运用遗传规划解决异或问题的新方法*

介绍了一种用遗传规划这种新的搜索优化技术解决经典异或问题的新途径.遗传规划实质是使用广义的计算机程序来描述问题,并且可以根据环境状况动态改变计算机程序的结构.根据遗传规划特征,引入两种思路、三种方法对异或问题进行求解,取得了很好的效果.与神经网络相比,遗传规划可以动态进化学习并取得显式的数学表达式.     

GP、SAP算法比较研究

针对规划问题,引入了固定结构解的描述形式,指出其离散量与连续量混合的多峰值优化的特点.在此基础上提出了固定结构遗传规划算法(GP)、模拟退火规划算法(SAP),并进行了算法分析.最后通过实验对四个典型优化函数的优化进行了比较研究.研究与实验结果表明SAP算法综合考虑了结构优化与参数优化,具有收敛效率高、获得更优解概率大...     

GP、SAP算法比较研究

针对规划问题,引入了固定结构解的描述形式,指出其离散量与连续量混合的多峰值优化的特点。在此基础上提出了固定结构遗传规划算法（GP）、模拟退火规划算法（SAP）,并进行了算法分析。最后通过实验对四个典型优化函数的优化进行了比较研究。研究与实验结果表明SAP算法综合考虑了结构优化与参数优化,具有收敛效率高、获得更优解概率大的特点;GP算法有利于结构优化,但不利于参数优化,具有收敛效率较低,获得更优解的概率较小的特点。     

基于神经网络的仿人跑步机器人步态规划

为了快速生成仿人机器人跑步运动轨迹,研究了一种用于仿人机器人跑步步态生成的步态规划器。采用三维弹簧倒立摆模型描述跑步过程中仿人机器人质心运动规律,奔跑时机器人质心轨迹及落脚点位置可以由四个步态参数来确定,从而将步态规划问题转化成步态参数优化问题,求解了500余种不同运动状态下的步态参数。建立了基于三层BP神经网络的步态规划器,将优化结果作为训练样本训练神经网络。用上述规划器实现了仿人机器人跑步步态规划并对规划结果进行了仿真验证。研究结果表明,基于BP神经网络的步态规划器可以实现步态参数的快速计算,生成的跑步步态逼真;提出的跑步运动步态规划方法可行,为仿人机器人实时轨迹生成提供了一种解决方法。     

基于改进遗传算法的机器人路径规划

文中提出一种基于改进遗传算法的移动机器人路径规划方法,将复杂的二维编码问题简化为一维编码问题,优化改进标准遗传算法的选择算子和交叉算子,引入路径规划特定的遗传算子(修正算子),最后以移动机器人行走路径最短作为适应度函数进行遗传优化.此算法克服了标准遗传算法的早熟收敛、运算结果稳定性差等问题,提高遗传算法的进化效率.仿真实验结果验证了该算法在移动机器人路径规划中的可行性和有效性,以及规划结果的稳健性.     

无人机在水环境监测中的航迹规划

无人机在水环境监测中,受其物理性能和风险因素影响无法一次性的对所有区域进行监测,充分发挥无人机的使用效率变得极为重要。提出了无人机在水环境监测中的最优航迹规划问题,建立了该问题的数学模型,在此基础上提出了一种基于遗传—模拟退火优化算法,采用网格空间表示与方向编码相结合的方法减小了计算量。仿真实验结果表明:该方法能够得到比遗传算法更优的解,可以有效解决无人机在水环境监测中的航迹规划问题。     

基于遗传优化的PCA-SVM控制图模式识别

针对SVM和PCA-SVM进行质量控制图模式识别时泛化能力不足和识别精度不高的问题,提出一种基于遗传优化的PCA-SVM控制图模式识别方法。该方法的基本思想是首先基于特征子空间降维方法,运用PCA算法对原始特征样本进行主元分析,有效降低原始特征样本维数并突出聚类,提取各模式之间的主元特征;然后把此特征看成遗传算法中一组染色体,对支持向量机分类器核参数和惩罚因子进行二进制编码,通过对随机产生的一组染色体进行模式识别,并将此识别率作为遗传算法的适应度函数,通过选择、交叉和变异操作,对其参数进行自适应寻优;最后用优化的支持向量机分类器进行控制图模式识别。通过仿真进行验证,结果显示基于遗传优化的PCA-SVM分类器模型的控制图模式泛化能力强、识别精度高,可适用于生产现场质量控制。     

