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.     

改进的自适应遗传算法及其性能研究

遗传算法的优良性能使其被广泛应用于现实许多工程领域中,但该算法由于随机搜索而带来的收敛速度慢、易产生局值、不稳定等问题,给其应用带来很大的困难.论文首先针对收敛速度慢,提出使用遗传迭代次数自适应控制选择算子,达到对收敛速度的自适应控制.其次,针对局值问题,提出一种新的改进自适应遗传策略,其交叉和变异算子能够根据前两代适应度变化进行自适应调整.最后,使用Matlab7.0对所选的函数进行优化仿真,通过比较仿真结果得出改进的自适应遗传算法在处理收敛速度和避免易产生局值方面具有较明显的优势.     

改进自适应遗传算法的性能分析

遗传算法存在未成熟收敛和收敛速度慢等不足之处,传统的自适应遗传算法虽能有效提高算法的收敛速度,却难以增强算法的鲁棒性。文中提出的改进的自适应遗传算法,提高了其搜索能力,具有更快的收敛速度和更可靠的稳定性,达到了预期的效果。     

一种基于遗传算法的自适应动态模糊系统的设计与实现

在我们研究的领域中，动态模糊对象是普遍存在的．因此由这些动态模糊对象组成的系统即为动态模糊系统，这类系统具有较强的自学能力和自适应能力，能随环境的变化而变化，本文借助动态模糊集和遗传算法对动态模糊系统进行研究，给出了一种动态模糊自适应系统，并进行了实例分析，实验结果表明该系统是有效的．     

自适应伪并行遗传算法及其性能分析

提出了一种度量种拜多样性的新指标，将其应用于交又概率和变异概率两个参数的自适应调整，再将自适应的思想和并行计算的思想结合起来，提出了一种在个人计算机上实现的改进自适应遗传算法一自适应伪并行遗传算法(APPGA)。对几种典型的多峰值函数求极值，结果表明：该算法的全局搜索能力和收敛速度都远优于标准遗传算法，是一种比较实用的算法。     

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。     

改进型遗传算法及其性能分析

本文受模拟退火技术的启发引入了一种新的改进型遗传算法,在二进编制编的基础上,研究了交叉位置等概率选取交叉操作的不利影响。在此基础上提出了一种每个基因位叉概率自适应变化的新的交叉操作模拟结果表明,新算法的收敛性能远远高于标准遗传算法。     

自适应模糊神经网络研究

模糊神经网络提供了从人工神经网络中模糊规则的抽取。本文研究模糊神经网络的自适应学习，规则插入和抽取及神经－模糊推理的FuNN模型，把遗传算法作为系统模糊规则选择的自适应策略之一。     

混合量子遗传算法及其性能分析

首先比较了带量子门更新和群体灾变的量子算法(QA)以及加入对量子位的交叉和变异操作的量子遗传算法(QGA);然后结合量子搜索和传统遗传搜索提出了混合量子遗传算法的框架,并给出了基于二进制编码的混合量子遗传算法(BQGA)和基于实数编码的混合量子遗传算法(RQGA).基于典型问题的数值仿真和比较表明,RQGA的性能明显优于其他算法,对参数和初值具有较好的鲁棒性.     

自适应模糊遗传算法在轮胎花纹降噪中的应用

为了进一步优化轮胎花纹结构参数,提高轮胎花纹降噪的效果,在现有模糊遗传算法的基础上,提出了一种自适应模糊遗传降噪算法（Self-adaptive Fuzzy Genetic Noise-Reduction Algorithm,SFGNRA）。引入变换算子和对非法个体的贪婪处理,能够随时间和个体的适应度大小自动调整变换概率、变异概率,不需要人为设定。利用轮胎噪声仿真分析优化软件进行轮胎花纹结构设计,验证了该算法能进一步降低轮胎的噪声,得到了低噪声轮胎花纹结构方案。研究成果为低噪声轮胎花纹设计规范与方法提供了新的路径。     

