遗传算法中适应度函数的研究

通过分析遗传算法中常见的几种适应度函数的不足,论证了适应度函数在遗传算法中的重要性,提出了设计适应度函数应满足的标准,在此基础上给出了一适应度函数公式.实验结果表明:此适应度函数的性能明显优于其它函数,对提高遗传算法的整体性能也有重要意义.     

关于遗传算法硬件化过程中适应度函数的研究

本文作者在遗传算法硬件化模型具体实现过程中，对进化算法及其硬件化问题，特别是对适应度函数的选择原则和收敛影响因素等问题进行了理论和实验研究；探讨并提出了适于硬件化且可加速搜索的适应度函数评估方法，为研究中的可进化硬件(EHW)奠定了较好的研究基础。     

关于遗传算法硬件化过程中适应度函数的研究

本文作者在遗传算法硬件化模型具体实现过程中,对进化算法及其硬件化问题,特别是对适应度函数的选择原则和收敛影响因素等问题进行了理论和实验研究;探讨并提出了适于硬件化且可加速搜索的适应度函数评估方法,为研究中的可进化硬件(EHW)奠定了较好的研究基础。     

改进适应度函数的遗传算法

提出了一类新的改进的适应度函数的遗传算法,考虑了函数在搜索点的函数值及其变化率,结果表明收敛速度明显高于标准遗传算法.     

基于卷积神经网络的遗传算法密码分析适应度函数

遗传算法是密码分析的一种有效方法。遗传算法中适应度函数至关重要,直接影响到遗传算法的收敛速度以及能否找到最优解。在基于遗传算法的密码分析中,适应度函数主要基于语言字符频率统计特征。由于n-gram的统计字符仅包括26个英语字母,当密码字符集包含特殊字符或数字时,该方法效果不佳。提出一种新的基于卷积神经网络的遗传算法适应度函数,其基于卷积神经网络用于文本分类的原理。实验证明所提出的方法对经典密码分析是一种有效的方法。     

基于改进适应度函数的麻雀搜索算法路径规划研究

将一种智能优化算法——麻雀搜索算法应用于移动机器人二维路径规划,并对其进行改进以提升寻路效率。基于该算法的实验环境在栅格地图中实现,采用麻雀搜索算法进行路径规划,为了解决该算法在路径规划应用中原本适应度值不佳,种群易受局部最优个体误导的问题,设计并改进了算法的适应度函数,将本代的全局最优种群作为下一代迭代的评价标准,并将适用于路径规划的思想加入到适应度函数中。在模拟场景中进行了寻路仿真实验,实验结果验证了算法改进的合理性和提升程度。     

机器人避开多随机障碍物的路径规划遗传算法

针对当前路径规划中存在的诸多问题,提出了基于遗传算法的机器人避开多随机障碍物的路径规划方法。首先提出障碍物环境的神经网络模型,并利用该模型建立机器人动态避碰路径与神经网络输出的关系,将需规划路径的二维编码简化成一维编码,并把动态避碰要求和最短路径要求以及边界约束条件融合成一个适应度函数。通过对该算法进行实验仿真,证明该方法具有良好的动态避障性能,是有效和正确的。     

多关节凿岩机械手快速定位方法

凿岩机器人在工作时,完成的任务是随机的,它每1只机械手具有6个转动关节和3个移动关节。在定位时,其运动学逆运算过程相当复杂,对满足实时控制的需要,必须实现快速逆运算。作者在分析凿岩机器人钻臂结构的基础上,利用钻臂的双三角支架的空间平移性能,根据各关节变化所引起的钻臂端部位姿的变化,综合机器人学中运动学知识,建立一个专家系统,采用拟人化的方案－“先定点,再定位姿”,解决凿岩臂的快速定位问题,以实现描述各关节位置的变量的快速逆运算。根据实际工作情况,首先使钻臂的端点与目标定位点重合,求解出相应的关节运动变量的值,然后把凿岩机械手看作闭链机构,再选择相应的运动关节确定钻臂的空间位置,从而简化了计算的难度,可快速、精确地求解机械手的各关节变量值。     

基于改进型遗传算法的AUV路径规划

针对基本遗传算法求解AUV路径规划问题时存在收敛速度慢等缺陷,提出一种基于改进型遗传算法（IGA）的路径规划方法,该方法采用改进的遗传算法、具有明确物理意义的适应度函数,提高了算法搜索的速度和优化的程度,解决了AUV多目标优化的路径规划问题。仿真试验结果证明：该方法是正确有效、稳定的,并且比基本遗传算法得到的路径更优,收敛速度得到显著提高。     

