一种基于种群多样度的实数编码并行遗传算法

为了改善遗传算法的收敛性能,提出了一种基于个体适应度的种群多样性度量函数,恰当地反映了遗传算法的进化阶段,预报了早熟收敛的趋势. 设计了基于种群多样度函数的迁移算子和交叉算子,并对交叉、变异概率等进行了动态调整,构成了具有多层迁移特点的实数编码并行遗传算法. 通过和其他优秀遗传算法对测试函数的验证比较,结果表明,该算法对于解决遗传算法中早熟、收敛速度慢等问题具有优越的性能.     

基于伪并行遗传算法的聚类分析方法

针对传统的基于聚类准则的聚类算法初始化敏感和容易陷入局部极值的问题,设计了一种新的基于伪并行遗传算法的聚类方法.采用实数编码方式对每个样本所属的类别进行编码,通过空类的识别和修复来修正不舍法的染色体.在引入离散随机变异算子和优化方向变异算子的基础上,结合迁移策略和插入策略,达到兼顾局部收敛速度和全局收敛性能的目的.与K-均值算法对比仿真实验,表明了这种基于伪并行遗传算法的聚类新方法的可行性和有效性.     

一种改进的实数编码遗传算法*

针对实数编码在进行数值优化时固有的过早收敛、停滞现象和弱的爬山能力等缺点,通过设计不同的交叉、变异算子,提出了一种改进的实数编码的遗传算法。数值实验显示,该算法在函数优化问题上取得了较满意的效果。     

一种求解数值优化问题的非线性遗传算法

由于算术杂交算子的线性搜索范围及变异算子的随机搜索，导致了实数遗传算法的效率较低．为此，通过拓展遗传算子的搜索范围，提出了一种动态双层非线性杂交算子，并将混沌搜索引入变异算子，从而给出了一种求解数值优化问题的非线性遗传算法．实例仿真证明该算法的有效性，并以“平均截止代数”和“平均截止代数分布熵”作为评价指标，对该方法的优化效率进行了研究，定量的评价了该方法的优化效率，通过与实数遗传算法进行比较，进一步说明了该方法的优化效率高于实数遗传算法。     

基于新一代GPS的垂直度误差评定方法的研究

现代产品几何技术规范(GPS)提出的操作与操作算子技术,为实现几何产品检验/认证过程的数字化和规范化评定提供了必要的技术基础。研究分析了垂直度误差和轴线对端面垂直度误差评定过程中操作算子的构成,并建立了基于最小区域的各拟合操作的数学模型和优化目标函数。介绍了一种基于实数编码的遗传算法来解决误差评定中的目标优化问题,阐述了算法的基本思想和步骤。通过实例介绍了基于实数编码的遗传算法的轴线对端面垂直度误差评定过程。结果表明:该过程规范、有效、可操作性强。     

基于演化策略算法的置换流水车间调度优化研究

采用演化策略算法求解置换流水车间调度问题,提出了一种基于工件次序的二维实数编码方法.设计了一种基于父代个体两点交叉互换的重组算子来生成子代个体,针对个体编码,采用局部基因随机重新生成的变异算子.计算结果说明,演化策略算法能够有效地对置换流水车间调度问题进行优化,其优化性能好于遗传算法和NEH启发式算法以及粒子群算法.     

基于遗传算法的混合降阶H2/H∞控制器

讨论了混合降阶H2/H∞控制器的设计问题,提出了应用遗传算法设计混合降阶H2/H∞控制器的一种方法.通过遗传算法对次优H∞降阶控制器进行H2性能优化,设计出鲁棒性既强又满足系统性能要求的混合降阶H2/H∞控制器.它分别在H∞降阶和H2性能优化中两次应用遗传算法,遗传算法采用实数编码形式,其算子分别选用排序选择和最佳个体保存相结合的选择算子、实值中间重组的交叉算子及实值变异的变异算子.利用国产某型飞机对该方法进行仿真,其结果表明得到的混合降阶H2/H∞控制器具有良好的H∞性能和H2性能.     

