基于混沌免疫遗传算法的神经网络及应用

借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群“退化”和“早熟”的不足,保持种群多样性,构造得到混沌免疫遗传优化算法.进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络...     

自适应遗传灰狼优化算法求解带容量约束的车辆路径问题

带容量约束的车辆路径问题是NP难的组合优化问题,精确算法无法在合理的时间内得到有效的解.本文提出了一种采用灰狼空间整数编码和先路由后分组解决方案生成策略的自适应遗传灰狼优化算法用于求解带容量约束的车辆路径问题.该算法提出了移动平均自适应灰狼更新策略和灰狼基因遗传策略提高全局收敛能力,同时提出带3-opt的劣势点启发邻域搜索策略来增强算法的全局和局部搜索能力.实验结果表明：所提出算法具有较高的计算精度和较强的寻优能力,有较高的鲁棒性,通过与自适应扫描和速度推测粒子群优化算法、K均值聚类和灰狼优化混合算法、大邻域搜索和蚁群优化混合算法、基于精英选择的多种群人工蜂群算法、基于集覆盖的扩展节省算法、混合变邻域生物共栖搜索算法等6个算法对比证明了算法的有效性.     

电力配网系统无功优化方法研究

考虑到常规遗传优化算法进行电力配网系统的无功优化时,算法的早熟问题以及局部寻找最优解能力欠缺造成了优化结果收敛速度和收敛精度较低等问题,该文将自适应对偶种群、自适应终止条件以及全新的子代生成条件引入以形成一种改进型遗传优化算法,在种群迭代过程中保证种群的多样性以避免优化算法早熟现象,以及对优化算法的搜索效率进行加快以提高局部寻找最优解能力。通过实验IEEE57和IEEE30节点系统作为测试平台,使用常规遗传优化算法和可控交叉遗传算法(CCGA)与该文研究的改进遗传优化算法进行对比,使用相同的实验条件和实验数据进行测试。结果表明该文研究的改进遗传算法具有最好的优化效果,该算法计算得到的平均网损均低于其他优化算法,收敛精度和收敛速度更高,能够在局部最优解处跳出,距离目标函数的全局最优解更加接近。     

基于改进粒子群算法的新一代GPS平面度误差评定

为了在全局范围准确评价平面度误差,根据新一代GPS标准,建立了符合最小区域条件的平面度评定的数学模型.针对平面度误差评定的特点,提出了一种基于遗传交叉因子的改进粒子群优化算法对平面度测量数据进行最小区域评定,给出了该算法的实现方法.实例结果表明,此方法可以在新一代GPS标准下有效、准确地评价平面度误差.     

遗传顺序IB算法

 本文提出一种遗传顺序IB算法,该算法以基本顺序IB算法的多次运行结果作为初始种群,并基于集成操作算子将初始种群组合为一个解;然后算法分别计算解中每个元素的不确定性统计量,对解中元素进行选择和变异,最后经过若干代变异后得到优化的解.在数据集上的实验结果表明,相对于顺序IB算法,遗传顺序IB算法具有运行效率高、解更优化的特点.     

基于遗传优化的多载波系统PAR最小化算法

首先讨论了遗传优化算法在单实权情况下的运算过程,提出了一种在多权值且权值之间非独立情况下的改进型遗传优化算法。然后针对多载波系统峰值平均功率比(PAR)的最小化问题提出了一种基于遗传优化的多载波系统PAR最小化算法。计算机仿真实验结果证明该算法有效地使多载波系统PAR值达到系统精度要求范围内的最小值。     

基于MCM和CGA的人脸表情识别方法研究

提出基于灰度共生矩阵(MCM)和混沌遗传优化算法(CGA)的人脸表情识别方法(FER).为了消除遗传算法中个体在解空间内分布的不均匀性,利用混沌的随机性、遍历性和规律性,将混沌引入到遗传算法中,由此得到了混沌遗传优化算法(CGA);通过颜色共生矩阵提取出的特征和改进后的混沌遗传优化算法,将人脸表情识别的寻找感兴趣区域(ROI)和特征提取结合成一步;最后利用支持向量机(SVM)进行图像分类.经过理论和实验证明,该方法实现简单且切实可行.     

