用遗传算法与自适应神经网络混合方法解Job-shop调度问题

提出一种用遗传算法结合基于约束满足的自适应神经网络进行Ｊｏｂ—ｓｈｏｐ调度问题求解的混合方法。遗传算法被用来进行迭代寻优。当前代经交叉和变异后生成的染色体对应非可行解，由自适应神经网络运算后得到可行解，对应的染色体作为新一代染色体。仿真表明该算法是快速有效的     

用约束满足自适应神经网络和有效的启发式算法解Job—shop调度问题

提出一种用约束满足自适应神经网络结合有效的启发式算法求解Ｊｏｂ－ｓｈｏｐ调度问题,在混合算法中,自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特性,被用来求得调度问题的可行解,启发式算法分别和来增强神经网络的性能,获得确定排序下最优解和提高可行解的质量。仿整表明了本文提出的混合算法的快速有效性。     

基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型#br#

BP神经网络是在深度学习的研究中使用较为频繁的神经网络。本文提出一种改进遗传算法优化BP神经网络的算法（IGABP）,利用遗传算法的全局搜索能力优化BP神经网络的初始结构。由于遗传算法易陷入局部最优解,影响自身的寻优能力,故对遗传算法进行改进,最后构建糖尿病并发症预测模型进而预测糖尿病并发症的发生。本文改进遗传算法的选择算子并改进自适应遗传算法的交叉及变异概率公式。通过构建预测模型,将改进后的IGABP与BP、GABP、AGABP进行比较。仿真实验结果表明,使用IGABP进行预测的准确率要明显优于BP、GABP与AGABP,并且加快了网络的收敛速度。     

遗传算法求解多旅行商问题的相对解空间分析

首先介绍了多旅行商问题的模型，并指出遗传算法解决多旅行商问题的关键是染色体编码方案的设计，为了减少冗余解带来的代价，本文给出了传统的两种染色体编码方案（单染色体和双染色体），以及最新的两段式染色体编码方案；接着引入相对解空间概念，以此定量地给出不同染色体方案对应解空间的相对大小关系；基于相对解空间概念，本文分析了3种染色体编码方案对应的解空间在极限意义下的相对大小关系，并分析了旅行商数与城市数在不同情形下解空间的近似相对大小关系。本文对搜索空间定量分析的理论结果对工程问题的求解提供了科学的指导意义。     

用约束满足自适应神经网络和有效的启发式算法解Job-shop调度问题

提出一种用约束满足自适应神经网络结合有效的启发式算法求解Ｊｏｂ－ｓｈｏｐ调度问题．在混合算法中,自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特性,被用来求得调度问题的可行解,启发式算法分别被用来增强神经网络的性能、获得确定排序下最优解和提高可行解的质量．仿真表明了本文提出的混合算法的快速有效性．     

双交叉算子遗传算法在终端区飞机排序中的应用

当今，普遍的航班延误现象不仅增加了巨额飞行成本，还影响乘客体验. 对终端区待降飞机队列进行合理调整，可以提高跑道利用率，减少航班延误，达到降低延误代价的效果. 针对终端区飞机排序问题，提出一种包含双交叉算子的遗传算法，针对不同适应度染色体采取不同的交叉操作，使得在交叉过程中既能保护优质染色体，也能使其它染色体继续进化. 同时引入重排算子对变异后的子代进行优化，共同加快遗传算法收敛速度，使其更加符合实际使用需求. 实验结果表明，算法收敛速度得到改进，能在可接受时间内得到可行解.     

基于遗传算法的彩色图像二维熵多阈值自适应分割

提出一种基于遗传算法的二维熵多阈值自适应图像分割方法.在分析研究二维熵阈值分割原理的基础上,将可变码长的遗传算法应用于多阈值分割处理过程,采用基于多阈值的整数编码方式,将图像分割的类别数即染色体的码长融合到适应度函数中,从而实现了在对阈值寻优的同时得以优化分割类别数,最终实现图像的多阈值自适应分割处理.实验分析结果表明,该方法具有实现阈值寻优速度快,最优解对应图像分割效果好的特点.     

