基于改进的遗传算法软硬件划分方法研究

随着芯片集成度的飞速发展,集成电路的设计已经进入了片上系统（SoC,System on Chip）的时代。传统的软硬件分开设计的方法已经不再适合SoC设计的需要,而软硬件协同设计技术很好地解决了传统设计方法所不能解决的问题。软硬件划分方法是软硬件协同设计中的一个关键的问题,文章主要从基于多目标的遗传算法出发,对遗传算法主要做了两方面的改进：一方面引入小生境技术,进一步优化了算法;另一方面是引入精英保持策略,保证了算法的收敛性。并通过实验,对比不同算法之间的结果,验证了算法的收敛性。     

基于改进的遗传算法软硬件划分方法研究

随着芯片集成度的飞速发展,集成电路的设计已经进入了片上系统（Soc,Systemonchip）的时代。传统的软硬件分开设计的方法已经不在适合Soc设计的需要,而软硬件协同设计技术很好解决了传统设计方法所不能解决的问题。软硬件划分方法是软硬件协同设计中的一个关键问题,从基于多目标的遗传算法出发,主要做了两方面的改进：一方面引入小生境技术,进一步优化了算法;另一方面是引入精英保持策略,保证了算法的收敛性。     

多蜂群进化遗传算法

提出一种多蜂群进化型遗传算法。在该算法中,种群的最优个体作为蜂王与被选的每个个体（雄蜂）,以概率进行交叉操作,增强了对种群最优个体所包含信息的开采能力。为避免算法早熟,被选雄蜂部分来自于其他蜂群,同时引入蜂王对其他蜜蜂的抑制机制,以提高蜂群的生物多样性。实验结果表明,多蜂群进化遗传算法是一种提高遗传算法性能的有效改进算法。     

一种基于排序操作的进化算子自适应遗传算法

提出了一咱基于排序操作的进化算子自适应的遗传算法,该算法中,每个体按适应值大小进行排序,个体的选择、交叉、交异算子的概率根据个体排序值来自适应地确定,其中选择概率还随进化过程而调节,利用Ｍａｒｋｏｖ链的分析法证明了该算法的全局收敛性,最后,实验结果表明该算法同传统的遗传算法相比不仅能收敛到全局最优解,而且具有交快的收敛速度。     

一种遗传算法的声带模型参数反演方法

采用遗传算法进行声带模型参数反演能够有效地实现概率意义的全局搜索,但存在易陷入局部最优解和收敛性能弱等缺陷,针对这些问题,本文提出了一种改进遗传算法的声带模型参数反演方法,通过声门波形参数构建目标函数,引入精英保留策略,选择适应度高的精英个体保留至下一代种群。对普通种群进行双向邻域搜索,通过目标函数值进行模型参数反演操作,得到模型参数最优解。实验结果表明,反演后得到的特征相对误差不超过1.5％,改进后的加权平均相对误差比改进前减小了0.11％,说明改进后的遗传算法搜索性能好,收敛性能高,得到的特征参数精确度更高。     

一种改进的进化策略研究

提出了一种新的进化策略,基于物种保护的混合变异算子进化策略,它混合了四种不同的变异算子(Gaus-sian、Cauchy、Levy和单点(Single Point)),并结合了使局部优化不被陷入困境的物种保护技术.使用国际通用标准函数来测试这种新算法,仿真的结果表明了基于物种保护的混合变异算子进化策略优于任何一种纯策略的进化策略.     

一种基于神经网络和遗传进化的加速算法及其应用

文章简要分析了GA和HNN算法的特点，并将两种算法有机地相结合，提出了一种加速方法，该方法不仅简单，易行，而且具有很强的全局和局部搜索能力，加速效果明显。     

基于精英集选择进化个体的交互式遗传算法

大种群交互式遗传算法中,评价个体数目的增多加重了用户疲劳,限制了该方法的应用.本文提出一种基于精英集的进化个体选择方法,首先,基于用户评价较高的个体形成精英集;然后,选择与精英集相似的个体类别,在无需用户评价和适应值估计的情况下,直接用于遗传操作;最后,根据种群的进化阶段和个体对精英集的贡献,更新精英集.将其应用于窗帘进化设计系统中,并与已有典型方法比较.结果表明,该方法在提高种群搜索性能的同时,能够有效减轻用户疲劳.     

思维进化计算及其应用

思维进化计算（Mind Evolutionary Computation,MEC）是一种新的进化计算方法。对MEC的系统结构、基本操作进行了概述,并剖析了MEC和遗传算法（Genetic Algorithms,GA）的不同之处,同时介绍了MEC的主要应用领域及研究成果。最后还对MEC今后的研究方向进行了探讨。     

遗传算法的自适应进化策略及TSP问题的遗传优化

本文研究遗传算法的进化策略，提出了一种在遗传操作层次上将局部搜索方法与基本遗传算法要结合，依据遗传群体的环境参量动态地调整遗传算法的进化策略和控制局部搜索强度的自适应进化策略，并结合货郎担（ＴＳＰ）优化问题介绍其具体实现方法，给出实验结果。     

An Improved Real-Coded Genetic Algorithm and Its Application

Real-coded genetic algorithm（RGA）usually meets the demand of consecutive space problem.However,compared with simple genetic algorithm（SGA）RGA also has the inherent disadvantages such as prematurity and slow convergence when the solution is close to the optimum solution.This paper presents an improved real-coded genetic algorithm to increase the computation efficiency and avoid prematurity,especially in the optimization of multi-modal function.In this method,mutation operation and crossover operation are improved.Examples are given to demonstrate its com p utation efficiency and robustness.     