一种新的神经树网络模型优化方法

神经树网络模型已成功应用于解决各类复杂的非线性问题,并且神经树网络模型的优化过程一般是先拓扑结构优化再参数优化,这种无参数信息的结构优化策略的缺点是干扰适应度的评价.鉴于此,提出一种改进的遗传规划(BGP)算法来综合神经树网络模型的两个优化过程.在两个时间序列预测问题上的仿真实验结果表明,所提出算法是一种有潜力且具备较好效能的方法.     

基于GE的多响应参数稳健设计优化方法

提出了一种基于遗传进化的多响应参数稳健设计优化方法。对多响应参数稳建设计问题进行了数学描述,建立了以试验样本多响应输出参数的加权平均质量损失最小化为目标的数学优化模型;提出了多响应参数稳健设计的遗传进化优化方法：以密集抽样取代离散化处理,以个体取代试验方案,以变化的种群取代固定的内表,通过遗传进化得到最优设计方案;提出并设计了多响应参数稳健设计的遗传优化算法。通过案例分析验证了该方法的有效性。     

面向异构通信卫星的地球站组网规划方法

经过多年的建设发展,卫星通信已经形成了多系列卫星并存、相互支撑、相互补充的通信系统。然而,由于各卫星系统建设时间跨度大,通信技术手段存在差异,如何高效利用异构的卫星通信资源成为了一个实际难题。为此,文中首次根据卫星与地球站的可互通条件构建了系统模型,并将其归结为线性约束下离散变量的非线性优化问题,优化目标是异构卫星波束间的负载均衡,并在此基础上设计了一种两阶段的启发式组网规划方法。最后,根据地球同步卫星网络特性设置了合理的仿真参数,利用Matlab平台进行仿真实验。仿真结果表明,所提方法在面对不同规模的地球站组网时,在平均负载和负载均衡性上均优于一般的枚举搜索和遗传优化算法,可以在短时间内对大规模的信道单元进行组网规划。     

遗传正交试验算法及其应用

遗传算法是一种能够在较大的参数空间中搜索到问题最优解的方法,在解决非线性问题时具有全局收敛性,但收敛性能差。论文提出一种结合遗传与正交试验两种算法优点的新混合遗传算法,应用表明该算法收敛能力强、寻优能力强及能产生大量次优解,是一种值得信赖的算法。     

基于遗传规划的哈默斯坦模型的辨识

该文基于遗传规划提出了一种辨识哈默斯坦模型的新方法。哈默斯坦模型由静态非线性模块和动态线性模块串联而成,因此系统辨识的目标是要找到非线性和线性模块的最优数学模型。该文通过遗传规划确定非线性模块的函数结构,并结合遗传算法确定模型的未知参数,适应度值的计算采用了最小信息量准则(A IC),以平衡模型的复杂度和精确度。该方法不需要对模型的先验知识有详细了解,就能达到较好的辨识效果,并且能够克服观测噪声的污染,获得参数的无偏估计。仿真结果说明了该方法的有效性。     

An expert system for experimental design in off-line quality control

Abstract: Robust design is an efficient method for designing high quality products at low cost. The method examines the effect of a large number of design factors on the variability of a product's response due to various sources of disturbance. This effect can be observed efficiently by studying a large number of variables simultaneously through balanced, orthogonal array experiments, and by analyzing the resulting data using variance decomposition methods. In this paper we describe an expert system prototype for designing efficient experiments. Given the information on various parameters and their levels, the system designs an experiment using orthogonal arrays. This expert system is implemented in Prolog, which is a logic programming language for artificial intelligence research and expert systems development. The system was implemented under the P-Shell knowledge programming environment on UNIX.     