自适应记忆遗传算法研究

针对遗传算法优化过程中仍然存在许多问题,文中提出了一种新的自适应记忆遗传算法。引入基因库的概念,用以存储重复出现个体的基因编码和对应的适应度值,进而解决重复个体适应度值的重复计算问题;利用Logistic曲线方程对遗传算法的交叉概率和变异概率进行自适应调整;以TSP为应用背景对文中算法进行实验,结果表明文中算法有效减少了算法的时间复杂度,其加速比能够达到49．70％左右。在算法的收敛性方面,改进后的算法收敛速度快于基本遗传算法,其所得解与TSPLIB提供的最优解的平均相对误差最大不超过9．38％。     

基于遗传算法的多信道无线网络信道分配方案

在传统单信道无线网络中,多节点同时传输时彼此间的干扰会使吞吐量降低.为解决该问题,提出一种改进的自适应遗传算法用于信道分配.在进化过程的前期执行固定参数的遗传操作,后期执行自适应遗传操作,采用新的交叉方式,即将染色体按适应值大小分成2组,从各个组中随机选取染色体进行交叉运算,使得整个染色体种群的适应值向最优解逼近,并在生成子代时使用父子竞争机制.仿真结果表明,该算法能有效避免标准遗传算法容易早熟和局部收敛的缺点,收敛速度快且容易逼近最优解,并能降低网络冲突.     

自适应Bloch球面的量子遗传算法

在基于量子位Bloch坐标的量子遗传算法的基础上,提出一种自适应Bloch球面的量子遗传算法。该算法按两种方式自适应地选取Bloch球面的一部分进行搜索：沿经线方向选取和沿纬线方向选取,并在理论上证明了这两种选取方式都能够包含所求连续优化问题的所有可行解。在对选取的Bloch球面进行搜索时,提出了近似等面积搜索的方法,进而推导出两个相位转角大小之间的反比例关系,染色体的变异操作也作了相应的修改以适应选取区域的限制。实验表明该算法在搜索能力方面与基于量子位Bloch坐标的量子遗传算法基本相当,但优化效率方面有明显提高。     

自适应遗传算法在列车节能优化中的应用

为改进列车节能优化策略,结合既有节能操纵经验与典型子区间思想,引入自适应遗传算法,在列车满足安全、准点、乘车舒适等约束条件的前提下,寻找各工况转换点,使列车运行能耗最小。首先介绍列车停车制动曲线,限速防护曲线的计算方法,通过预制列车停车制动曲线,限速防护曲线,修正列车速度曲线,达到了提高遗传算法可行解比例,加速算法的迭代进程的目的。然后详细说明了遗传算法染色体、遗传算子,适应度函数及迭代收敛条件;自适应机制的应用增强遗传算法全局搜索能力。最后以武汉至新乌龙泉线路为案例,验证了节能优化算法的有效性。     

用遗传算法求解WDM全光网络优化中的团覆盖问题

：研究了WDM全光网络优化中的团覆盖问题，提出了一种基于遗传算法的求解方法。该方法由于采用了新颖的染色体构造和独特的杂交变异算子，使得每一个体的杂交变异都表现出明显的自适应特点，从而能在较短时间内找到最优解或较优解，满足实际需要。     

一种车辆路径规划的改进混合算法

针对物流活动中需要找出各个配货节点之间的最短路径,用以指导物流车辆调度的问题,提出一种将遗传算法与BP神经网络相结合的新方法,规划车辆的路径,达到节约运送成本的目标。对遗传算法进行了改进,克服了遗传算法局部搜索能力差、易早熟和总体可行解质量不高的缺点。该混合算法有效弥补了遗传算法的不足,同时在遗传优化操作中引入最优保存策略,并在选择操作中采用锦标赛选择法,使算法的效率和功能得到了很大提高。通过对基于遗传算法的改进混合算法求解车辆路径优化问题的性能进行仿真,并与自适应遗传算法和免疫遗传算法进行对比分析,验证了改进混合算法的优点和有效性。     