改进遗传算法在E面波导滤波器设计中的应用

由于遗传算法表现出良好的全局搜索性能,因此本文将其应用于高性能E面波导滤波器的设计中.针对传统遗传算法所存在的局部搜索能力差的缺点,本文在并行遗传算法的基础上,通过将原有群体划分为多个子群体,利用多个子群进行局部极值点的搜索,并利用群间迁徙,使改进后的算法收敛速度平均提高了2~3倍.数值实验表明算法具有较快的收敛速度和较好的全局搜索性能,证明了算法的有效性.     

An Improved Genetic Algorithm with Quasi-Gradient Crossover

The convergence of genetic algorithm is mainly determined by its core operation crossover operation. When the objective function is a multiple hump function, traditional genetic algorithms are easily trapped into local optimum, which is called premature conver- gence. In this paper, we propose a new genetic algorithm with improved arithmetic crossover operation based on gradient method. This crossover operation can generate offspring along quasi-gradient direction which is the Steepest descent direction of the value of objective function. The selection operator is also simplified, every individual in the population is given an opportunity to get evolution to avoid complicated selection algorithm. The adaptive mutation operator and the elitist strategy are also applied in this algorithm. The case 4 indicates this algorithm can faster converge to the global optimum and is more stable than the conventional genetic algorithms.     

一种新量子遗传算法及其应用

提出一种新量子遗传算法(NQGA),其核心是采用量子比特相位比较法更新量子门和自适应调整搜索网格的策略,NQGA具有收敛速度快、全局寻优能力强和计算时间短的特点.文中通过典型复杂函数测试和应用实例表明,NQGA的优化质量和效率都优于传统遗传算法.     

一类改进遗传算法的图像信息恢复研究

首先,提出了直接一阶混合映射的灰度转换方程,改进了现有的基于远程相关性的图像信息恢复算法,既克服了直接映射平滑性差的缺点,又避免了一阶线性多项式映射存在的多项式系数分母为零的无意义问题可能带来的重大缺陷;接着,提出了一类改进的遗传算法作为图像恢复中远端窗口的搜索策略,避免了遍历搜索的费时费力,又克服了随机搜索的盲目性和不稳定性,与基本遗传算法相比加快了收敛进程,提高了准确性.实验结果表明,本文提出的两个方面的改进对图像恢复的效果令人满意,特别是改进的遗传算法在全局寻优中表现出了良好的鲁棒性.     

一种改进的免疫算法研究及其应用

针对传统免疫算法收敛速度慢、参数设置复杂和亲和度计算存在误差等缺点,采用抗体间探测半径Rprobe度量抗体浓度的策略,提出一种改进的免疫算法,该算法将抗原和抗体分别对应于解空间X和一个解xi,把X分成Kopt个簇,每个簇首xopt以Rprobe为半径的范围内向所有xi发送消息来感知其周围抗体,其抗体浓度计算方法可以实现实数非均匀变异,可以提高算法的收敛速度和从局部最小中逃逸的能力.     

改进的量子遗传算法及其在WMSN覆盖优化中的应用

对量子遗传算法进行了研究。量子遗传算法只使用一个最优染色体来指导种群的进化,极易陷入局部最优,本文对此进行了改进,提出使用多个精英染色体来指导整个种群的进化。讨论了精英染色体的产生、维护与作用,并在此基础之上提出了一种基于精英组的量子遗传算法(elite groupbased quantum genetic algorithm,EQGA)。最后,将EQGA应用到无线多媒体传感器网络的覆盖优化问题中。对比测试表明,EQGA求出的解比遗传算法和量子遗传算法求出的解都要好。     

一种新的改进遗传算法及其性能分析

本文提出了一种改进遗传算法(IGA),通过加入混合选择、小范围竞争择优的交叉变异操作,以及过滤相似个体,并动态补充新个体的操作,提高全局搜索性能和收敛速度.测试试验表明了算法性能优于许多现有算法.     

改进的遗传算法求解背包问题

为提高遗传算法在解决背包问题时的局部搜索能力,在遗传算法中加入禁忌搜索的思想,用遗传算法做全局搜索,禁忌搜索辅助做局部搜索。文中阐述了遗传算法和禁忌搜索算法的基本思想,并给出了适用于背包问题的模型。通过具体事例测试改进的算法,其结果表明改进后的遗传算法拥有更好的性能和更快的收敛速度。