遗传算法三种编码策略的比较研究

分析了遗传算法的二进制、实数、十进制编码策略实现方法,根据各编码的特点,设计了相应的改进遗传策略。以前馈神经网络权值优化问题为例,用计算机仿真实验的方法研究了三种编码策略对各遗传算法性能的影响。研究结果表明,若同时强调搜索效率和搜索准确性,宜采用实数编码的改进遗传算法;若只强调搜索准确性,则应优先考虑十进制编码的改进遗传算法。研究的结论为遗传算法在高维连续参数优化问题中编码策略的选取提供了理论指导。     

基于遗传算法的混合降阶H 2 öH ∞控制器

讨论了混合降阶H2/H∞控制器的设计问题,提出了应用遗传算法设计混合降阶H2/H∞控制器的一种方法.通过遗传算法对次优H∞降阶控制器进行H2性能优化,设计出鲁棒性既强又满足系统性能要求的混合降阶H2/H∞控制器.它分别在H∞降阶和H2性能优化中两次应用遗传算法,遗传算法采用实数编码形式,其算子分别选用排序选择和最佳个体保存相结合的选择算子、实值中间重组的交叉算子及实值变异的变异算子.利用国产某型飞机对该方法进行仿真,其结果表明得到的混合降阶H2/H∞控制器具有良好的H∞性能和H2性能.     

实数自适应并行遗传算法的研究

针对遗传算法中的早收敛现象,提出了一种实数自适应并行遗传算法（real adaptive parallel genetic algorithm,RAPGA）。该算法采用了一种并行遗传进化结构,并将自适应交叉、变异算子引入到本算法中,增强和保持了种群的多样性。最后,通过与其他经典优化遗传算法进行比较显示,RAPGA对多个标准测试函数均表现出较好的搜索性能。     

Optimization of one-dimensional Bin Packing Problem with island parallel grouping genetic algorithms

The well-known one-dimensional Bin Packing Problem (BPP) of whose variants arise in many real life situations is a challenging NP-Hard combinatorial optimization problem. Metaheuristics are widely used optimization tools to find (near-) optimal solutions for solving large problem instances of BPP in reasonable running times. With this study, we propose a set of robust and scalable hybrid parallel algorithms that take advantage of parallel computation techniques, evolutionary grouping genetic metaheuristics, and bin-oriented heuristics to obtain solutions for large scale one-dimensional BPP instances. A total number of 1318 benchmark problems are examined with the proposed algorithms and it is shown that optimal solutions for 88.5% of these instances can be obtained with practical optimization times while solving the rest of the problems with no more than one extra bin. When the results are compared with the existing state-of-the-art heuristics, the developed parallel hybrid grouping genetic algorithms can be considered as one of the best one-dimensional BPP algorithms in terms of computation time and solution quality.     

一种基于子域搜索的高效遗传算法

论文根据机器学习的思想利用有限离散的方法设计了一种新的实数编码遗传算法——基于子域搜索的遗传算法(SBGA),该算法能够根据学习规则记忆前面搜索过的样本点信息,并利用这些信息指导后续的搜索。理论分析和数值仿真都表明了算法的稳健性,能够消除过早收敛现象,处理复杂约束,避免重复采样等。     

基于遗传算法的饲料配方设计

首先,对遗传算法作了简要阐述,鉴于遗传算法的全局并行搜索能力,提出了基于遗传算法的饲料配方设计,并在遗传算法中采用了实用有效的实数编码方案。仿真实验说明,该方法在速度和解的质量方面都达到了令人满意的效果,为复杂问题的优化提供了一种新的有效的方法。     

序的分类预测在进化算法中的应用

昂贵优化问题的求解往往伴随着计算成本灾难,为了减少目标函数的真实评估次数,将序预测方法用于进化算法中候选解的选取.通过分类预测直接得到候选解的相对优劣关系,避免了对目标函数建立精确代理模型的需求,并且设计了序样本集约简方法,以降低序样本集的冗余性,提高序预测模型的训练效率.接下来,将序预测与遗传算法相结合.序预测辅助遗传算法在昂贵优化测试函数上的仿真实验表明,序预测方法可有效降低求解昂贵优化问题时的计算成本.     

