级联遗传算法优化设计前向神经网络

文章提出了一种新的用遗传算法优化设计前向神经网络结构和权重矢量的方法。这种算法采用二进制与浮点数混合编码 ,对神经网络结构用二进制编码 ,对神经网络权重矢量用浮点数编码 ,并设计了与混合编码相对应的交叉、变异、选择算子 ,既保留二进制编码简单、易操作的优点 ,又具有浮点数编码搜索空间大、精度高、稳定性好、运算速度快的优点。优化算法包括两级级联的遗传算法。第一级遗传算法实现快速的局部寻优 ,而第二级遗传算法提高全局寻优能力。     

排队"梯度"浮点数编码遗传算法

文章主要论述了浮点数编码遗传算法优化的问题。充分利用个体及其适应度函数值的已知信息,依据一定算法得到“梯度”信息,从而加快算法的收敛速度。但如果个别适应度函数值相对较大(例如是全体适应度函数值平均值的100倍以上),则上述利用“梯度”信息的优势尽失。为了解决此问题,提出排队“梯度”浮点数编码遗传算法。最后用典型的四个常用测试函数分别对简单浮点数编码遗传算法、利用“梯度”信息的浮点数编码遗传算法和排队“梯度”浮点数编码遗传算法的性能进行了测试和比较。     

免疫遗传算法及其应用研究

遗传算法是一种导向随机搜索算法,具有较强的全局搜索能力.为克服遗传算法盲目搜索、收敛速度慢的缺点,文章提出了免疫遗传混合算法.利用求解问题特征对遗传算法的种群进行免疫接种,以提高搜索速度.为检验混合算法的效率,给出了经典TSP问题的混合算法.实验结果表明,混合算法具有收敛速度快、搜索精度高、稳健性强的特点.     

改进的遗传模拟退火算法优化光组播网络编码

网络编码可以提高WDM光网络有限数目波长转换器的利用率,但是网络编码操作将增加光域运算开销、复杂度和缓存需求。为了达到光组播容量条件下尽可能减少网络编码的次数,结合遗传算法和基于模拟退火的个体接受策略,提出一种改进的遗传模拟退火算法(GSAA)。算法通过设计一个既能满足最大组播吞吐量又考虑波长连续性约束路由的算法适应度函数实现网络编码次数减少;为保证种群空间中部分染色体可行性,算法在初始种群中加入一部分可行人工染色体;为了提高算法的局部搜索能力和收敛速度,算法在迭代过程中设计了一个局部搜索过程和自适应变异操作。仿真结果表明:改进的GSAA在收敛速度、网络编码次数等方面优于其它遗传算法。     

基于遗传算法的粗糙集属性约简算法

针对目前粗糙集遗传约简算法不能确保得到约简的不足,分别提出基于二进制编码基因和符号编码基因的遗传约简算法.基于二进制编码基因的遗传算法加入修正算子以确保遗传算法在可行解的空间搜索.基于符号编码基因的遗传算法融合交叉算子和变异算子以降低遗传算法的复杂度.实验结果表明,两种编码方式的遗传约简算法都能确保得到约简.     

基于改进混合量子遗传算法的二相编码雷达波形优化

针对当前雷达波形优化算法搜索策略单一、适用范围受限的问题,提出了一种基于改进混合量子遗传算法的二相编码雷达波形优化算法。所提算法采用了一种新的自适应旋转角度策略,根据迭代次数和余弦相似度动态调整旋转角度,提高了算法的收敛速度、全局搜索能力和求解质量。仿真结果表明,与遗传算法、基本量子遗传算法和混合量子遗传算法相比,对于包含了单峰、多峰和非凸优化问题的6个标准测试函数,所提算法在质量和资源消耗上均表现更好;对于二相编码雷达波形优化,证实了使用所提算法优化波形是可行和有效的。     

一种新的数字调制信号分类特征选择算法

针对调制信号分类特征选择问题,提出了自适应惯性权重模拟退火二进制离散粒子群算法。该算法将模拟退火算法嵌入到离散粒子群算法循环体中,利用模拟退火算法具有较强的局部搜索能力和避免陷入局部最优解的特点,解决了简单智能优化算法早熟收敛和局部搜索能力弱等问题。仿真结果表明,该算法能有效选取最优特征,性能优于简单离散粒子群算法和遗传算法。     

改进的波束成型遗传算法对宽角度干扰的抑制

将遗传算法应用于一维线性天线阵的波束成型,研究了该算法对宽角度干扰的抑制性能。提出了一种改进的二进制编码方法,引入若干参数用以方便地控制了解的精度和搜索空间。仿真结果表明,该算法可以有效地抑制宽角度范围的强干扰信号,收敛速度快,抑制深度可达30dB。与已发表的文献比,该算法得到了更好的干扰抑制效果。     

基于混合粒子群算法求解TSP问题

遗传算法是研究TSP问题中最为广泛的一种算法,它具有全局搜索的能力。而粒子群算法收敛速度较快,但容易造成局部最优的情况。本文基于遗传算法的交叉变异设计了混合粒子群算法,通过对TSP问题求解分析,证实该方法提高了标准粒子群的搜索能力,获得了较高的收敛速度和近似最优解。     

自适应变异遗传算法及其性能分析

本文提出了一种新的自适应遗传算法,通过对二进制编码串中每一比特位赋予不同的变异概率来加快搜索过程。对几种典型函数的测试结果表明：本文算法的收敛性能优于标准遗传算法。