不同适应度函数的遗传算法在桥梁结构传感器布设中的应用

从模态振型正交性和模态能量两方面出发设计了3个适应度函数,将其分别应用于改进遗传算法和单亲遗传算法。采用两步法对大跨径桥梁结构传感器布设进行定量和定位分析。通过对两种遗传算法、3个适应度函数及有效独立算法在大跨径拱桥中的对比分析,证实了单亲遗传算法比改进遗传算法更适合于桥梁结构传感器的布设,基于组合评价准则适应度函数比单一评价准则适应度函数布设出的传感器位置更加合理,验证了两步法用于传感器定量及定位计算的有效性。     

多连杆柔性机械手控制的遗传算法

讨论了多连杆柔性机械手末端位置的控制问题,因为基于逆动力学的控制不易保证系统的稳定性,给出了一种非线性预测与刚性运动PD反馈相结合的混合控制器,由于控制器的参数较多,且呈复杂的非线性关系,传统设计方法难以保证控制器稳定性。提出一种基于遗传算法的设计方法,采用遗传算法选择控制器的参数,配置系统的极点,通过一个双连杆柔性机械手的仿真表明,采用遗传传算法设计的系统可实现多连杆预柔性机械手末端轨迹的准确跟踪,同时能消除柔性机械手的弹性振动。     

基于遗传算法的机械手运动学逆问题求解方法

遗传算法应用于机械手运动学逆问题求解,对选择,突然变异等操作进行分析并给出了相应的算法,提出了转换编码及多点交叉操作中交叉点偏置的方法,并对交叉率和变异率的影响规律进行了分析和探讨,通过ＳＩＷＲ－Ⅱ型水下机械手的实例计算,验证了所提出的方法的有效性和可行性。     

余弦度量和适应度函数改进的聚类方法

K-均值算法因其简单和高效性, 在文本聚类中占有重要地位. 针对传统的K-均值算法对初始点敏感、易陷入局部最优的问题, 结合遗传算法已经成为一种趋势. 在充分发挥K-均值算法的高效性的同时, 该文利用遗传算法的全局自适应优化特点克服了对初始点敏感的问题. 同时, 以余弦度量评价对象间的相似性并以此构造新的遗传算法适应度函数、收敛准则以及遗传算法种群更新方式, 提高了K-均值和遗传算法这种结合方式的聚类精度, 并增强了该结合算法的稳定性.     

排课问题的一种遗传算法适应度求解方法

排课问题的多个优化目标间可能是冲突的,如何有效优化求解的多个目标,是排课问题的关键。适应度计算方法影响遗传算法的采样空间和执行效率,研究适应度的求解方法有助于解决多目标优化问题。利用多目标决策协调模型进行排课问题的改进适应度求解方法的研究,以优化遗传算法的采样空间,加快算法的收敛。把该方法应用到排课问题中,实验结果表明对目前仍没有较好解决方法的组合优化问题,可以得到比较容易的解决。     

用于神经网络权系数训练的遗传算法

神经网络是非线性分类的一种方法，具有通过训练，不断提高精度的特点。遗传算法具有全局搜索最优解的特点。把上述方法结合起来用于Holter心电图的分类。     

基于遗传算法的排课设计

阐述了遗传算法在课表生成过程中的应用。介绍了针对排课问题,遗传算法所涉及的编码方案,采用了布尔矩阵形式来实现、适应度函数的确定,主要涉及节次优度和周次组合优度这2个参数、和遗传操作的3种操作方法的实现过程。     

复杂函数优化的混沌遗传算法

将混沌融入遗传算法提出了混沌遗传算法,该方法利用混沌运动的随机性、遍历性、对初始条件的敏感性等特性进行群体的混沌初始化和最优个体的混沌变尺度载波寻优,典型复杂函数优化的仿真结果表明,该方法较遗传算法具有更快的收敛速度和更小的计算,是复杂函数优化的有效手段。     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

基于遗传算法的宽带匹配网络设计

根据实际使用要求,运用遗传算法设计天线宽带匹配网络,同时兼顾了带宽和效率.设计过程中对目标函数以及适应度函数的选取进行了讨论,并结合射频仿真软件ADS,仿真分析了宽带匹配网络.设计结果表明,天线在带宽范围内端口驻波比小于1.6(VSWR＜1.6)同时效率达到了35%以上,证明了遗传算法是一种有效的设计匹配网络方法.     

基于遗传算法的自动组卷技术

针对网络考试系统中的组卷需求,建立组卷的数学模型,采用整数编码策略,将遗传算法进行改进并应用到自动组卷模块中.测试结果表明,该算法能够较好地完成智能组卷工作,提高组卷的质量和效率.