一种基于种群多样性的新型自适应遗传算法

为克服传统自适应遗传算法易出现未成熟收敛的问题,提出一种新型基于种群多样性的自适应遗传算法。解决未成熟收敛问题的关键是避免算法在寻找到最优解前种群多样性的丧失。为适应进化过程中种群多样性的变化,提出了包含方差因子和种群熵因子的交叉概率和变异概率公式。根据种群收敛情况相应地调整交叉概率及变异概率,在不破坏种群优良基因模式的同时保持种群的多样性。通过标准函数测试与已有算法进行对比,结果表明,所提算法相较于已有算法,在保证收敛精确度的同时提高了收敛速度,有效克服了“早熟”等问题。     

改进元胞粒子群算法求解JSP问题

为求解离散JSP(作业车间调度)问题,设计了基于四方形网格的元胞粒子群算法。引入变异策略增强了算法跳出局部最优的能力,对每代粒子群引入变邻域搜索提高了算法的局部搜索能力。数值实验表明,改进的元胞粒子群优化算法具有好的收敛性与求解精度。     

一种具有演化规则的元胞遗传算法

 本文根据元胞个体密度与分布的演化规则,考虑整个空间元胞个体动态的相互作用,从更为真实模拟自然界的角度出发,提出了具有演化规则的元胞遗传算法(CEGA),并得到了算法中元胞演化选取准则. 通过复杂典型测试函数的仿真实验结果表明,该算法较一般元胞遗传算法和一般遗传算法具有更好地维持群体多样性的能力,以利于有效地进行全局探索,逃出局部优,并具有更快的寻优速度. 通过采用不同演化规则实验比较,得出中等密度分布的元胞个体有利于求解问题.     

基于并行遗传算法的弹性TSP研究

文章针对并行遗传算法求解TSP问题,探讨了使用弹性策略来维持群体的多样性,使得算法跨过局部收敛的障碍,向全局最优解方向进化.通过对算法的分析和实验,尤其是在典型的CHN144 TSP求解上发现了新的最优解这一结果表明,本文算法的改进是有效的.     

电能表的多样性

电能表种类繁多。从总体结构上看,它们都包含电源、电压和电流变送器、计量引擎以及计量通信方式,根据所选择的通信方式,有些电能表还需要数据管理功能。每一种电能表都要根据目标价格和目标功能来选择所用的组件。     

一种矩形邻域结构的教学优化算法

为了克服原始教学优化算法在求解复杂多峰函数时全局寻优精度不高和过早收敛的缺点,提出一种矩形邻域结构和个体扰动的教学优化算法.算法将种群空间设计为矩形结构,个体的矩形邻域由矩形厚度和围绕其的矩形区域个体决定,教和学两个阶段都使用邻域最优个体引导搜索,加强了算法勘探新解和开发局部最优解的能力;为了防止算法过早陷入局部最优,增加了基于搜索边界信息引导的个体扰动阶段,使得种群即使在进化的后期仍能保持较好的多样性.对带有偏移和旋转的复杂函数进行仿真测试,结果表明新算法在求解精度和稳定性方面,在绝大多数情况下优于原始教学算法和其他一些近来的优秀改进教学算法.     

动态环境下的元胞遗传算法研究

为了使遗传算法也能用于非静态优化问题,文中通过标准移动峰函数的测试,分析了动态环境下元胞遗传算法的适应性能和精确性能。同时用实验验证了元胞遗传算法比标准遗传算法具有更好的求解效果。     

基于包络学习和分级结构一致性机制的不平衡集成算法

集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络（Deep Instance Envelope Network, DIEN）和分级结构一致性机制（Hierarchical Structure Consistency Mechanism, HSCM）的不平衡集成学习算法.该算法在考虑局部流形和全局结构信息的情况下,通过多层样本聚类,生成高质量的多层包络样本,从而实现类平衡化.首先,算法基于样本近邻拼接和模糊C均值聚类算法,设计DIEN来挖掘样本的结构信息,得到深度包络样本.然后,设计局部流形结构度量和全局结构分布度量来构建HSCM用于增强层间样本的分布一致性.接着,将DIEN和HSCM结合起来,构建出优化后的深度样本包络网络——DH (DIEN with HSCM).之后,将基分类器应用于包络样本.最后,设计bagging集成学习机制来融合基分类器的预测结果 .文末组织了多组实验,采用了十多个公共数据集和有代表性的相关算法进行验证...     

