一种改进的共同进化遗传算法及其应用

将共同进化遗传算法应用于临床营养决策优化中,虽然取得了一定成果,但算法中仍存在早熟现象、局部搜索能量弱等问题,为此提出一种改进的共同进化模型。算法使用新的子群体划分方法和交叉算子,引入精英保留策略、信息交换原则和小生境技术。通过对糖尿病营养治疗的仿真表明,改进后的算法在保证群体多样性和避免早熟现象的前提下,提高了算法的局部和全局寻优能力,且膳食配方中营养素达标率符合要求,满足专家建议的糖尿病饮食需求。     

小生境遗传算法AVOA反演

采用具有水平对称轴的横向各向同性(HTI)模型研究裂缝性油气藏,P波振幅随炮检距和方位角变化(AVOA),表现出较强的方位各向异性特征。本文基于Ruger提出的HTI介质模型的P波反射系数公式,利用由基准测线和另外两条与之呈45°、90°测线的P波反射系数的相对差异估算裂缝方位;同时引入小生境遗传算法,对基准测线和与之呈90°测线的P波反射系数差进行反演,得到了较高精度的纵、横波波速比和Thomsen各向异性参数。     

用于智能组卷的自适应小生境复合遗传算法

传统遗传算法的选择策略缺乏多样性保护机制,易出现早熟收敛。为解决智能组卷问题,采取小生境技术完成遗传操作中的种群进化机制。利用个体浓度的大小,设置自适应变异算子,保证种群多样性,防止种群陷入局部收敛;增加阈值以保证算法在接近最优解时回归到自适应遗传算法,简化算法计算量,加快算法的收敛速度。本文提出一种自适应与小生境技术复合遗传算法,来均衡算法的全局搜索和局部快速开发能力。最后,实例验证了所提算法的有效性。     

一种高效挖掘冠心病医案关联规则的仿真研究

研究中医冠心病医案,高效挖掘有益信息规则问题,由于中医医案数据量大、关联性强,针对传统的关联规则挖掘算法处理中医医案数据时存在效率低、收敛速度慢及漏报规则等问题,提出一种小生境技术和基因表达式编程相结合的挖掘关联规则的方法。通过惩罚函数设置支持度阈值,利用小生境技术执行小生境演化、融合算法,结合基因表达式编程算法操作简单、鲁棒性强的优势搜索强关联规则,有效避免了算法早熟,解决了规则冗余。针对治疗冠心病的中医医案进行了验证性实验,实验结果表明,改进算法在提取有效信息的效率上有较大的提高,挖掘结果对冠心病中医临床诊治具有一定的参考价值。     

复杂机动动作最优航迹控制模型及操纵特性分析

为了提高驾驶员对机动动作的控制能力,从驾驶员操纵角度避免机动动作过程中的风险,提出以控制量变化率作为优化参数的机动动作最优航迹控制模型.将机动动作划分为彼此相连的轨迹片段,轨迹片段划分合理,则每个轨迹片段具有相同的控制量变化率,控制量变化率不但能够给出机动动作控制量的输入,更重要的是能够反映机动动作过程中驾驶员操纵的快慢程度.使用小生境稳态遗传算法(niching steady-state genetic algorithm,niching SSGA)对最优航迹控制模型进行求解,求解结果为机动动作最优控制量变化率序列,以该序列对应的控制量作为机动动作的输入,能够实现一个标准的机动动作.仿真实验部分以典型纵向机动动作斤斗及横侧向机动动作桶滚为例进行分析,研究了两类动作的最优控制量变化率序列,并对两类动作的操纵特性进行了分析.     

多交叉混沌选择反向小生境遗传算法

为提高小生境遗传算法的全局以及局部搜索能力,提出一种多交叉混沌选择反向小生境遗传算法。利用分段线性混沌映射函数生成一组混沌数序列,在每次进行交叉操作前,依据序列中对应元素的数值大小选择不同的交叉算子进行操作,通过小生境遗传算法产生较优的子代种群。针对子代种群,应用反向搜索策略获得反向种群,在子代种群和反向种群中进行精英选择得到最终新种群,以进一步加强算法的局部寻优能力。仿真实验结果表明,该算法在最优解及均值方面好于小生境遗传算法,从而证明其可行性和优越性。     

基于小生境遗传算法的YKK系列高压电机优化设计

为了使YKK系列电机最终实现高效节能的目的,并且满足生产实际中所提出的各种约束要求,引入了小生境遗传算法进行电机的优化设计.针对中型高压电机定子成型线圈的结构以及三圆尺寸相对固定的实际情况,对小生境遗传算法进行相应的改进,有效地避免了优化算法易于局部收敛的问题.结果表明:与初始方案相比较,电机的设计结果满足了高效电机所提出的技术指标.并且电机的体积得到了缩小,节约了电机的有效材料.证明了改进的小生境遗传算法的可行性及优越性,并具有工程实用价值.     

一种改进的人工蜂群算法

从经典人工蜂群算法机制出发,针对原始算法在初始种群构造、子种群分组、步长更新和种群淘汰方面的不足进行了改进.新算法运用均匀设计理论构造初始种群,提出了一种种群交叉的Z型分组方法,设计了一种对数函数自适应步长代替原来的随机步长,引入了小生境技术及时淘汰陷入局部最优的个体.实验结果表明,改进后的算法有效地解决了人工蜂群算法早熟收敛、搜索速度较慢等问题,并提高了解的精度.     

一种基于小生境遗传算法的电网信息安全风险评估模型

信息安全保障对于电力信息物理系统安全稳定运行至关重要,其关键在于对电力信息物理系统进行全方位实时监控,并对采集到的海量监测数据进行分析以做出准确的安全风险评估结果。作为用于模式分类的进化算法,基因表达式编程(gene expression programming,GEP)算法由于其可以执行全局搜索而受到广泛关注,但其在高维度数据集下的运算极为耗时。针对上述问题,提出了一种基于小生境提高样本多样性的改进基因表达式编程算法用于电网信息安全风险评估,该算法首先利用粗糙集的思想,通过分辨函数求解最优属性对数据样本进行约简,再利用小生境模型提高约简样本个体的多样性以加快GEP算法运算的收敛速度,进而通过遗传算法实现全局搜索并得到安全风险等级评估结果。仿真实验表明,与传统的安全风险评估算法相比,提出的改进GEP算法具有较高的属性约简率和全局收敛率,可以快速实现海量监测数据下的电网信息安全风险评估。     

网络效益最大化的认知无线电频谱分配算法

首先介绍了认知无线电系统中频谱分配的图论着色模型。针对该模型以网络效益最大化为目标,设计了自适应的交叉和变异算子,并在此基础上引入小生境技术,提出了基于自适应小生境遗传算法的认知无线电频谱分配算法。通过仿真实验比较了本算法、颜色敏感图论算法与经典遗传算法的性能。结果表明基于自适应小生境的遗传算法不易陷入局部最优,在较少的代数内就可以找到理想最优解,能更好地实现网络频谱效益最大化,其性能优于颜色敏感图论算法和经典遗传算法。