基于模糊C-均值和自适应遗传算法的小波域彩色信息隐藏算法

基于人类视觉系统的纹理掩蔽特性,提出一种基于模糊C-均值(FCM)和自适应遗传算法小波域彩色信息隐藏算法。首先对彩色载体图像Y分量实施整数小波变换;然后结合视觉纹理特性,对低频进行FCM聚类分析,将其分成3类:平滑区、纹理区、边缘区,并在不同的区域确定不同的嵌入强度和位置;最后,利用自适应遗传算法对logistic混沌映射的初值进行寻优,使其找到合适的初值,从而使秘密图像对载体图像的影响较小。实验结果表明:该方法不仅具有较好的透明性,而且在嵌入量方面也有很大的提高。     

基于模糊控制及遗传算法的人工免疫入侵检测算法

针对反向选择算法在面对大量的网络通信数据或具有多个分离特征区间网络通信数据时的无效性,提出了基于模糊控制及遗传算法的人工免疫入侵检测算法,利用模糊控制原理对抗体进行浓缩,并通过遗传算法进化种群,从而使得抗体的数量得到控制且检测效率较高.     

一种扩散式遗传算法及其性能分析

首先从理论上对三种传统遗传算子的作用进行了定量分析,在此基础上提出了一种新的遗传算子--扩散算子,并利用模拟退火法给出了扩散概率.这种增加扩散算子的遗传算法,较好地克服了传统遗传算法易发生成熟前收敛和收敛速度过慢的缺点,仿真结果表明了其实用性和有效性.     

遗传算法及其应用

跹传算法是模拟自然界生物进行过程的计算模型，作为一种有效的全局并地优化搜索工具，它具有简单，通用、鲁棒性强和适于并行分布算处理的特点以及广泛的应用潜力，本文主要阐述了遗传算法的基本原理、方法和特点、并着重从应用的角度对它的主要研究内容（包括并行实现）进行了较深入的讨论。     

一种改进的遗传量子算法及其应用

针对遗传量子算法(0QA)在优化连续多蜂函数时易出现早熟现象，本文提出一种改进的遗传量子算法(IGQA)，其核心是在量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。通过典型函数测试和FIR数字滤波器设计实例表明，IGQA的性能优于GQA和其它几种遗传算法，具有比GQA更快的收敛速度和更好的全局寻优能力，能有效地克服早熟现象。     

模糊寻优问题的模糊遗传算法FGA

针对模糊寻优问题，本文基于模糊集的质心概念来确定模糊集的大小，并进而提出了模糊遗传算法ＦＧＡ。算法ＦＧＡ与遗传算法ＧＡ有本制区别，能用效地找到了模糊寻优问题的近似解，本文对算法ＦＧＡ的有效性作了较深入的分析。     

一种新的改进遗传算法及其应用

研究并提出了一种基于模式的改进遗传算法,该算法加强了好的模式对群体的影响,在收敛速度和防止陷入局部最优解取得了平衡.在一个经典测试函数的仿真实验中,与基本遗传算法(SGA)和自适应遗传算法(AGA)相比,该改进遗传算法表现了良好的效果.     

一种新并行遗传算法及其应用

基于量子计算的概念和原理,本文提出一种新并行量子遗传算法,即粗粒度并行量子遗传算法(CGPQGA)。该算法的核心是引入层环粗粒度并行计算模型和一种新进化策略。由于CGPQGA只需迁移搜索到的最佳个体到各个子群体,因而算法的通信开销很小。通过用CGPQGA设计控制器的应用实例表明,CGPQGA优于常规并行遗传算法,能加速子群体中最佳个体的迁移,收敛速度快,全局寻优能力强,同时具有勘探和开采的能力。     

一种结合混沌搜索的自适应遗传算法

自适应遗传算法(AGA)是一种有效的全局优化概率搜索算法.把混沌优化算法引入到AGA中,提出了一种结合混沌搜索的自适应遗传算法(AGACCS).该算法保持了AGA的所有特点,进一步改善了AGA的全局寻优能力并有效防止局部收敛现象,提高了算法的收敛速度和计算精度.仿真函数结果表明,该算法的性能优于AGA.