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.     

基于多种群遗传算法的网络编码链路优化

网络编码技术在改变了传统的路由网络只进行存储和转发的功能的基础上,有效地提升了网络的传输性能.但编码的引入带来了CPU计算负担加重、缓存消耗增大等问题,为了减少或克服额外开销.本文提出了在代数网络编码基础上的网络编码链路优化模型.在此模型上,给出了一种基于改进的遗传算法的最小化编码节点的算法(Multi-Population Genetic Algorithm). MPGA在标准遗传算法SGA的基础上进行了一定修改,有效的降低了算法寻优时间,避免了遗传算法的局部收敛问题.通过仿真模拟,MPGA算法较SGA算法找到的需要编码的网络节点的数目更少,且找到最优解的运行时间也更少,速度更快.     

遗传算法在网络优化中的应用

通讯网络中存在许多设计和优化问题,且相当一部分属于NP-hard类型,传统的解法由于计算复杂度过大而失效。近年来,将遗传算法(GeneticAlgorithm:GA)用于网络优化正逐步成为一个研究热点,本文以网络中的优化问题为线索,对GA在其中的应用做了初步探讨,列举了相关GA算法的特点,特别是路由方面,做了较为详细的分析。     

智能遗传算法在LTE移动通信网络优化中的应用

随着4G LTE移动通信网络的迅猛发展,人们对网络的服务质量要求越来越高。在4G LTE移动通信网络发展初期,网络服务质量的提高主要体现在规模上,即通过改善网络覆盖方式来提高网络的性能,采用的方法为粗放式的扩大网络规模。遗传算法是一种具有并行特征的搜索算法,并已成功地运用于一些大规模的问题的求解。运用遗传算法这一新型工具,对网络的优化问题进行研究成为通信网络优化设计的新热点。     

基于遗传算法的无线传感器网络节点优化方法研究

随着科技的不断发展,传感器网络得到了极大的发展,其拥有极为广阔的应用前景,已被应用于智能家居、空间探索、军事、健康护理以及环境监测等领域。文章就其测控系统所具有的特殊性,提出了一种可以达到节点连通约束来对节点数量加以减少的新模型,同时利用遗传算法对其加以优化计算。要想使节点收敛速度大幅提升,文章将采取以二分法为基础的遗传算法进行研究。     

基于遗传算法的宽带匹配网络的优化设计

本文采用遗传算法优化设计宽带匹配网络,通过适当的编码可同时对网络的拓扑结构和元件参数进行优化,并给出设计实例,通过与实频法相比较,表明遗传算法设计的匹配网络具有更优的匹配性能,说明遗传算法是一种设计匹配网络的有效方法。     

改进遗传算法在电力系统无功优化中的应用

针对电力系统无功优化问题,采用遗传算法是一种有效的全局化概率搜索算法。为了降低系统损耗,保证无功电力在规定范围内,从实数编码入手,利用二进制编码染色体杂交前后两对染色体之和不变,且子代的最大值为父代取或的值,最小值为父代取与的值的特点,提出一种基于实数编码的遗传算法。通过对IEEE6节点的实例计算并与其他无功算法进行比较,结果表明,改进的遗传算法能更准确地寻到全局最优解,加快了收敛速度,性能也优于其他算法。     

无线传感器网络中基于遗传算法的覆盖优化

覆盖控制是廷长无线传感器网络生存期一个有效的方法之一.其方法通过覆盖控制将无线传感网络节点划分成若干不相交最小覆盖连通集(CCS),然后顺序调度不同节点集.然而寻找最小覆盖连通集覆盖为NP问题,文中建立覆盖连通集优化模型,提出一种基于遗传算法(Genetic Algorithm,简称GA)目标覆盖的优化算法,并详细阐述算法实施.仿真结果显示,对于指定目标,该GA优化算法能获得比GIECC算法更好的性能.     

基于遗传算法优化BP神经网络的风电功率预测

随着大量风电开始并入电网,风电场输出功率预测对接入大量风电的电力系统的运行有重要意义。针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度不高等问题,提出利用遗传算法对神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测,研究表明预测精度有一定程度的提高。     

基于遗传算法的区域电网电压质量优化研究

以降低优化后区域电网网损、提升电压质量为出发点,研究基于遗传算法实现区域电网电压的质量优化方法。以电压质量好、网损小、经济效益低、设备操作次数少和负荷均衡为目标函数,建立区域电网电压质量优化模型,采用遗传算法求解模型,利用混沌移民替换混沌遗传算法交叉、变异、修正染色体后种群中适应力不良的个体,促进种群中基因个体进化,预防陷入局部最优解。实验结果表明,该方法优化后,负荷终端有功出力可基本达到理想状态,可显著降低区域电网平均网损和电压偏移量,实现区域电网电压质量提升。     

基于模拟退火遗传算法的图像增强

针对传统图像增强方法存在的不足,提出了一种基于模拟退火遗传算法的图像增强算法。首先将图像增强过程参数编码成为遗传算法中的个体,然后通过模拟自然界生物进化过程对参数进行寻优,并引入模拟退火算法克服种群退化现象,同采用动态自适应交叉、变异过程防止局部最优解出现,最后根据找到的最优参数实现图像增强处理,并且采用仿真对比实验对算法有效性和优越性进行测试。仿真实验结果表明,相对于当前其它图像增强算法,模拟退火遗传算法可以恢复图像细节信息,提高了对比度,图像质量得到增强。     

