用改进遗传算法优选测试节点

针对模拟电路故障诊断中的测试节点优选问题,首先定义了决策矩阵A及其相关概念,对测试节点优选问题建立了数学模型,将测试节点优选问题转化为典型的0/1规划问题,将测试节点的优选过程变成数学模型的求解过程;然后针对建立的数学模型,提出了一种改进遗传算法,并通过和传统遗传算法、分枝定界法的比较,对算法性能进行了分析。仿真结果表明,提出的节点优选方法可靠有效,具有较高的工程应用价值。     

异构多核系统混合任务调度算法

提出了一种混合静态调度算法—Hybrid Successor Concerned Heuristic-Genetic Scheduling(HSCGS).该算法分为启发式算法和遗传算法两个阶段.第一阶段采用考虑后继节点的列表启发式调度算法(SCLS)产生一个近似最优的调度结果.SCLS算法在优先级计算和计算单元选择阶段都充分考虑了当前节点的调度对后继节点产生的影响.第二阶段采用改进的遗传算法—IGA,对上一阶段的调度结果进行迭代优化.IGA算法在优选之前加入了一个预处理阶段,去除部分重复的个体,以避免遗传算法由于"再生"现象而陷入局部优化.IGA算法的优选阶段采用三重优选方案,既达到了优化的效果,又保持了种群的多样性.实验部分分别使用随机应用程序和几种标准应用程序,将HSCGS与几种具有代表性的调度算法进行了对比测试.结果显示HSCGS的调度结果优于其他算法,而且优势随着计算单元间通信带宽异构系数增大而增加.     

自适应遗传算法在智能组卷中的应用研究

以传统自适应遗传算法为基础,提出了一种改进的智能组卷算法,基于该算法,设计并实现了一个《编译原理》课程智能组卷系统.结合实际问题建立了组卷问题的数学模型,并针对该数学模型对遗传算法的编码方式和种群最优保存策略进行了改进.改进后的算法在保证组卷质量的前提下,提高了搜索速度并且有效避免了传统遗传算法中经常出现的早熟现象.     

飞行仿真中气动特性数据拟合方法研究

飞机气动特性数据是飞行仿真的基础,其精确性直接影响着飞行仿真效果.提出一种基于遗传算法的B样条曲线拟合方法,建立了飞机气动特性数据的数学模型.B样条曲线可对复杂曲线进行拟合,但数据点的参数选择影响着拟合的精度.参数选择通常有两种方法,一种是固定B样条基的节点选择参数,另一种是选定参数然后变化B样条基的节点.采用遗传算法将二者统一考虑,同时变化节点与参数使得拟合误差最小.通过气动特性数据拟合验证了该方法的有效性、精确性和鲁棒性.     

基于MGA的费用分配优化模型研究

针对费用分配实际问题,建立了优化数学模型,提出了基于遗传算法的多目标多因子求解方法,对求解过程中的选择操作方法、体内自交叉算子和增减变异算子、编码方法、适应度函数和原始种群等作了改进设计。     

基于遗传蚁群算法配电网重构

为应对分布式电源对配电网带来的变化,寻求更好的电能质量和网络损耗,以网损为目标函数,建立配电网重构数学模型。针对遗传算法的早熟现象和蚁群算法前期寻优速度慢的劣势,将遗传算法和蚁群算法进行融合,利用遗传算法快速全局寻优能力为蚁群算法提供所需的信息素对配电网重构问题进行寻优求解。为了克服二进制编码在处理配电网闭环建造,开环运行时带来维数灾,运用基于环网的自然数编码方式,通过节点度的大小来判断配电网的拓扑可行性。将含分布式电源接入IEEE33节点系统进行仿真,结果表明该算法具有较好的全局寻优能力和快速收敛速度。     

基于自适应遗传算法的无线激光通信网络负载均衡成簇算法

由于无线激光通信网络吞吐量低、节点传输延时高和存在分组丢失率多等问题，提出基于自适应遗传算法的无线激光通信网络负载均衡成簇算法。利用AGCH算法对无线激光通信网络节点进行分组和成簇，从中取得簇头节点，构建资源调度模型，利用该模型对簇头节点中的资源进行分配调度，采用自适应遗传算法对建立的模型进行求解，以此提升无线激光通信网络负载均衡效果，实现无线激光通信网络负载均衡。实验结果表明，通过对该算法进行网络吞吐量测试、节点传输延时测试和分组丢失率测试，验证了该算法的有效性强、实用性高。     

基于粒子群算法的工作流服务主体优选方法

研究工作流服务主体优选问题,在工作流系统中,工作机负载能力有差异性,而且整个系统负载具有动态性,传统算法难以获得最优工作流服务主体优选方案,导致系统资源利用率较低.为了提高系统资源利用率,系统负载保持均衡,提出一种粒子群算法的工作流服务主体优选方法.首先对工作流服务主体优选问题建立相应数学模型,然后采用粒子群算法对其进行求解,即工作流服务主体最优选择方案,最后进行仿真测试.测试结果表明,相对于传统方法,粒子群算法可以针对不同类型的任务分配不同的工作机,实现系统多种资源的负载均衡,提高系统资源的利用率.     

基于改进遗传算法在无功优化中的应用

遗传算法是一种基于自然选择和遗传机制的搜索算法,适合于求解电力系统无功优化问题。对基本遗传算法进行改进,建立了以有功网损为目标函数的电力系统无功优化计算的数学模型。算法对IEEE14节点系统进行了无功优化计算,结果证明了算法的正确性和有效性。     

一种基于网格划分的水下传感器网络多维优化部署策略

针对水下无线传感器网络节点的部署问题,提出一种基于网格划分的多维优化部署策略。首先,将所需探测水下环境划分成相同规格的网格;然后,综合考虑网络节点数量、网络覆盖率、网络冗余度、网络生存率等指标,构建多目标优化数学模型;最后,采用遗传算法对多维优化部署策略加以实现并进行仿真分析。结果显示：所提策略能够有效地减少部署节点数量,提高网络覆盖率和生存效率,降低网络能耗。