基于遗传算法的矢量量化

本文提出了一种基于遗传算法的矢量量化方法。矢量量经码书设计本质是搜索训练矢量的最佳分类。遗传算法有卓越的全局优化搜索能力，易搜索到全局最优的矢量分类，形成高度优化的码书，可克服传统方法局部优化的缺陷。该方法不依赖初始条件、鲁棒性好、结构规则、并行性高。     

基于遗传算法的RBF网络及应用

本文采用遗传算法优化了RBF神经网络,讨论了用一种新颖的方式对RBF进行编码,提出了以权重为因子的适应度函数.将优化后的RBF神经网络用于泛函逼近和对新疆雅马渡站的年径流量进行预测,证明其有效性.     

一种基于遗传算法的PID参数的优化控制策略

针对某一控制对象，通过数学推导，得出一组值Kp，K1，KD将其作为遗传算法的参考值。虽是随机产生初始群体，但可以预置大致范围，并在此基础上进行优化，可提高遗传算法的收敛速度。     

一种基于遗传算法的数据挖掘技术

首先对相关理论进行了概述,阐明了数据挖掘和遗传算法的产生与发展以及他们的相互结合。接着提出了基于遗传算法的关联规则的提取方法。将遗传算法应用到关联规则的提取方面,讨论了遗传算法的编码方法、遗传算子的设计和适应度函数的构造。为了验证算法的有效性,笔者给出一个简单的数据实例,说明了本文方法的有效性。     

一种新的基于遗传算法的VQ码本优化方法

矢量量化(VQ)是语音识别中广泛应用的一种数据压缩和编码方法。在矢量量化的码本设计过程中,经典的LBG算法收敛速度快,但极易陷入局部最优,且初始码本的生成对最佳码本的设计影响很大。考虑到遗传算法(GA)是一种具有全局优化搜索能力的算法,提出了GA和LBG算法相结合的GA L算法来优化码本,改善了码本质量,并将其应用于非特定人汉语连续数字语音识别中。实验结果表明,GA L算法优于传统的LBG算法。     

一种基于遗传算法的协同搜索方法

目前多无人机协同搜索算法存在条件理想、效率较低、难以应用于真实战场环境的问题,针对上述问题,提出一种基于遗传算法的协同搜索方法。首先接收上级侦查情报,绘制目标可能存在的位置;其次生成多边形待搜索区域;然后根据无人机数量、无人机搜索半径以及最小路径原则对搜索区域进行分割;最后采用遗传算法将分割好的目标区域均匀分配给每个无人机,使得多个无人机可以覆盖整个目标区域,达到多无人机协同搜索总时间最短的目的。所提出的方法动态适应战场环境,效率高,占用资源少,可快速部署到多无人机协同搜索应用中。     

基于遗传算法的网络传输异常数据检测方法

针对网络传输过程异常数据与标准数据之间存在相对误差的问题,提出基于遗传算法的网络传输异常数据检测方法。通过遗传网络布局形式,建立标准的遗传适应度函数,利用数据编码标签,处理异常数据;通过定义网络传输数据异常簇点的方式,确定数据信息的传输密度水平,结合相关性检测阈值,实现网络传输异常数据检测。实验结果表明,设计方法的异常数据校正误差指标的最大值未超过2.0×10^-3MB,得出该方法有效降低了误差。     

基于遗传算法的矢量量化

本文提出了一种基于遗传算法的矢量化方法。矢量量化码书设计本质是搜索训练矢量的最佳分类。遗传算法有卓越的全局优化搜索能力,易搜索到全局最优的矢量分类,形成高度优化的码书,可克服传统方法局部优化的缺陷。该算法不依赖初始条件、鲁棒性好、结构规则、并行性高。     

一种基于自适应遗传算法的BP网络的应用

针对遗传算法和BP网络各自的优缺点，探讨了两算法结合的必要性、可能性以及结合方法，提出了一种改进的自适应遗传算法，并把该算法用于优化BP网络的权值。把经优化后的BP网络作为汉字识别的分类器，实验结果验证了所述方法的有效性。     

基于遗传算法的HMM最小错误率训练方法

最小错误率（ＭＣＥ）ＨＭＭ训练方法是最直接的判决方法之一，原理上比最大似然度方法优越得多。本文所提出的基于遗传算法的最小错误率方法不但可避免ＭＣＥ的缺陷，而且在原理上可求得全局最优解。实验结果表明，ＧＡ＿ＭＣＥ比ＭＣＥ好得多。     

