引导交叉——一种新的遗传交叉策略

介绍了遗传算法的优化方法,在已经存在的交叉算子上提出了一种新的交叉算子——引导交叉,它结合了异位交叉和等位交叉的特点,并加入个体反码表示形式,在执行交叉操作前有一个自适应的选择交叉方式的判断,给出了5组不同的测试函数的仿真实验。实验结果表明,引导交叉算子可比其他交叉算子更有效地提高遗传算法的收敛性,且易于找到全局最优解。     

用多目标进化算法搜索MOPs的鲁棒Pareto最优解

 搜索鲁棒Pareto最优解是多目标进化算法(MOEA)研究的一个重要方面.目前,优化"原目标函数"的传统MOEA与基于"有效目标函数"的MOEA (Eff-MOEA)在搜索鲁棒Pareto最优解时都易丢失某些性质的解.为解决这一缺陷,本文定义了一种新的鲁棒Pareto最优解,提出了一种新的搜索鲁棒Pareto最优解的MOEA(MOEA/R),MOEA/R将多目标鲁棒优化问题(MROP)转化成两目标问题来优化,一个目标为解的质量,另一个目标为解的鲁棒性,每一目标均对应一子优化问题.通过与NSGA-Ⅱ及Eff-MOEA的对比分析,结果表明MOEA/R的结果较好,更重要的是本文探索了一种新的搜索鲁棒Pareto最优解的思想.     

基于MATLAB的FIR数字滤波器设计

数字滤波是数字信号处理的重要环节.数字滤波器可分为FIR和IIR两大类.文章根据FIR滤波器的设计原理,详细介绍了MATLAB环境下FIR数字滤波器的设计方法和操作步骤,并列出了设计实例程序及运行结果.     

进化算法鲁棒最优解研究综述

在实际应用中,环境往往是不稳定的且易受到噪声的影响.因此,时于许多现实优化问题,一个鲁棒性好的解具有重要的意义.然而,以往关于进化算法(EAs)的研究主要集中在寻找全局最优解,解的鲁棒性却没有得到重视.从单目标鲁棒最优解、多目标鲁棒最优解及效率等方面较全面地分析了目前EAs搜索鲁棒最优解的研究现状.最后对相关研究工作做了展望.