一种基于逆序算子的优化组合遗传算法

针对遗传算法(GA)局部搜索能力差的问题,从提出基因逆序算子的新角度,构造了一种基于逆序算子的优化组合遗传算法,从理论上证明了该算法的收敛性。     

基于阀值逆序算子的优化组合遗传算法

针对遗传算法局部搜索能力差的缺点,模拟生物染色体中基因排列的有序性,对阀值逆序算子进行了研究,它与传统逆序算子相比,能较好地提高群体性能提高,减少了对种群多样性的破坏,改善了遗传算法的局部搜索性能,与具有全局搜索性能好的遗传算子组合,弥补了阀值逆序算子对全局搜索性能的影响,构造了一种基于阀值逆序算子的优化组合遗传算法。从理论上证明了该算法的收敛性,实验结果表明,该优化组合算法具有更好的寻优能力,对应用串型编码的遗传算法解决一般的优化问题时,具有很好的借鉴意义,阀值可根据求解问题特征和局部搜索强度而选定。     

一种可寻得全局最优解的改进变异算子

文献[1]分析了典型遗传算法不成熟收敛的起因,据此提出了一种改进的遗传变异算子,计算机仿真实验证明改进后的遗传算法能有效地克服不成熟收敛,进而搜索到全局最优解。     

一种基于矩阵遗传算子的优化组合遗传算法

针对遗传算法中全局搜索与局部搜索之间的矛盾,应用二进制编码具有对搜索空间表示精细、容易位值计算的特点,提出矩阵遗传算子,实现群体性对样本空间探索,从而增强遗传算法的全局搜索性能,与具有良好局部搜索性能的遗传算子组合应用,构造了基于矩阵遗传算子的优化组合遗传算法,保证了算法的全局收敛性.实验结果表明,该算法具有更好的整体寻优能力,对利用基于二进制编码遗传算法求解复杂非线性优化问题具有重要借鉴意义.     

基于两种新型遗传算子的优化组合遗传算法①

针对遗传算法中全局搜索与局部搜索之间的矛盾,应用二进制编码对搜索空间描述精细、容易位值计算的特点,从矩阵遗传算子和布尔遗传算子的角度,分别对全局搜索和局部搜索的性能进行改进,并将二者组合应用,构造基于这两种新型遗传算子的优化组合遗传算法,避免了传统遗传算法中杂交率和变异率参数的选取,保证了算法的全局收敛性。实验结果表明,该算法具有更好的整体搜索性能,对应用二进制编码遗传算法求解复杂非线性优化问题具有重要借鉴意义。     

基于两种新型遗传算子的优化组合遗传算法①

针对遗传算法中全局搜索与局部搜索之间的矛盾,应用二进制编码对搜索空间描述精细、容易位值计算的特点,从矩阵遗传算子和布尔遗传算子的角度,分别对全局搜索和局部搜索的性能进行改进,并将二者组合应用,构造基于这两种新型遗传算子的优化组合遗传算法,避免了传统遗传算法中杂交率和变异率参数的选取,保证了算法的全局收敛性。实验结果表明,该算法具有更好的整体搜索性能。对应用二进制编码遗传算法求解复杂非线性优化问题具有重要借鉴意义。     

基于免疫分裂算子的粒子群优化算法

针对粒子群优化(particle swarm optimization,PSO)易收敛于局部最优的缺点,提出了一种基于免疫分裂算子的PSO.该算法在初始化时,运用正交的思想,使得粒子分布均匀;在进化时,提出了一种基于速度与位置的亲和度,当粒子相似度满足要求时,才对粒子进行免疫变换,并且变异操作只针对性能较差的粒子.这样在保证粒子多样性的基础上减少了运算量提高了收敛速度.在Matlab环境下对Rosenbrock函数、Rastrigrin函数、Gdewank函数3个多峰函数进行了仿真验证,实验结果表明,改进的PSO算法能够有效地达到全局最优.     

基于新变异算子的改进粒子群优化算法

粒子群优化算法(PSO)是一种基于群体智能的优化算法。本文在介绍PSO算法基本原理和流程的基础上,分析了该算法在处理一些复杂问题时容易出现的早熟收敛、收敛效率低和精度不高等问题,提出了一种基于新变异算子的改进粒子群优化算法(NMPSO)。NMPSO算法将产生的变异粒子与当前粒子进行优劣比较,选择较优的粒子,增强了种群的多样性,有效地避免算法收敛早熟。用5个常用基准测试函数对两种算法进行对比实验,结果表明:新提出的NMPSO算法增强了全局搜索能力,提高了收敛速度和收敛精度。     

稳定进化的遗传算法

通过对遗传算法过早收敛现象的认识,在基于具有性别特征的遗传算法的基础上,提出了染色体表现型遗传的概念。通过染色体表现型遗传,控制变异操作,使变异操作具有确定性,算法的演化过程也能够保持一种连续、稳定的进化状态,从而避免过早收敛。通过函数测试的结果,并与具有性别特征的遗传算法相比,论文算法可以达到更好的全局搜索能力和避免过早收敛的效果。     

基于一种新的优胜劣汰遗传算法的最小缩减计算

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。     

基于成长算子的改进遗传算法及仿真

模拟生物界成长发育过程,加入成长算子对遗传算法框架进行改进,形成新的算法框架-成长遗传算法(growth GA)．该算法能够克服简单遗传算法寻优速度较慢、局部搜索能力较弱的缺点．利用爬山法局部搜索能力强的特点,给出成长算子的一种具体实现,并证明加入成长算子不改变算法收敛性．与简单遗传算法和确定性拥挤遗传算法的对比函数优化实验证明:成长遗传算法有利于兼顾寻优速度和收敛精度．     