基于遗传算法的组网雷达优化部署

组网雷达优化部署是发挥雷达网互补与倍增性能的前提和基础,由于雷达网部署涉及的因素很多,是一个多约束条件的多目标优化问题。采用一种基于遗传算法的组网雷达优化部署算法,采用综合性能函数作为优化目标函数,在种群产生时加入约束条件,将有约束问题转化为无约束的优化问题,克服了枚举法执行速度慢和专家推理法知识组合爆炸的问题。仿真结果表明,该方法能达到最优或准最优解,是一种有效的组网雷达优化部署方法。     

基于遗传算法的组网雷达优化部署

组网雷达优化部署是发挥雷达网互补与倍增性能的前提和基础,由于雷达网部署涉及的因素很多,是一个多约束条件的多目标优化问题。采用一种基于遗传算法的组网雷达优化部署算法,采用综合性能函数作为优化目标函数,在种群产生时加入约束条件,将有约束问题转化为无约束的优化问题,克服了枚举法执行速度慢和专家推理法知识组合爆炸的问题。仿真结果表明,该方法能达到最优或准最优解,是一种有效的组网雷达优化部署方法。     

一种改进的适应度函数研究

针对复杂函数的最优化问题,提出了一种改进的适应度函数设计方法,并将这种适应度函数参与遗传算法对Rosenbrock函数进行了测试,仿真结果表明这种改进的适应度函数在进化的初期能提高算法的优化性能。     

一种基于遗传算法的无线传感器网络定位算法

在无线传感器网络中,定位系统在目标监测与跟踪、基于位置信息的路由、智能交通、流管理等许多应用中起着至关重要的作用。本文基于遗传算法设计了一种适合于无线传感器网络的定位方法。实验结果表明,该方法具有定位精度高、所需锚节点比率小、受测距误差影响小的特点。     

基于模拟退火遗传算法的RBF网络的优化

提出了引入模拟退火的遗传算法对径向基函数(RBF)网络中心参数进行优化的算法,算法中选择实数编码,采用引入模拟退火过程的多点交叉和区域内随机波动的变异方法.用此算法作了两个仿真实验:一是对典型的混沌时间序列的预测,二是对被干扰了的图象进行去干扰.结果表明:这种基于模拟退火遗传算法对RBF网络参数的优化是行之有效的.     

一种基于多群体搜索的实数遗传算法

遗传算法在解决全局优化问题中起着重要的作用。本文依据部分动物物种在进化过程中的家族特征提出了一种多群体搜索实数遗传算法并且进行了仿真研究。通过仿真可以看,到该算法具有计算量较小,搜索精度高,收敛速度较快,抗早熟能力强,在有多个相同的全局最优点的情况下具有一定的搜索多个全局最优点参数的能力等特点。     

一种基于改进量子遗传算法的飞行状态规则提取方法

针对基本遗传算法(GA)和量子搜索算法(QA)的不足,提出改进量子遗传算法(BQGA),通过测试函数测试,其收敛精度明显优于传统算法.以飞行状态特征参数为研究对象,利用改进的量子遗传算法进行组合寻优,获得飞行状态识别的产生式规则.仿真实验表明,该方法得到的规则简洁、正确、有效.     

一种基于高维空间覆盖动态搜索方法的 非特定人连续数字语音识别的研究

本文使用高维空间点分布分析原理,在仿生模式识别高维空间点覆盖原理的基础上,提出了一种基于高维空间点覆盖动态搜索理论的非特定人连续数字语音识别的新算法,这种算法可以不经过端点检测和分割,通过对被识别连续数字语音直接进行动态搜索,得到被识别语音到各类高维空间覆盖范围的距离随时间变化曲线,通过距离曲线上的极小值点进行识别.     

一种基于遗传算法的解析模糊控制器

提出了一种解析规则模糊控制器的改进结构，并引入了能够动态调整模糊控制规则的修正函数；同时，通过遗传算法，实现了模糊控制器控制参数的组合优化设计。仿真结果表明这种设计方法是有效的。     

遗传算法在传感器阵列多波束图设计中的应用

由于在水声系统中实际阵列模型往往与理想阵列模型失配,导致基于理想阵列模型设计的波束图在实际应用中严重畸变,从而不能有效地抑制旁瓣干扰,严重影响系统性能.针对常规的波束设计方法应用到实际任意形状阵列时不能有效收敛到期望的最佳波束图,提出了一种基于遗传算法的多传感器阵列波束设计方法,以实现对任意形状阵列的多波束优化设计,获取期望特性的波束图或最佳可得的波束函数.结合运用水池实验测量的16元十字阵的数据,给出了方法基本步骤与多波束设计结果.设计波束满足了应用需要,说明了方法的应用可行性和有效性,且具有很强的宽容性.提出的算法对于实际多传感器系统的多波束设计具有重要意义.