Memetic算法在智能组卷问题中的应用

Memetic算法是一种启发式搜索方法,常用于解决一些NP问题。本文通过对遗传Memetic算法的改进与优化,结合智能组卷问题的特点,提出一套完整的解决方案。算法使用Memetic算法框架,全局搜索策略采用分段实数编码的遗传算法,融合了算法的交叉变异操作,局部搜索策略采用模拟退火算法,有效解决陷入局部最优问题。通过不同算法的对比实验表明,本文提出的Memetic算法能够快速高效地解决智能组卷问题,大大提升试卷生成质量,减少迭代次数,可快速获得最优解。      

Parallel genetic algorithms: a survey and problem state of the art

In relation with development of computer capabilities and the appearance of multicore processors, parallel computing made it possible to reduce the time for solution of optimization problems. At present of interest are methods of parallel computing for genetic algorithms using the evolutionary model of development in which the main component is the population of species (set of alternative solutions to the problem). In this case, the algorithm efficiency increases due to parallel development of several populations. The survey of basic parallelization strategies and the most interesting models of their implementation are presented. Theoretical ideas on improvement of existing parallelization mechanisms for genetic algorithms are described. A modified model of parallel genetic algorithm is developed. Since genetic algorithms are used for solution of optimization problems, the proposed model was studied for the problem of optimization of a multicriteria function. The algorithm capabilities of getting out of local optima and the influence of algorithm parameters on the deep extremum search dynamics were studied. The conclusion on efficiency of application of dynamic connections of processes, rather than static connections, is made. New mechanisms for implementation and analysis of efficiency of dynamic connections for distributed computing in genetic algorithms are necessary.     

一个多维次成分并行提取算法及其收敛性分析

次成分分析是信号处理领域内一项重要的分析工具.目前,多维次成分并行提取算法数量稀少,而且现有的算法在应用时还存在很多限制条件.针对上述问题,在分析研究OJAm次子空间跟踪算法的基础上,采用加权矩阵法提出了一种多维次成分提取算法,并采用递归最小二乘法对所提算法进行了简化,最后采用李雅普诺夫函数法确定了所提算法的全局收敛域.相比现有算法,所提算法对信号的特征值大小没有要求,也不需要在迭代过程中进行模值归一化操作,同时算法具有较低的计算复杂度.仿真实验表明:所提算法能够并行提取多维次成分,而且收敛速度要优于现有同类型算法.     

目标跟踪算法的并行优化

目标跟踪是计算机视觉领域一个重要的研究方向,近年来学者提出了众多优秀的目标跟踪算法,但许多算法的低实时性制约了其在应用场景中的有效性。针对这些算法,提出了一个通用的跟踪模型,并针对此模型提出了一个可行的并行优化方案。之后使用SCM算法验证了所提出的并行优化方案。在四核CPU的环境下,并行后的SCM算法相比于未并行的算法取得了3.48倍的并行加速比,并且比原算法Matlab+C程序的运行速度快了约30倍,这说明了所提出的并行优化方案的有效性。     

Test data generation for path coverage of message-passing parallel programs based on co-evolutionary genetic algorithms

Employing genetic algorithms to generate test data for path coverage has been an important method in software testing. Previous work, however, is suitable mainly for serial programs. Automatic test data generation for path coverage of message-passing parallel programs without non-determinacy is investigated in this study by using co-evolutionary genetic algorithms. This problem is first formulated as a single-objective optimization problem, and then a novel co-evolutionary genetic algorithm is proposed to tackle the formulated optimization problem. This method employs the alternate co-evolution of two kinds of populations to generate test data that meet path coverage. The proposed method is applied to seven parallel programs, and compared with the other three methods. The experimental results show that the proposed method has the best success rate and the least number of evaluated individuals and time consumption.     

PDF417条码编码算法的研究与实现

本文介绍了PDF417条码实现中的模式切换、子模式切换和纠错码计算等难点,实现了文本模式、字节模式和数字模式下的数据压缩算法,给出了码字符号长度最短的优化编码算法。针对PDF417条码采用的Reed-Solomon错误控制码算法,本文提出了一种优化的查表算法。