共查询到20条相似文献,搜索用时 140 毫秒
1.
根据生物免疫系统的免疫网络调节机理,提出了一种新的自适应免疫进化算法.该算法按照抗体激励水平进行选择操作;同时建立优秀抗体记忆库,并采用种群自适应调节策略,保持了进化抗体群的多样性.试验表明,该算法比标准遗传算法的收敛性能好,能有效避免遗传算法种群多样性保持能力不足和早收敛的缺点. 相似文献
2.
在分析传统遗传算法易发生早熟收敛的基础上,本文提出了一种改进算法IGA。IGA采用一种新的交叉率变异率自适应变化的策略,防止在进化初期种群不发生变化造成算法早熟。数值计算结果表明,利用改进策略的IGA搜索整体性较强,可以有效地避免早熟现象产生,提高全局优化能力。 相似文献
3.
4.
传统交互式遗传算法在优化隐式性能指标时会使用户产生疲劳,影响优化质量与优化效率。为此,提出一种改进的交互式遗传算法。采用二元排序确定适应值评价的不确定度,根据评价序列的最大信息差异计算种群的收敛率,通过收敛率衡量种群进化状态,基于适应值不确定度和种群收敛率设计自适应交叉算子和变异算子,给出交叉概率和变异概率的计算公式,利用包含用户偏好信息的遗传策略引导进化,从而使进化结果更加客观。将该算法应用于服装进化设计系统,结果表明,与传统交互式遗传算法( T-IGA)相比,该算法可获取更多的满意解,提高了优化效率。 相似文献
5.
基于寿命的变种群模糊遗传算法 总被引:4,自引:0,他引:4
针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点,提出了一种种群数变化的模糊遗传算法.该算法对进化种群数进行宏观调控的同时,再用个体寿命限制个体的生存期,实现对种群数的微观调控.并采用模糊控制器控制交叉率,使其能够根据进化的实际情况自动调整.实验数据表明这种方法能够有效防止早收敛,大大改善遗传算法收敛性能. 相似文献
6.
一种新的种群数自适应遗传算法* 总被引:6,自引:0,他引:6
针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点,提出了一种新的种群数自适应遗传算法。该算法在对进化种群数进行宏观调控的同时,再用个体寿命限制个体的生存期,实现对种群数的微观调控。实验数据表明,该算法具有比简单遗传算法好的收敛性能。 相似文献
7.
提出一种改进的蜜蜂进化型遗传算法.在该算法中,种群的最优个体作为蜂王与被选的每个个体(雄蜂)以一定概率进行交叉操作,从而增强了对种群最优个体所包含信息的开采能力;同时,为了避免过早收敛,算法在种群次优解周围进行局部搜索,引入新的随机个体,增加算法的多样性.实验结果表明,该算法能有效地提高遗传算法性能的求解精度和收敛速度. 相似文献
8.
针对单个种群的遗传算法容易陷入局部收敛而出现早熟的情况,提出了一种新的多种群遗传算法,用多线程并行处理的方法实现种群之间同步进化。实验证明,基于多种群的遗传算法能够有效地避免局部收敛问题,通过与简单遗传算法进行比较,所提出的新算法不仅收敛速度快,而且收敛效率高,是一种可行、有效的算法。 相似文献
9.
针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点,提出了一种变参数的遗传算法。该算法对种群的个体赋予寿命,并根据寿命对遗传算法的选择、交叉和变异算子以及种群规模自动调整,能够有效防止早收敛并改善遗传算法收敛性能。并用改进的遗传算法解决基于测井曲线的地层对比的问题,取得了较好效果,验证了算法可用性和高效性。 相似文献
10.
11.
12.
