模糊自适应遗传算法

针对标准遗传算法在实际应用中存在的早熟问题,设计了标准遗传算法的一种改进形式--模糊自适应遗传算法.该算法是利用种群的方差和熵来衡量种群多样性,并根据每代种群的方差和熵设计模糊推理系统来自适应控制交叉概率和变异概率.通过多峰函数优化问题的仿真实验,表明了该模糊自适应遗传算法的可行性和有效性.     

嵌套式模糊自适应遗传算法

针对简单遗传算法(SGA)收敛速度慢和早熟收敛现象,将模糊逻辑理论应用于遗传算法,并采用两级嵌套的遗传算法,随主遗传算法GA1求解优化问题的进化进程用模糊控制的方法自适应地调整遗传算法的交叉概率和变异概率;利用另一个遗传算法GA2优化模糊规则库,实现了一种嵌套式模糊自适应遗传算法(NFAGA)。仿真结果表明,这种算法的全局搜索收敛速度和解的质量明显优于SGA和一般的自适应遗传算法(AGA)。     

求解矩形件优化排样的自适应模拟退火遗传算法

矩形件优化排样是一个NPC问题,在工业界有着广泛的应用.针对该问题,提出一种自适应模拟退火遗传算法.采用一种基于环形交叉算子和环形变异算子的自适应遗传算法来自动调整交叉和变异概率;同时引入模拟退火算法对个体适应度大于平均适应度的个体进行退火处理.自适应模拟退火遗传算法充分发挥了自适应遗传算法与模拟退火算法各自的全局搜索能力与局部搜索能力.对比实验表明,该算法结合改进的最左最下布局算法解决矩形件优化排样问题更加有效.     

基于改进自适应遗传算法的物流配送路径优化研究

针对物流运输中带软时间窗车辆路径优化问题,提出一种改进的自适应遗传算法。为消除遗传算法初始种群随机性强,个体分散的缺陷,采用精英保留选择方法,加快算法的收敛速度,同时提出了交叉概率和变异概率自适应调整的交叉和变异方法,进化过程中交叉概率和变异概率根据适应度、进化代数和进化过程中个体未改变数目个数来自适应变化,提高算法的局部搜索能力,有效避免了算法出现未成熟收敛的情况。将新的自适应遗传算法(New Improved Adaptive Genetic Algorithm,简称NIAGA)应用于该路径优化问题的求解,实验结果表明改进后的自适应遗传算法在求解物流配送路径优化问题上有明显优势。     

基于距离测度的改进自适应遗传退火算法

交叉操作和变异操作是遗传算法的两种基本操作,遗传算法的收敛速度在很大程度上与交叉概率和变异概率的选取以及交叉个体的配对策略有关.本文提出一种基于距离测度的改进自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.算法采用非等概率交叉配对策略,根据两个个体之间的距离自适应地确定交叉配对概率.此外,算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明了该算法的有效性.     

基于自适应并行遗传算法的泊松曲线沉降预测模型

针对简单遗传算法采用固定的交叉概率和变异概率不能总是满足当前种群的需要,影响算法的性能及效率,采用自适应的交叉概率和变异概率,且将并行技术与遗传算法相结合,提出自适应并行遗传算法,用于泊松曲线沉降预测模型的优化。实验结果表明,该算法为泊松曲线沉降预测模型的参数估计提供了一种有效的方法。     

遗传算法交叉和变异操作的模糊优化

该文针对遗传算法存在的问题,在总结了有关交叉和变异操作的启发性知识的基础上,给出了交叉概率、交叉点位置和变异概率的模糊优化规则,提出了一种新的基于模糊控制器的遗传算法(FCGA)。对三个函数的优化结果表明:FCGA不仅能够有效克服早熟收敛,而且提高了算法的收敛速度。     

一种新的调节交叉和变异概率的自适应算法

提出一种新的基于模糊控制策略的交叉和变异概率自适应调节算法.该算法以相邻两代群体之间平均适应度函数和标准差的差值作为输入,以交叉和变异概率的变化量作为输出.并提出了与输入相对应的自适应归一化算子以及新的基于启发式知识的模糊规则,用于交叉和变异概率的调节.对3种不同测试函数的数值仿真研究表明,与其他2种自适应模糊控制算法相比,该调节算法可使遗传算法具有更快的搜索速度和更高的搜索质量.     

一种改进的模糊自适应遗传算法

模糊自适应遗传算法是将模糊控制器应用于遗传算法性能和参数控制的一种新型进化算法。提出了一种2输入和2输出的改进模糊自适应遗传算法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法将群体适应度方差作为模糊控制器的一个输入参量,来度量群体在空间分布的离散程度。将群体适应度均值商作为模糊控制器的另一个输入参量,来度量群体中个体的多样性。从而自适应地控制算法在进化过程中的交叉概率和变异概率。测试函数仿真结果表明,该算法很好地平衡了“开发”与“探测”,取得了较为满意的优化结果。     

自适应遗传算法在多模图像配准中的应用

提出一种改进的自适应遗传算法并应用到多模图像配准的优化过程中,解决经典遗传算法后期存在的收敛过早的问题,该方法采用进化前后期分别调整交叉概率和变异概率、二次交叉以及移民策略等来克服传统遗传算法容易陷入局部最优的缺点.实验结果表明该算法具有一定的可行性和有效性.     

