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。     

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。     

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。     

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。     

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。     

基于小波阈值收缩消噪的浮点数编码遗传算法研究

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。但浮点数编码遗传算法在运行环境中产生的噪音对算法性能的影响并未引起人们的重视。传统的浮点数编码遗传算法采用的是有界随机变异,不能消除噪音对算法性能的影响。提出了基于小波阈值收缩消噪的浮点数编码遗传算法,建立滤波器,采用不同的阈值消噪取代变异操作,并进行了实验。该研究和实验结果表明,这种方法理论上是可靠的,方法上是可行的,选择适当的阈值,可明显提高算法的全局最优解精度,具有较高的稳定性。     

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。     

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。     

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。     

一种基于景观特征的浮点数编码遗传算法研究

遗传算法作为一种适应性搜索技术得到了普遍的应用,但其搜索效率不如启发式搜索.已有研究者将启发式知识用于二进制编码遗传算法,但浮点数编码在函数优化和约束优化领域明显有效于其它编码.本文基于算法运行时的景观特征作为启发式知识,用于浮点数编码遗传算法,力求提高其搜索效率、增强其局部搜索能力、拓展其应用领域.本文的理论研究和实验结果表明,将景观特征用于浮点数编码遗传算法,理论是可靠的,方法是可行的.     

基于改进GA参数优化的SVR股价预测模型

针对股票价格的动态性及非线性等特点, 提出了基于改进遗传算法(Genetic Algorithm, GA)优化参数的支持向量回归机(Support Vector Regression, SVR)股价预测模型. 首先将选取的股票价格样本进行小波去噪处理, 然后将经过改进GA优化参数的SVR模型对去噪后的数据进行预测及评价. 结果证明, 改进小波-GA-SVR模型具有良好的预测效果, 对股票价格的预测研究具有一定的意义.     

基于小波隶属函数的模糊推理规则优化

隶属函数决定着模糊集的特征,建立小波基函数与隶属函数之间的联系,从而利用小波分析探讨模糊推理的实质,以一种非对称Haar小波基与三角型、梯型隶属函数的对应关系为基础,将小波分析、遗传算法与模糊系统结合,利用遗传算法实现小波隶属函数的训练学习,进而实现模糊推理规则的优化。     

Adaptive heading control of unmanned wave glider with heading information fusion

The unmanned wave glider (UWG) is a new kind of wave powered unmanned marine vehicle for persistent marine environment monitoring. However, the heading control of UWG is unusual, mainly about the heading control of the surface float body (Float), since it is indirectly actuated and with a large lag of the control response. The adaptive heading control method for the Float with heading information fusion is discussed. The basic and improved arrangement methods of the desired heading of Glider are proposed. Via direct heading control of Glider, the heading control of Float is realized indirectly. Simulation and sea trial results demonstrate that the proposed adaptive heading control method improves the heading control performance of UWG significantly.     

脊波网络的碳通量预测

碳通量（FC）作为全球二氧化碳循环与排放的重要指标,同各种生态因素有着密切的关系,因此可以通过各种生态因素预测碳通量,但迄今还缺乏有效的预测方法。研究脊波和神经网络结合的模型在碳通量预测中的应用,利用脊波处理碳通量数据的超平面奇异特性,从隐含层节点个数、误差、相关性等方面和小波网络进行了比较。实验结果表明,所采用的模型隐含层节点个数更少,拟合精度更高,预测能力更强,收敛速度更快。     

基于改进双种群遗传算法的模糊控制器的优化

遗传算法是一种自适应、启发式、群体型、概率性、迭代式全局收敛算法,利用遗传算法的良好的搜索特性来优化模糊控制器,可以取得很好的控制效果.本文对传统的双种群遗传算法进行了归纳和分析,在此基础上提出了一种改进的双种群遗传算法(CGDPGA).将此改进算法用于优化模糊控制器的隶属度函数、量化因子和比例因子来实现模糊控制器的全...     

遗传算法和小波分析在函数优化中的运用

对于一些非线性、多模型、多目标的函数优化问题,用传统优化方法较难求解,而遗传算法却可以方便地得到较好的结果。本文分别用传统寻优算法和遗传算法对Rosenbrock函数作了测试比较,证明了遗传算法优于其他优化算法的全局寻优能力。对遗传算法寻优的标准偏差数据作小波分析,得到一些新颖的结果。     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

From the Dandelion Code to the Rainbow code: a class of bijective spanning tree representations with linear complexity and bounded locality

There are many ways to represent spanning trees in genetic algorithms (GAs). Among them are Cayley codes, which represent each tree on n vertices as a string of (n-2) integers from the set [1,n]. In 2003, Thompson showed that the Dandelion Code, a Cayley code with high locality, offers consistently better performance in a GA than all other known Cayley codes, including the Pru/spl uml/fer Code and the Blob Code. In this paper, we study the Dandelion Code and its properties. We give linear-time implementations of the decoding and encoding algorithms, and prove that the representation has bounded locality and asymptotically optimal locality, unlike all other known Cayley codes. We then modify the Dandelion Code to create bijective spanning tree representations for graph topologies other than the complete graph. Two variations are described: the bipartite Dandelion Code (for encoding the spanning trees of a complete bipartite graph) and the Rainbow Code (for encoding the spanning trees of a complete layered graph). Both variations inherit the Dandelion Code's desirable properties, and have the potential to outperform existing GA representations for computationally hard transportation problems (including the Fixed Charge Transportation Problem) and multistage transportation problems, particularly on large instances.