蜜蜂进化型遗传算法

本文提出了一种蜜蜂进化型遗传算法.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.为了避免算法过早收敛,在代进化过程中引入了一个随机种群,提高了算法的勘探能力.通过将该算法建模为齐次有限Markov链,证明了它的全局收敛性.实验结果表明,蜜蜂进化型遗传算法是一种提高遗传算法性能的有效改进算法.     

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。     

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.     

自适应遗传算法的改进研究

未成熟收敛问题是导致遗传算法性能下降的重要原因。为了提高算法的性能,对IAGA自适应遗传算法[1]进行了改进,提出了一种新的自适应交叉概率公式和自适应变异概率公式,从而促使算法跳出局部最优解,改善了算法的未成熟收敛问题。仿真结果表明,相对IAGA自适应遗传算法,新算法的全局收敛性更强,性能更优越。     

一种自适应遗传算法的聚类分析及应用

针对传统的聚类算法在聚类划分问题上还存在着划分效果能力较差等问题,在确保GA算法全局性能和收敛速度的前提下,设计了一种与进化代数相关联的交叉概率和与个体适应度相关联的变异概率。将该算法应用到图像聚类,实验仿真结果表明,对比于k均值聚类算法,该算法具有较好的聚类划分效果。     

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。     

基于自适应遗传算法的张掖市自驾旅游时间优化

本文通过采集张掖市14个景点的数据,从自驾游的散客群体考虑,通过建立数学模型,利用简单遗传算法和自适应遗传算法分别求解了各景点之间的最短驾车旅行时间。结果表明,改进了交叉算子和变异算子之后,得到了更好的最优解,验证了算法的可行性。     

基于自适应遗传算法的电网参数检测的研究

电力系统有三个非常重要的参数,即振幅、频率和相位。对其实时高精度的跟踪检测对电力系统运行安全具有非常重要的意义。针对传统测量方式很难同时满足对多个变量的准确跟踪测量,文章提出运用自适应遗传算法进行这三个参数的跟踪检测。区别于传统遗传算法,自适应遗传算法加入交叉和变异概率自适应线性调整,大大提高了搜索速度,收敛精度和稳定性。仿真结果证明该方法行之有效,速度快、精度高,完全能满足对电网电压振幅、频率和相位的检测要求。     

自适应遗传算法在场强传播损耗预测中的应用

针对移动通信场强传播损耗预测中统计模型的精度问题,通过将已有的统计模型转化为目标函数优化问题,提出了一种基于自适应遗传算法的场强传播损耗预测的方法.该方法对自适应遗传算法中的交叉算子和变异算子进行改进,既克服了简单遗传算法中早熟、精度低等问题,又大大提高了搜索速度.将其运用到实际场强传播损耗预测中,实验结果表明该方法不仅收敛速度快,而且显著提高取得全局最优解的能力,在场强传播损耗预测中取得了较好的效果.     

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。     

遗传算法在滤波器设计中的应用

遗传算法是一种模拟自然界生物进化的搜索算法,简单易行、鲁棒性强.介绍了遗传算法在频率抽样法滤波器设计中的应用;用遗传算法确定过渡带样本值,解决了传统方法(查表法)不能保证数据是最优的问题;并给出了FIR数字高通、带通滤波器设计的两个例子,实验结果表明通过遗传算法设计的FIR滤波器性能较查表法得到了改善.     