混合精英策略的元胞多目标遗传算法及其应用

为了提高Pareto解集的收敛性,平衡多目标优化的全局搜索和局部寻优的能力,提出一种混合精英策略的元胞多目标遗传算法。该算法在分析元胞种群结构的特点基础上,融入一种混合精英策略,提高算法的收敛性能。为了更好的平衡算法的全局搜索和局部寻优的能力,加入一种差分进化交叉算子。通过与同类算法在21个基准函数上对比实验,结果表明,引入混合精英策略和差分进化策略能够提高算法的性能,与其他优秀算法进行比较的结果说明,新算法有更好的收敛性和多样性。工程实例求解结果表明了算法的工程可行性。     

Effect of Time Diversity on the Forward Link of the DS-CDMA Cellular System

A direct-sequences code division multiple access system has been accepted as a digital cellular standard (IS–95) in North America [1]. This digital cellular standard employs a powerful rate 1/2, constraint length 9, convolutional code in its forward link. It is well-known that in a Rayleigh fading channel the performance of a channel code depends very heavily on the interleaving depth and the relative variations of the channel characteristics. In slow fading channels, since the input symbols to the channel decoder are highly correlated, the bit-error-rate at the output of the channel decoder may be unacceptably high. Interleavers of large dimensions can reduce the correlation of the input signal to the channel decoder at the expense of an intolerable delay. In this paper we examine the performance of the IS–95 system, at the mobile receiver, for different channel fade rates. Also, we present a simple time diversity technique which employs multiple receive antennas. The multiple receive antennas in this case generate a fast fading effect and thus improves the performance of the channel decoder significantly.     

Simulation of Power Control and Diversity of Cellular CDMA

ＳｉｍｕｌａｔｉｏｎｏｆＰｏｗｅｒＣｏｎｔｒｏｌａｎｄＤｉｖｅｒｓｉｔｙｏｆＣｅｌｌｕｌａｒＣＤＭＡＲｏｍａｎＰｉｃｈｎａ；ＱｉａｎｇＷａｎｇ；ＶｉｊａｙＫ．Ｂｈａｒｇａｖａ；ＪｉａｌｉｎＺｏｕ；ＲｏｎＫｅｒｒ（ＵｎｉｖｅｒｓｉｔｙｏｆＶｉｃｔｏｒｉ...     

一种基于多样性信息和收敛度的多目标粒子群优化算法

为了提高多目标粒子群算法优化解的多样性和收敛性,提出了一种基于多样性信息和收敛度的多目标粒子群优化算法（Multiobjective Particle Swarm Optimization based on the Diversity Information and Convergence Degree,dicdMOPSO）.首先,利用非支配解多样性信息评估知识库中最优解的分布状态,设计出一种全局最优解选择机制,平衡了种群的进化过程,提高了非支配解的多样性和收敛性;其次,基于种群多样性信息设计出一种飞行参数调整机制,增强了粒子的全局探索能力和局部开发能力,获得了多样性和收敛性较好的种群.最后,将dicdMOPSO应用于标准测试函数测试,实验结果表明,dicdMOPSO与其他多目标算法相比不仅获得了多样性较高的可行解,而且能够较快的收敛到Pareto前沿.     

一种多样性保持的分布估计算法

针对传统分布估计算法中存在的早熟收敛问题,在讨论种群多样性保持方法和早熟原因的基础上,提出一种多样性保持的分布估计算法（EDA-DP）,具体措施包括：根据混沌运动具有的随机性、遍历性、初值敏感性和规律性等特点引入混沌变异算子;根据个体适应度值和种群中各个体之间的距离信息自适应调整变异半径;根据种群中的个体浓度信息生成子代种群。基准测试函数的实验结果表明,EDA-DP能够有效防止早熟收敛,在提高解的精度和加快收敛速度方面均有所改善。     

基于量子遗传算法的量子细胞自动机仿真方法

利用遗传算法对基于半经典模型的量子细胞自动机进行仿真时,通常会遇到多个极值,容易陷入局部最优。为将量子遗传算法用于量子细胞自动机仿真,对量子遗传算法进行改进,将二进制量子位改为多进制量子位,重新设计了量子旋转门的调整策略,并给出了具体实现步骤。通过对测试函数寻优和量子细胞自动机电路的仿真,结果表明,改进后的量子遗传算法平均误差低,不易陷入局部极值,收敛速度较快,适用于量子细胞自动机仿真。     

遗传算法在图像重建中的应用

针对从不完全投影重建图像的问题,根据图像连续性的假设,建立优化模型用遗传算法求解。针对遗传算法的早熟现象提出了多样性原则,分析了选择算子、交叉算子,以及变异算子对多样性的影响,构建了自适应遗传算法,并进行了仿真试验,试验结果比较满意。