针对基本混合蛙跳算法收敛速度慢、求解精度不高且易陷入局部最优的缺陷,提出了一种新的正态变异优胜劣汰的混合蛙跳算法。该算法在局部搜索策略中,对子群内最差个体的更新融入了服从正态分布的变异扰动,可有效避免青蛙个体向局部最优聚集,扩大搜索空间,增加种群的多样性;同时对子群内少量的较差青蛙进行变异选择,摒弃不利的变异,继承有用的变异,优胜劣汰,整体提高种群的质量,减少算法寻优过程的盲目性,提高算法的寻优速度。对每个子群内的最优个体引入精英变异机制以获得更优秀的个体,进一步提升算法的全局寻优能力,避免陷入局部最优,引领种群向更好的方向进化。实验独立运行30次,所提算法在Sphere、Rastrigrin、Griewank、Ackley和Quadric函数中均能收敛到最优解0,优于其他对比算法。实验结果表明,所提算法可有效避免算法陷入早熟收敛,提高了算法的收敛速度和精度。 相似文献
13.
从运行日志挖掘业务流程模型的流程挖掘方法研究方兴未艾,然而,复杂多变的运行环境使流程日志也不可避免地呈现出多样性.传统的流程挖掘算法各有其适用对象,因此,如何挑选适合多样性流程日志的流程挖掘算法成为了一项挑战.提出一种适用于多样性环境的业务流程挖掘方法 So Fi(survival of fittest integrator).该方法基于领域知识对日志进行分类,使用多种现有的挖掘算法对每一类子日志产生一组流程模型作为遗传算法的初始种群,借助遗传算法的优化能力,从中整合得到高质量的业务流程模型.针对模拟日志和某通信公司真实日志的实验结果表明:相对于任何单一的挖掘算法,So Fi产生的流程模型具有更高的综合质量,即重现度、精确度、通用性和简单性. 相似文献
14.
15.
16.
遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应的搜索方法。MATLAB通用遗传算法工具箱GAOT本着使用群体搜索技术,将种群代表一组问题的解,通过对当前种群施加选择、交叉和变异等一系列遗传操作,从而得到新的一代种群,并逐步使种群进化到包含近似最优解状态的原则,对苯热裂解脱氢反应及产赖氨酸分批发酵动力学模型参数进行了估算。与文献中已有的结果相比,模型计算值与实验值的吻合程度相似或更优。所用方法也可用于以微分方程组为数学模型的这类过程的参数估算或寻优,从而研究者可以更加集中注意力于深入解决与数学模型本身有关的问题。 相似文献
17.
基于一种新的优胜劣汰遗传算法的最小缩减计算 总被引:1,自引:0,他引:1
粗合集合理论现在已成为数据库知识分类的一种强有力的工具。而这种技术的核心问题是寻找一种最小缩减,即与原信息集合有相同的区分数据能力的最小的信息子集。提出了一种新的基于优胜劣汰遗传算法的最小缩减算法,在该算法中避免了传统遗传算法中的近亲繁殖和交叉、变异概率的盲目性,实验证明其具有较好的收敛性。 相似文献
18.
遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律演化而来的随机化搜索方法,已经成功运用在很多大规模的组合优化问题中。利用如今流行的并行计算机系统,对遗传算法进行并行化,可解决标准遗传算法的速度瓶颈问题。本文在MPI并行环境下,用C++语言实现了粗粒度模型的并行遗传算法。结合并行遗传算法的特点,提出了解决物流配送路线优化的策略以及给出相应的算法过程,并进行了有效验证。通过研究结果表明,与传统遗传算法相比,并行遗传算法提高了运算速度,降低了平均开销时间并且最小总路径值更理想。 相似文献
19.
遗传算法是一类借鉴生物界的进化规律(适者生存、优胜劣汰遗传机制)演化而来的随机化搜索方法,广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。广东省自学考试座位编排需要将参加不同课程的考生安排在同一个考场,而且编排的座位是随机的,所以经过研究决定采用遗传算法来实现考试座位的编排。 相似文献
20.
邵梁 《计算机工程与应用》2012,48(1):49-52
基于传统的差分演化,对其种群的内部结构进行调整,提出了一种基于个体适应度排序的种群设置策略。并通过个体采样方式来选择个体参与变异步骤,结合优胜劣汰的选择策略,提出了基于个体排序的采样差分演化算法。通过优化测试函数的仿真试验,与传统差分演化算法和粒子群算法相比较,基于排序的采样差分演化算法在收敛速度和鲁棒性等方面有较好的优势。 相似文献