免疫进化聚类算法

本文在分析经典聚类算法和基于遗传的聚类算法的优越性与存在不足的基础上,提出了一种新的聚类算法--免疫进化聚类算法.该算法不仅有效地克服了经典聚类算法易陷入局部极小值和对初始化敏感的缺点,并且减轻了基于遗传的聚类算法在遗传后期的波动现象.仿真实验表明,该算法的聚类正确率比基于遗传的聚类算法平均高8～16个百分点.     

基于小生境遗传优化的正交小波变换盲均衡算法

针对现有盲均衡技术收敛速度慢、稳态误差大、容易收敛到局部极小值的缺点,文中提出了基于小生境遗传优化的正交小波变换盲均衡算法.该算法利用小生境遗传算法搜寻全局,并利用正交小波盲均衡提高收敛速度.计算机仿真结果验证了算法的有效性.     

基于遗传优化的天线阵元LMS改进算法

最小均方（LMS）算法是自适应阵列天线中得以广泛应用的阵列天线加权算法。提出了一种基于遗传优化的LMS改进算法,该基于遗传优化的最小均方（GA—LMS）算法充分结合了遗传算法的并行处理和全局搜索的优点。实验结果表明,与传统的LMS算法相比,GA—LMS算法具有良好的收敛性能,并可更好地抑制干扰信号,有效改善自适应阵列天...     

基于预编码与导频分配的大规模MIMO导频污染抑制

导频污染问题是限制大规模多输入多输出(MIMO)系统性能的主要影响因素.针对这个问题,提出了一种基于改进预编码和最优导频分配策略的大规模MIMO系统导频污染抑制算法.首先,在系统下通过基于改进遗传优化算法的最大化信干噪比(SINR)预编码算法,获得最优预编码矩阵;然后,通过基于用户信道条件优劣的最优导频分配策略对每个小区用户进行导频分配,从而实现大规模MIMO系统导频污染抑制.通过Matlab仿真结果可知,相对于传统的SINR预编码算法,所提算法的复杂度降低了65%左右,而导频污染抑制性能提升了30%左右.该算法能够有效抑制导频污染,提升大规模MIMO系统的性能.     

目标表面BRDF统计建模中的遗传模拟退火算法

结合基本遗传算法与模拟退火算法,构造出了新的具有全局搜索优化特性的遗传模拟退火算法.根据卫星表面BRDF实验数据和统计模型,引用遗传模拟退火算法,获得样片BRDF模型参数的优化估计,从而获得了三维空间的BRDF分布,其优化参数后的模型在另一部分数据上也得到了很好的吻合验证.     

目标表面BRDF统计建模中的遗传模拟退火算法

结合基本遗传算法与模拟退火算法,构造出了新的具有全局搜索优化特性的遗传模拟退火算法.根据卫星表面BRDF实验数据和统计模型,引用遗传模拟退火算法,获得样片BRDF模型参数的优化估计,从而获得了三维空间的BRDF分布,其优化参数后的模型在另一部分数据上也得到了很好的吻合验证.     

一种不平衡注意参数条件下的遗传协同学习算法

本文讨论了目标识别的协同方法在不平衡注意参数条件下的动力学行为,并提出了不平衡注意参数条件下的遗传协同学习算法(GSLA).该算法利用遗传算法的全局最优搜索能力,对协同神经网络的注意参数进行全局优化.对从"车牌识别系统"中得到的数字样本的实验证明:新算法能有效地在注意参数空间搜索全局最优解,挖掘出协同方法在目标识别方面的最大潜能.另外,本文还将新算法与利用奖惩学习算法的协同学习算法进行了全局优化能力的比较,发现新算法具有收敛快和全局最优搜索能力强的特点.     