基于遗传算法和非线性规划求解信息交互的光伏阵列模型鲁棒参数辨识方法

对光伏阵列进行建模不仅可以研究温度、光照等因素对V-I特性曲线的影响,还可以用模型代替实际光伏阵列进行各种光伏实验,降低实验成本,节省实验时间;参数辨识可以使光伏阵列模型的参数值设置更精确,使其与实际值相一致;针对基于非线性规划的光伏阵列模型鲁棒参数辨识方法容易陷入局部搜索的问题,提出了遗传算法与非线性规划求解信息交互的鲁棒参数辨识方法;将遗传算法与非线性规划求解信息交互,既可以进行全局搜索,又可以进行局部搜索,以得到问题的全局最优解;通过仿真测试,使用该方法得到的结果均方误差降低了8倍,均方误差量级达到了1.0E-3,表明了该方法在光伏阵列模型参数辨识方面具有较高的精确度。     

正交遗传算法在网络优化设计中的应用

利用正交实验法的全局思想,提出一种采用多点正交交换的遗传算法。算法通过正交表安排遗传算法的交换运算,并在所产生的多个子代中选择适应度大的个体进入下一代进化,这样既加快了算法的收敛速度又保证了种群的多样性。并将该算法应用在计算机网络的容量分配与路由选择优化上。实验证明,该算法较之传统遗传算法,在种群规模较小的情况下,仍然可以以较少的搜索次数,收敛到近似最优解。     

基于改进的基因表达式编程算法在作业车间调度问题中的应用

文章提出一种新颖的方法一改进的基因表达式编程算法来求解作业车间调度问题。作业车间调度问题是许多实际生产调度问题的简化模型,基因表达式编程算法结合了遗传算法和遗传编程的优点,具有更强的解决问题能力,对基因表达式编程算法进行改进使其在作业车间调度问题的应用上更加有效;最后应用一个实例来验证提出方法的有效性。     

提升LoRa网络性能的终端参数动态选择方法研究

针对当前大部分LoRa网络因终端采用静态参数配置而导致的网络灵活性和通信效率不高等问题,提出了一种基于正交遗传算法改善LoRa网络性能的动态参数选择方法。分析了不同参数配置对网络通信性能的影响,针对LoRa网络建立信道冲突和链路预算模型,通过引入基于多目标遗传算法的动态参数选择方法求解该模型,最终获得具有最小冲突概率的参数集。通过对超过10 000台设备的单网关LoRa网络的运行结果表明,所提出的动态参数选择算法可将网络的分组交付率（Packet Delivery Rate,PDR）提高30%,显著提高了网络在不同应用场景下的适应性和扩展能力。     

多点正交交叉的遗传算法

利用正交实验法的全局均衡思想,提出了一种采用多点正交交换的遗传算法。算法通过正交表安排遗传算法的交换运算,并在所产生的多个子代中选择适应度大的进入下一次进化,这样既加快了算法的收敛速度又保证了种群的多样性。实验证明,该算法不但可以有效地克服标准遗传算法的缺陷,而且计算速度、精度和算法稳定性也得到了显著提高。     

望目特性连续型参数稳健设计遗传优化方法

针对一类可通过理论计算得到输出特性值的望目特性连续型参数稳健设计问题,提出了一种遗传进化方法。描述了研究的问题;提出了望目特性连续型参数稳健设计遗传进化方法的技术思路：以密集抽样取代离散化处理,以个体取代试验方案,以变化的种群取代固定的内表,通过遗传进化得到最优设计方案。提出并设计了一种望目特性连续型参数稳健设计遗传算法,阐述了算法的计算流程、个体编码、适应度、种群初始化、解码操作及遗传操作。通过案例分析验证了所提方法的有效性。     

虚拟企业资源调度的灰色机会约束规划

虚拟企业运营中,存在许多不确定因素,在资源调度时,必须考虑这些不确定参数。该文考虑系统具有灰参数的情况,提出一种灰色不确定规划模型,由于模型不能直接转化为确定型规划求解,因此该文提出灰色模拟技术,结合遗传算法,给出了求解步骤与方法,通过计算实例,结果表明模型适用,方法正确有效。