此方法能够较快较精确地确定控制参数,系统无超调,控制效果良好,重构后,系统性能能够保持不变,达到良好的重构效果。     

不同目标函数对用GA寻优Fuzzy控制规则的影响

本文首先简单介绍了遗传算法和模糊控制自寻优,然后给出了用遗传算法对模糊控制规则进行了自寻优的方法,并通过仿真比较不了同目标函数对用遗传算法寻优模糊控制规则的影响,得出了一些结论。     

遗传算法及其工具箱在函数优化问题中的应用

函数优化是遗传算法的经典应用领域,也是对遗传算法进行性能评价的常用算例。由此,该文首先对遗传算法的基本原理和定义,以及其工具箱作了简介,最后结合实例,简述了遗传算法及其工具箱在函数优化问题中的应用。     

MATLAB遗传算法工具箱的设计

在简要分析遗传算法要素的基础上,介绍了基于MATLAB的遗传算法工具箱的设计。最后给出了一个用设计的MATLAB遗传算法工具箱的求函数极值的应用实例。     

一种快速有效的多模态函数寻优方法─—双群体遗传算法

为了解决多模态函数优化问题中全局搜索和局部优化的矛盾，本文提出一种模仿社会分工现象的观群体遗传算法，该算法用一个群体搜索，另一个群体优化，仿真结果表明：和现有方法相比，该算法不仅不会陷入局部极小点，而且收敛速度极快，是一种多模态函数寻优的有效方法。     

一种快速有效的多模态函数寻优方法

为了解决多模态函数优化问题中全局搜索和局部优化的矛盾,本文提出一种模仿社会分工现象的双群体遗传算法,该算法用一个群体搜索,另一个群体优化,仿真结果表明：和现有方法相比,该算法不仅不会陷入局部极小点,而且收敛速度极快,是一种多模态函数寻优的有效方法。     

遗传算法适值函数定义方法的研究

在分析常规遗传算法缺陷的基础上,指出了遗传算法中适值函数定义方法对遗传计算过程的影响很大,并通过构造一种新的适值函数定义方法－－适值比值自调整适值函数在一定程度上解决了此问题,仿真实例证明了该方法的有效性。     

互连线延迟的瑞利度量

从统计概率的角度出发,提出一种采用瑞利分布的延迟度量——互连线延迟的瑞利度量(RLD)．该算法仅需要采用前两个瞬态,计算简单,而且准确性较好,特别是对于远端节点的延迟与SPICE十分接近．