基于遗传算法的Canny边缘检测算子在配药机器人中的应用

为了尽可能降低噪声的影响和保留图像的边缘信息,以确保配药机器人的机械手能快速准确地抓取药瓶完成整个配药过程,结合了遗传算法和Canny边缘检测算子的优点,首先采用半像素插值的方法将3 ×3模板扩展成5×5模板,再利用图像梯度方差作为判据对图像进行四叉树分块,然后对每个子块采用二次寻优遗传算法再反复迭代求出最佳阈值,最后利用该阈值来对边缘进行提取.实验结果表明:与传统的算法相比,该算法的检测效果更好,能有效地减少假边缘点出现的概率,保证了机械手的抓取动作顺利进行.     

一种新型多目标遗传优化算法及其应用研究

文章针对一般约束多目标优化问题，在设计了新的适应度函数和选择算子的基础上，提出一种新型多目标遗传算法。将其应用于集群目标靶场效能优化问题，验证了算法的有效性。     

操作概率自适应进化算法及其在移动机器人导航中的应用

以性能指标(集)估计个体的性能,给出了自适应计算进化操作概率的统一表达形式,提出了以海明距离或它和适应度相结合进行进化操作概率自适应调整方法,证明了全局搜索进化操作概率与性能指标(集)评价出的性能成反比,局部搜索进化操作概率与性能指标(集)评价出的性能成正比;最后以移动机器人进化导航为例进行了仿真实验,结果表明新方法能有效的提高进化计算的速度.     

Optimizing the Garch Model–An Application of Two Global and Two Local Search Methods

Results from our optimization exercise clearly show the advantage of using the random search algorithms when we anticipate the search for the global optimum to be difficult. When the number of parameters in the model is relatively small (nine parameters) Differential Evolution performs better than Genetic Algorithm. However, when the number of parameters in the model is relatively large (fifteen parameters) the reverse case is true. A comparison of the Quasi-Newton and Simplex methods also shows that both the Quasi-Newton algorithm of shazam and the simplex algorithm of fminsearch are sensitive to starting values. However, allowing shazam to set its starting values or using the PRESAMP option to set the starting values produced the best results for shazam. The general conclusion of this paper is that the choice of optimization technique for difficult optimization problems like the one attempted here should be based on problem attributes. When in doubt, multiple techniques should be applied and the estimated results evaluated.     

基于遗传算子的粒子群优化算法的比较分析

为了深入分析探讨改进的粒子群优化算法的性能,针对典型的函数优化问题,设计了3种方案：(1)采用线性递减惯性权重的PSO;(2)基于遗传算子的PSO;(3)在方案(2)基础上,加入收缩因子χ。在MATLAB 7.0中对常用的测试函数进行优化仿真,发现当融合遗传算子和收缩因子时,算法性能最优。     

Memetic Algorithm based on Improved Inver-over operator and Lin-Kernighan local search for the Euclidean traveling salesman problem

In this study, an Improved Inver-over operator is proposed to solve the Euclidean traveling salesman problem (TSP) problem. The Improved Inver-over operator is tested on 14 different TSP examples selected from TSPLIB. The application of the Improved Inver-over operator gives much more effective results regarding to the best and average error values than the Basic Inver-over operator. Then an effective Memetic Algorithm based on Improved Inver-over operator and Lin-Kernighan local search is implemented. To speed up the convergence capability of the presented algorithm, a restart technique is employed. We evaluate the proposed algorithm based on standard TSP test problems and show that the proposed algorithm performs better than other Memetic Algorithm in terms of solution quality and computational effort.     

基于遗传算法的震后恢复资金分配优化设计

针对震后恢复资金分配的优化设计,介绍了动态规划法在以经济效益为目标建立非线性规划的数学模型,探讨用Matlab语言实现该模型,通过遗传算法工具箱（GAOT）的程序求解。通过编程,对实例的优化过程表明：在动态规化法思想的基础上,利用Matlab遗传算法工具箱辅助计算和设计,可使得震后恢复资金分配的优化设计简捷方便,具有工程实用价值。     

基于局部搜索和遗传算法的激光切割路径优化

为了缩短激光加工时间,提高加工效率,提出了一种新的局部搜索法与遗传算法相结合的激光切割路径优化算法。该算法从加工轮廓中提取节点,通过局部搜索法对节点进行局部路径优化,再运用的遗传算法求得近似最优解,遗传算法中的选择算子改进为基于相对适应度的轮盘赌选择算子。详细介绍了算法的原理及实现,通过编程仿真证明该算法与传统的遗传算法相比具有良好的优化效果,可明显缩短加工路径,减少加工时间,提高加工效率。     

基于遗传交叉和多混沌策略改进的粒子群优化算法

为有效改进基本PSO算法的搜索能力,提出了一种基于遗传交叉和多混沌方式改进的粒子群算法。该算法为获得比当前群体更优的最优解,采用了以下四种措施：其一,对当前群体中的最优解和每个粒子最优解进行遗传交叉操作;其二,用混沌系统动态地调整PSO算法的惯性权重;其三,对整个解空间进行混沌全局搜索;最后,对当前群体中最优解进行多维和单维的混沌局部搜索。仿真实验结果表明：与其它三种算法相比,提出的算法在解决8个整数和混合整数非线性规划问题时不仅收敛速度最快,而且具有100%的成功率。