增加副瓣抑制机制的阵列天线波束赋形遗传算法研究

基于遗传算法的激励优化算法是求解阵列天线波束赋形问题时常用的激励求解算法。传统遗传算法在优化阵列天线激励时,对阵元天线方向图矢量叠加获得阵列天线合成方向图后,与目标方向图做相似度判断,经过多次运算获得满足设计要求的激励值。然而算法中通常不关注赋形结果的副瓣抑制,导致阵列天线波束赋形结果副瓣抑制效果不理想。该文提出一种基于一组低副瓣波束线性叠加的波束合成机制,将合成方向图与目标方向图做相似对比,结合遗传算法的优化求解方法,最终获得与目标方向图匹配的合成方向图,且合成方向图具有高副瓣抑制的特性。以一款16阵元 波段微带偶极子线性阵列天线为例,该文提出的具有副瓣抑制机制的遗传算法求得的赋形波束获得了-27.5 的副瓣抑制效果,远远好于传统遗传算法求得的赋形波束-19 的副瓣抑制。     

遗传算法用于配电网络优化规划

从经济角度出发,寻求配电网络规划过程中的经济最优。将确定配电网络中变电所最优容量和地址,对一定变电所容量地址下,网架结构的优化设计作为一个整体,改进现有模型。利用遗传算法在多目标多峰优化问题体现出来的思维简单,寻优快速的特点,对变电所容量、地址和网架结构进行整体优化规划。且利用某地市的现场数据进行研究,证明该方法的可用性,结果比实际工程中通过经验选值方法在时间上和客观程度上更优。     

FPGA placement optimization by two-step unified Genetic Algorithm and Simulated Annealing algorithm

Genetic Algorithm （GA） is a biologically inspired technique and widely used to solve numerous combinational optimization problems. It works on a population of individuals, not just one single solution. As a result, it avoids converging to the local optimum. However, it takes too much CPU time in the late process of GA. On the other hand, in the late process Simulated Annealing （SA） converges faster than GA but it is easily trapped to local optimum. In this letter, a useful method that unifies GA and SA is introduced, which utilizes the advantage of the global search ability of GA and fast convergence of SA. The experimental results show that the proposed algorithm outperforms GA in terms of CPU time without degradation of performance. It also achieves highly comparable placement cost compared to the state-of-the-art results obtained by Versatile Place and Route （VPR） Tool.     

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。     

下一代网络中基于遗传算法的QoS组播路由算法

向用户提供多媒体业务是下一代网络业务最基本、最重要的要求,QoS组播路由技术是网络多媒体信息传输的核心技术之一。该文给出了支持QoS组播的网络模型,对已有的QoS组播路由算法进行了优化,提出了适用于下一代网络的基于遗传算法的QoS组播路由算法。仿真实验表明,这种算法收敛速度快,可靠性高,能够很好地满足下一代网络QoS组播的需求。     

基于遗传算法的基因微阵列数据聚类

微阵列基因数据用以挖掘特定的生物信息,聚类分析对于研究基因功能和基因调控机制有重要意义.结合改进的遗传算法对基因微阵列数据进行聚类分析,并且通过实验与K均值聚类进行比较.仿真实验表明,该算法可以有效改进基因微阵列数据的聚类准确率.     

基于遗传交叉因子的蝙蝠算法的改进

蝙蝠算法(BA)是一类新型的搜索全局最优解的随机优化算法,但是标准的蝙蝠算法存在着寻优精度不高、后期收敛速度慢、易陷入局部最优等问题。针对这些问题,提出了一种基于遗传交叉因子的改进的蝙蝠算法(GHBA),从而提高蝙蝠算法的多样性,避免种群个体陷入局部最优,增强算法全局寻优能力。在MATLAB环境下,运用6个标准测试函数进行实验仿真。结果表明,与BA算法相比,该算法(GHBA)的收敛速度及精度均有明显提高。     

基于改进混沌遗传算法的无人机航迹规划

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主规划的关键。提出了一种基于混沌遗传算法的航迹规划方法,该方法首先由Voronoi图生成初始航迹,然后采用混沌遗传算法在生成的航迹空间中寻优。主要对近年来出现的混沌遗传算法进行了改进以使其更具智能化。该方法采用幂函数载波代替传统混沌优化算法中的线性载波;为进一步提高混沌映射迭代序列的均匀性,提出了确定区间的随机幂指数概念并将其应用到混沌遗传算法中。仿真结果表明,该方法可以提高混沌遗传算法收敛的精确性。