基于模糊逻辑的遗传算法研究

克服遗传算法的过早收敛问题,改进遗传算法性能,本文提出评价群体多样性的两个指标,井结合两个指标应用模糊逻辑来调节遗传算法的交叉和变异概率。一组函数优化求解的实验结果表明,本文所提结合模糊逻辑的遗传算法。收敛速度快,不易陷入局部最优解。     

遗传算法函数寻优性能影响因素分析——基于正交试验的方法

遗传算法在函数寻优领域得到了广泛应用,选取合适的参数对提高遗传算法寻优性能至关重要。以四个经典函数为例,基于正交试验原理分析了遗传算法五个参数对其寻优时间和迭代次数的影响。结果表明：对寻优搜索时间影响最大的参数为变异概率,其次为种群大小,交叉算子的选择、交叉概率和编码长度影响相对较小;对寻优迭代次数影响较大的三个参数为变异概率、种群大小和编码长度,而交叉概率和交叉算子的选择影响相对较小。分析了使遗传算法性能最优时参数组合的原则。     

基于自适应遗传算法的半主动悬架模糊控制研究

模糊规则的正确选择是半主动悬架模糊控制器设计的关键和难点,本文提出一种自适应地选择交叉概率和变异概率的遗传算法,以车身垂直加速度均方根值为优化目标,对汽车半主动悬架模糊控制规则进行优化,以达到提高半主动悬架模糊控制器的控制效果,改善汽车行驶平顺性的目的。为了证明该优化方法的可行性,将该自适应遗传算法优化的模糊控制器对汽车半主动悬架进行控制,并建立Matlab文本与Simulink相结合的仿真模型。仿真结果表明：优化后的半主动悬架车身垂直加速度均方根值减小,汽车行驶的平顺性得到了提高。     

改进遗传算法在汽车悬架系统中的应用

本文应用遗传算法模式理论，采用灰度编码，给出模式交叉、模式变异操作的定义，并提出一种新的改进遗传算法。该算法使交叉、变异操作有机结合，避免了交叉概率和变异概率的主观选择，具有收敛速度快，迭代次数少且不易陷入局部最优等优点。最后使用该方法对33自由度的汽车悬架多体模型进行实例分析并和传统优化方法、标准遗传算法和小生境遗传算法进行比较，结果明显优于其它方法。     

改进的自适应遗传算法求解0/1背包问题

为提高遗传算法求解问题的性能,提出一种改进的自适应遗传算法,该算法在交叉概率和变异概率公式中引入了当代迭代次数因子,提出了基因差别比例（Ca）的概念。Ca越大的基因位发生交叉、变异的概率越大,产生新个体的可能性越大;在模式生成操作中,确定基因位的选取同样由Ca决定。仿真结果表明,此算法在求解0/1背包问题时,其寻优能力有很大提高。     

基于改进遗传算法的图像小波阈值去噪研究

论文提出了一种基于改进遗传算法的图像小波阈值去噪方法。从理论上分析了小波阈值去噪的原理,并采用改进遗传算法来求小波变换各子带的最优阈值,计算时无需噪声方差等先验信息;通过综合交叉和随机变异,避免了人为确定交叉率和变异率,从而使算法更加稳健,在提高搜索效率的同时减少陷入局部最优的机会。实验结果表明,与普通的小波阈值去噪方法相比,该方法能较好地改善去噪后图像的视觉效果,提高峰值信噪比。     

一种多模态优化的小生境遗传算法

针对目前多模态优化存在无法找到全部局部极值解的问题,提出了一种改进的小生境遗传算法．该算法在基于淘汰相似机制的小生境遗传算法中引入了预选择机制,并对自适应交叉概率算子和变异概率算子进行了改进,根据群体适应度值的大小来动态调整个体的交叉概率和变异概率大小,并将该算法用于Shubert函数的求解,实验结果表明该方法较之前的小生境遗传算法能够有效的搜寻出全部局部极值,并具有较快的搜索速度．同时,该方法在其他的多峰函数求解上具有通用性．     

基于模糊遗传算法的神经模糊控制器的综合优化

针对遗传算法的特点,提出一种用模糊控制的方法来调整交叉概率和变异概率的改进模糊遗传算法及其算法结构,并将其应用于神经模糊控制器的综合优化设计。在以二阶模型为控制对象的仿真结果表明,此种模糊遗传算法不仅加快了解的收敛速度,而且大大提高了解的质量。