基于优化算法的雷达辐射源信号识别方法及性能

针对基于支持向量机(SVM)的雷达辐射源信号识别方法中SVM模型参数对识别性能影响较大的问题,提出基于优化算法的雷达辐射源信号识别方法,并选择遗传算法、蚁群算法和粒子群算法三种典型的优化算法应用于新的识别方法进行优化识别.通过不同条件下计算机仿真实验,验证了新方法的有效性,并分析了三种典型优化算法在新方法中的综合性能,为对雷达辐射源信号进行更好的识别提供一定的依据.     

基于遗传粒子群算法的海上风电系统参数优化

为提升海上风电系统的运行能力,使其阻尼比指标始终保持相对较高的数值水平,提出基于遗传粒子群算法的海上风电系统参数优化方法。根据遗传算法优化电信号参数,采用粒子群算法判别电信号能力,通过设置电量频谱参数完成基于遗传粒子群算法的电量频谱分配。建立风电系统传递函数,利用发电机建模原则计算DFIG-PSS优化参量的具体数值,实现对海上风电系统参数的按需优化。实验结果表明,随着遗传粒子群算法优化手段的应用,电信号阻尼比指标能够长期保持较高的数值水平,与基于PSO算法的调度模型相比,更能提升海上风电系统的稳定运行能力,符合实际应用需求。     

DWDM波长路由网络光链路负载均衡的波长路由算法

提出了一种应用于密集波分复用(DWDM)波长路由网络(WRON)中光链路负荷均衡的思想,并将其应用于优化Dijkstra算法的权值,同时将优化Dijkstra算法用于遗传算法求得了在不同的负荷条件下波长下限的网络所需波长数目。并将优化前后的算法分别对美国自然科学基金(NSF)网络的最优波长分配进行数值分析,发现基于负荷均衡思想的优化Dijkstra算法能够对网络的性能有很大提高：当遗传代数为20代时,采用优化Dijkstra算法阻塞率降低了约36％;当波长使用数为7个时,降低网络阻塞率10％。     

基于熵极大准则的非用户赋适应值交互式遗传算法

针对交互式遗传算法适应值人工赋值极易疲劳导致的算法进化代数不足、优化效率低下这一难题,提出了适应值非用户赋值方法.首先,用户对个体采用二元评价机制评价个体,将个体划分为满意集合和不满意集合;然后,根据个体评价时间与偏好的内在联系,通过个体评价时间确定评价满意度;最后,基于熵极大准则求解满意度最大条件下的个体适应值.为了确保优势基因遗传,加快算法收敛,采取种群精英基因构建优势个体保留策略.将该方法应用于装饰性墙壁纸选型系统中,并与其他代表性算法比较.结果表明,该方法能有效降低疲劳,提高算法优化效率.     

基于混沌免疫遗传算法的神经网络及应用

借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群“退化”和“早熟”的不足,保持种群多样性,构造得到混沌免疫遗传优化算法。进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络模型。利用所建立的混合神经网络模型对渤海某海域年极值冰厚进行训练预测,并将模型预测结果与实际数据以及动态拓扑预测的结果进行对比,表日周基于混沌免疫遗传算法的神经网络模型具有很高的预测精度和工程适用性。     

基于GLCM、CGA和Adaboost的人脸表情识别方法研究

提出基于灰度共生矩阵(GLCM)和混沌遗传优化算法(CGA)的人脸表情识别方法(FER)。为了消除遗传算法中个体在解空间内分布的不均匀性,利用混沌的随机性、遍历性和规律性,将混沌引入到遗传算法中,由此得到了混沌遗传优化算法(CGA);通过灰度共生矩阵提取出的特征和改进后的混沌遗传优化算法,将人脸表情识别的寻找感兴趣区域(ROI)和特征提取结合成一步;利用Adaboost算法进行图像分类。经过理论和实验证明,该方法实现简单、切实可行。