基于遗传模拟退火的K-means聚类方法

针对传统的K-means算法对初始聚类中心的敏感很大,极易陷入局部最优值,基于遗传算法的K-means聚类算法由于个体的多样性不足而常出现早熟等现象,采用遗传模拟退火算法优化初始聚类中心点后进行K-means聚类,并提出了一种新的用于评价聚类结果的适应度函数,该函数更为准确地反映类内距离和类间距离.实验结果表明,该方法能获得更好的聚类结果.     

MEC中基于改进遗传模拟退火算法的虚拟网络功能部署策略

为了有效改善多集群共存的移动边缘网络中业务流端到端服务时延,提出了一种基于改进遗传模拟退火算法的虚拟网络功能部署策略。通过开放Jackson排队网络对移动业务流的时延进行最优化建模,在证明其NP性的基础上提出了将遗传算法与模拟退火算法相结合的求解策略,该策略通过对服务节点的提前映射机制避免了可能带来的网络拥塞,并通过个体的约束性判断和纠正遗传的方法避免了局部最优的出现。在不同的服务请求量、服务节点规模、集群数量及虚拟网络功能之间的逻辑连接关系等参数下的对比实验表明,该策略能提供更低时延的端到端服务,使时延敏感类移动业务获得更好体验。     

目标表面BRDF统计建模中的遗传模拟退火算法

结合基本遗传算法与模拟退火算法,构造出了新的具有全局搜索优化特性的遗传模拟退火算法.根据卫星表面BRDF实验数据和统计模型,引用遗传模拟退火算法,获得样片BRDF模型参数的优化估计,从而获得了三维空间的BRDF分布,其优化参数后的模型在另一部分数据上也得到了很好的吻合验证.     

基于遗传/模拟退火算法的蒸发波导反演研究

在实现雷达海杂波反演蒸发波导剖面的寻优运算中,应用遗传算法时把握全局的能力较强,但局部搜索能力较差,易出现早熟收敛现象;应用模拟退火算法时具有较强的局部搜索能力,但全局搜索能力较差,运算效率不高.针对此问题,将两种算法进行了融合,并分析了遗传/模拟退火混合算法的参数选取及抗噪性能.利用模拟海杂波功率进行了仿真试验,结果表明：遗传/模拟退火混合算法能够互相取长补短,适用于一定噪声干扰范围内解决反演蒸发波导剖面的问题.     

融合小生境机制的QoS多播路由遗传模拟退火算法

针对通信网络中多重QoS约束条件下的多播路由计算,提出了一个基于模拟退火技术的改进遗传算法HGA-QosR.该算法把模拟退火技术的局部寻优能力与遗传算法的全局寻优能力有机结合,并利用隔离小生境机制控制种群的独立进化,使演化过程中的种群保持生态多样性,以提高算法运行效率和解的质量.理论分析和仿真实验表明,与传统遗传算法相比较,该算法性能有显著改进.     

采用遗传模拟退火算法研究导弹预警卫星传感器调度

从导弹预警卫星的技术特点出发,通过对传感器调度分析,建立了相应的数学模型。结合遗传算法和模拟退火算法的特点,提出了一种新的解决导弹预警卫星传感器调度问题的遗传模拟退火算（GASA）。仿真结果表明该算法有效地解决了多目标情况下的传感器实时调度问题,并优于一般的智能算法。     

基于模拟退火算法的网络优化设计

网络是个随机性很强系统,为了获得良好的通行效率,提出了一种基于模拟退火算法优化方法,同时给出了程序设计流程.在算法中加入倒置思想,选择合适的适应度函数值,然后构造模型,给出了优化函数.仿真结果表明:这种算法不仅收敛性和稳定性都很好,而且模型是可行的、有效的.     

基于模拟退火的全局相位展开算法

与常用的最小二乘和最小费用流相位展开算法求满足待求相位梯度与包裹相位梯度最小范数解不同,提出一种以待求相位的二阶相位差在整个相位场上的总和为目标函数,并利用模拟退火算法实现其最小化的相位展算法。计算表明：该算法可以对最小二乘和最小费用流算法不能展开的欠采样包裹相位和含有噪声的欠采样包裹相位,进行有效的相位展开。     

基于改进模拟退火算法的PCB电子元器件热优化布置研究

为了解决PCB板上电子元器件温度过高的问题,文中基于模拟退火算法介绍了一种PCB电子元器件优化布置的方法。该方法在传统优化方法的基础上进行改进,依次对二维阵列式布置模型和元器件选位进行优化。文中对该方法的建模及优化过程进行分析,并给出了具体的优化案例。通过在热仿真软件Icepak平台将该方法与传统优化方法进行对比,对于文中所选案例,该方法相比传统方法优化了3.09℃,优化率达到8.95%,仿真结果证明了该方法的可行性。