基于改进遗传算法的立体视觉系统标定

立体视觉系统的摄像机标定是一个多参数、非线性的复杂函数优化问题,传统优化方法很难解决。论文对标准遗传算法的编码方式进行了改进,经过改进后的遗传算法具有变量搜寻区间的自适应调整能力,在保持染色体编码长度不变的情况下,能同时满足变量搜索空间大小和编码精度的要求。利用改进了的遗传算法对双目视觉系统摄像机进行标定的结果表明,该算法能有效地实现高维寻优空间的近优解搜索。     

改进遗传算法在雷达网目标分配中的应用

目标分配是雷达部队作战指挥的重要内容。遗传算法已被广泛应用于目标分配问题,但以往的遗传算法染色体是向量串的形式,因此在求解过程中容易产生大量的非可行解或不满足约束条件的解。针对此种情况,将目标分配矩阵作为染色体,在求解过程中无需编码和解码,在产生初始种群时就可限定约束条件,而且可根据具体问题设计遗传算子,使算法的求解速度和质量得到明显的改善,仿真结果证实改进后的遗传算法应用于此类问题的可行性和有效性。     

个体自适应变异遗传算法

该文从染色体个体个性化和染色体编码基因位个性化两个方面对标准变异算子进行改进,提出了个体自适应变异遗传算法。通过给不同个体不同基因位分别赋予不同的变异概率,提高变异操作的效率,加快收敛速度。实验表明,个体自适应变异遗传算法的性能明显优于标准遗传算法。     

自适应遗传算法优化神经网络的入侵检测研究

入侵检测是一种动态的安全防护技术,能够对网络内部、外部攻击进行防御.基于神经网络的入侵检测是常见的智能入侵检测方法.针对神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,提出了一种将神经网络和遗传算法相结合,用遗传算法优化神经网络权值,在遗传算法优化神经网络时采用自适应遗传操作.将自适应遗传算法优化神经网络算法应用于入侵检测系统中,实验结果表明,该方法能够有效的提高系统的检测率,降低误报率和漏报率.     

基于分裂算子的遗传算法和自适应遗传算法

针对遗传算法所存在的早熟和收敛速度慢等问题,基于低等生物的分裂生殖现象,提出了分裂算子的概念,并将该算子引入到传统遗传算法和自适应遗传算法中,对这两种遗传算法进行了改进。通过一系列多峰函数测试实验,将改进算法分别与基本遗传算法和自适应遗传算法进行比较,证明引入分裂算子后的遗传算法和自适应遗传算法不仅有效地收敛到全局最优解,而且提高了收敛速度。     

基于在线自适应遗传算法的PID参数整定和优化

研究自动控制系统优化问题,控制系统响应特性取决于系统参数的调整.针对传统的PID控制算法参数较多,且难以整定,使得控制效果不理想等问题,提出了自适应遗传算法的PID参数整定.根据遗传算法具有在线性差的问题,对遗传算法作了改进.通过自适应遗传算法对PID参数进行整定与寻优,选择自适应度大的个体所对应的PID控制参数作为采样时间下的PID控制参数.改进后的算法有效提高了遗传算法的寻优能力,提高了算法的收敛的速度,在一定的范围可以求得最优全局解.在MATLAB上仿真结果表明,在PID参数的寻优过程中,自适应遗传算法具有更强的寻优能力,提高了控制系统的自适应性,为优化控制系统设计提供了依据.     

基于自适应递阶遗传算法的洪水预报模型

基于递阶结构的遗传算法可以同时对BP神经网络进行结构优化和权重求解。采用收缩解空间的方法可以有效提高算法的收敛速度和精度。采用先进行自适应递阶遗传算法获得最优网络结构及参数,再用BP算法对网络进行训练,并应用于洪水预报模型,可以获得较高的精度。