共查询到19条相似文献,搜索用时 140 毫秒
1.
针对标准遗传算法收敛速度慢以及易陷入局部最优的问题,采用基于工序的编码和活动解码方式,采用自适应策略设计交叉算子和变异算子,并将极值优化算法作为一种新的变异算子对标准遗传算法进行了改进,最后通过实验验证了改进后算法的有效性. 相似文献
2.
提出一种带有自适应变异的双种群算法(ATPSO),通过采用两个带有不同惯性权重的子群扩大搜索范围,并借鉴遗传算法的杂交机制和自适应变异,加快算法的收敛速度,提高算法跳出局部最优进行全局搜索的能力。实验结果表明,新算法较好地改善了标准PSO算法性能。 相似文献
3.
4.
遗传算法具有全局搜索能力强的特点,但易出现"早熟"现象;蚁群算法局部具有搜索能力强的特点.因此将遗传算法与蚁群算法结合,与此同时融合了云模型,提出一种适用于跨越越障式巡检机器人的求逆算法.为了提高算法的局部搜索能力及收敛速度,引入了网格划分策略的连续域蚁群算法;为了避免"早熟",采用了适应度值尺度变换;为了使参数自适应,采用了云模型进行修正.用遗传算法进行全局搜索,用蚁群算法进行局部迭代寻优,用云模型实现交叉算子和变异算子中参数的自适应.并以跨越机器人为对象,开展与遗传算法的对比实验,结果表明:该算法可以在避免局部收敛的基础上保证算法的稳定性以及提高收敛的速度和精度. 相似文献
5.
针对传统遗传退火算法的缺陷,提出了小生境遗传退火算法,该算法引入小生境技术,避免了搜索初期有效基因的缺失,保证了解的多样性;引入了自适应双点交叉和互换变异策略,克服了算法交叉和变异概率固定不变导致的求解过程较长和易收敛于局部最小值的缺陷;引入精英保留策略,有效地避免了最优解的丢失,加快了进化速度;通过3个经典函数测试,并将其应用于Job Shop调度问题,仿真实验结果表明:新算法有效克服了停滞现象,增强了全局搜索能力,比遗传算法和传统遗传退火算法的寻优性能更佳。 相似文献
6.
7.
8.
9.
针对基本遗传算法在优化设计中遇到的局部搜索能力不强、早熟收敛等问题,提出一种将模拟退火、Powell搜索方法与遗传算法相结合的混合遗传算法.在此基础上对普通圆柱蜗杆传动模糊优化设计进行了研究;数值计算表明,该混合退火遗传算法可以有效地克服基本遗传算法的上述缺陷,可以加速算法的收敛,具有良好的优化性能.并用该算法较好地解决了普通圆柱蜗杆传动的模糊优化设计. 相似文献
10.
11.
为解决标准遗传算法处理复杂系统时易陷入局部最优及稳定性差的问题,通过复制优等个体进行选择,根据种群适应度采用了精英保留原则的交叉、变异运算,得到种群最优个体,通过权威测试函数对比修改后遗传算法与标准遗传算法的性能。结果显示,修改后的遗传算法具有更快的收敛速度和更好的稳定性,最优解不会陷入局部最值中。 相似文献
12.
随着智能制造系统的迅猛发展,应用元启发模式计算方法快速、准确地求解平面度误差值凸显出重大现实意义。为进一步提高平面度误差计算精度,研究了一种基于浮点数编码的改进遗传算法,在原有遗传算法的交叉变异基础之上,引入模拟退火思想,建立最小包容区域法的数学模型,通过计算机仿真获得了最佳适应度收敛曲线和平均适应度收敛曲线,优化结果表明相比传统遗传算法,平面度误差计算精度提高了33.67%。本算法采用浮点数编码、三段式交叉、转轮式选择和最优保存策略,借助模拟退火算法的局部搜索优势,提升了算法的整体性能,且更便于计算机编程,可进一步推广应用到智能测量仪器的其他高精度形位尺寸计算问题领域。 相似文献
13.
14.
标准的遗传算法对种群的进化实施统一的交叉变异操作。笔者引入生物进化过程中的渐变与突变机制,提出按适应度大小将种群分类,对不同种群采用不同交叉变异算子。实验表明,改进的遗传算法可减少种群进化的代数,提高算法的效率,保证算法的全局收敛性。 相似文献
15.
为了利用样本数据准确完成机床基础部件可再制造性评价,提高机床基础部件可再制造性评价预测精度,提出一种采用模拟退火遗传算法优化BP神经网络的机床基础部件可再制造性评价模型。该评价模型以机床基础部件可再制造性经典评价模型评价结果为样本数据,建立机床基础部件可再制造性评价BP神经网络预测模型,采用模拟退火遗传算法优化BP神经网络模型,寻找更优初始网络权值、阈值,以提高收敛速度和避免局部收敛。以一台机床基础部件可再制造性评价为例,验证了基于模拟退火遗传算法优化的BP神经网络评价模型具有更好的预测精度。 相似文献
16.
17.
18.
Jianfeng Yu Yuehong Yin 《The International Journal of Advanced Manufacturing Technology》2010,48(1-4):347-354
An adaptive genetic algorithm is presented as an intelligent algorithm for the assembly line balancing in this paper. The probability of crossover and mutation is dynamically adjusted according to the individual’s fitness value. The individuals with higher fitness values are assigned to lower probabilities of genetic operator, and vice versa. Compared with the traditional heuristic algorithms, the adaptive genetic algorithm has effective convergence and efficient computation speed. The computational results demonstrate that the proposed adaptive genetic algorithm is an effective algorithm to deal with the assembly line balancing to obtain a smoother line. 相似文献