遗传算法辅助作曲研究

对遗传算法在作曲中的应用进行了一定的研究。介绍了遗传算法作曲系统目前的发展情况,分析了这一研究领域存在的问题,提出了一种新的交互式遗传算法作曲系统,借助Matlab 6.5下的遗传算法工具箱对系统进行了验证,取得了很好的效果。     

基于遗传算法的计算机智能作曲模型

针对传统计算机智能作曲客观评价不准、实现难度过大问题,本文对智能作曲进行探讨并给出一种遗传算法的智能作曲模型,并提出一种简化的模型.对该模型分别从算法设计和算法实现两方面进行了较深入的探讨,同时给出了程序实现.实验结果表明,模型对局部进行改善而不影响到其他部件,具有较高的可扩展性,算法的时间和空间复杂度较好,证明本文的算法是可行和有效的.     

交互式遗传算法在作曲中的应用

对交互式遗传算法作曲进行了一定的探讨.介绍了用遗传算法进行作曲的知识表示.通过将给定的乐谱转化成相应的编码,采用交互式遗传算法中的选择,交叉和变异算子产生新的乐曲.对交互式遗传算法作曲进行了仿真实验,讨论了实验步骤,给出了实验结果.仿真结果表明,设计的作曲系统可以产生出令人感兴趣的乐曲,具有一定的实际意义.     

遗传算法在作曲中的应用

对遗传算法在作曲中的应用进行了一定的探讨。介绍了遗传算法应用于作曲的基本过程。通过将给定的乐谱转换成相应的编码,采用遗传算法中的选择、交叉和变异算子产生新的乐曲。     

基于遗传算法的智能作曲技术研究

为了利用遗传算法进行智能作曲,对由计算机自动生成音符序列和音频文件的具体问题进行了讨论。计算机根据预先设定的参数生成初始乐段群体,将对各乐段的人工评估结果作为适应度函数值,分别设定选择、交换和突变规则,通过时值修正来解决进化过程中乐曲每小节各音符的时值之和的不稳定问题,完成了音符序列的计算机生成问题。音频文件的产生通过建模和编码的方法实现。建立表示振幅与频率、时值之间关系的振动模型,其频率因子和时值因子分别取自音符编码中音高分量所映射的频率值和时值分量所映射的时间,根据此模型,结合数字音频技术,最终生成WAV音频文件,从而完成了音符到音频文件的转换。与目前MIDI形态的计算机音乐相比,WAV形态的计算机音乐具有很强的丰富性、灵活性和稳定性。实验表明,利用这种交互式遗传算法所创作的乐曲能基本满足部分人的情感表达需要和审美标准,对促进计算机音乐技术的发展有重要的科学意义。     

遗传算法的改进

简要介绍了一般遗传算法的基本原理，由此提出了一个新的改进算法，它导向以适应度比较高的模式为祖先的染色体“家族”方向。文中给出了两个典型求最大值的例子，从结果中看，改进后的遗传算法大大提高了算法的速度，精度也有所提高。     

基于改进遗传算法的智能排课研究

本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。     

改进的遗传算法在智能组卷系统中的应用研究

试题组卷是考试系统的重要组成部分,而遗传算法是考试系统中最常用的一种算法。本文分析智能组卷问题的目标要求,并建立该问题的数学模型,提出使用基于遗传算法GA(Genetic Algorithm)解决组卷问题的新方法。将该方法运用到Java课程智能组卷系统中,实验证明该算法在组卷中的应用可以有效克服遗传算法中早熟的现象,加快了收敛速度,明显地改善了其全局寻优能力,提高了组卷的成功率,并且保证了组卷的质量。     

改进遗传算法智能组卷的研究与应用

组卷问题是一个多目标的约束优化问题,是在线考试系统的重要组成部分。通过对智能组卷建立数学模型,提出了一种基于改进遗传算法来进行智能组卷的方法,实验结果表明,改进的算法在智能组卷的运行速度方面,具有较好的实用性。     

基于遗传算法的公交智能排班系统应用研究

研究城市公交车调度优化问题,根据公交车辆排班和调度运行要求,兼顾到乘客和公交公司的利益,为优化服务目标,建立了基于遗传算法的公交智能排班调度模型.采用以发车时刻为变量的真实值编码方法,在构造适应度函数时,用惩罚函数法将多种约束条件加到目标函数上,简化了计算量.进行仿真实验,结果证明,利用改进的遗传算法求解,可以得到不均匀发车优化时刻表,并能为公交智能排班优化提供较大搜索空间,提高了实际运行效率.     

基于遗传算法的排课问题适应度函数设计

排课是各类学校教学管理工作中重要而且相当复杂的管理工作.排课问题是一个有约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题.遗传算法借鉴生物界自然选择和自然遗传机制,善于处理传统搜索算法难以解决的复杂的和非线性的问题.对于使用遗传算法解决排课问题中关键的适应度函数进行设计,验证结果表明能较好地实现排课目标,为设计出科学、优秀的排课系统提供理论依据.     

基于自适应遗传算法的多传感器多目标静态数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题,而常见的关联算法要私计算量大,要私实际动用中效果不理想。本语文提出了利用自适应遗传算法来解决在传感人、检测空域中目标个数未知情况下,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题。实验结果表明,这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率。     

基于遗传算法的车窗定位

车型识别是智能交通系统中一个重要组成部分 ,而车窗是车型识别的一个重要特征 ,因此如何更准确、更快速地定位车窗是一个关键点之一。特别是当图像的信噪比递减 ,或者由于照明、运动模糊等因素的影响 ,使得图像子区域在直方图中不一定出现明显的波峰和波谷 ,而无法检测、定位和分割出峰值不明显的图像 ,利用传统的方法往往不能得到令人满意的定位、分割效果 ,因此采用基于色度函数曲线构造的遗传算法来进行车窗的分割、定位。实验结果表明该算法抗噪能力强 ,具有很好的适应性。     

基于免疫遗传算法的Web服务组合方法

针对Web服务组合提出一种免疫遗传算法(IGA)。该算法将免疫原理引入遗传算法(GA)中,提高算法的整体特性。主要表现在免疫选择可有效地防止早熟,基于免疫记忆的子群体信息交换策略可加速收敛。GA在Web服务选择上存在不足,而IGA可以在备选的Web服务中进行有效的选择并最终组成Web服务组合,提高服务组合的质量和收敛速度。仿真实验结果表明IGA比GA更有效。     

基于遗传算法的Peer-to-Peer路由算法R-GA

路由算法是制约Peer-to-Peer 系统整体性能的关键因素之一.目前大多数路由算法无法保证全局收敛,而链路延迟、费用、网络带宽等现实制约因素往往在选路时被忽略.针对上述问题,提出了基于遗传算法的R-GA路由算法.通过适度函数和遗传因子,R-GA可以快速地实现全局收敛.同时将链路的延迟、费用、带宽等参数插入到适度函数中, 避免了盲目路由.仿真试验的结果表明,R-GA路由算法在大规模Peer-to-Peer系统中是高效和可扩展的.     

遗传算法综述

本文主要回顾了遗传算法的发展历程,并对遗传算法的基本原理及特点作了简要阐述。进一步指出了遗传算法存在的问题及相应的改进措施,讨论了遗传算法在实际中的应用。     

一种基于遗传算法的图像矢量量化方法

描述了一种基于遗传算法的图像矢量量化方法。遗传算法基于自然进化原理可得到全局优化结果，把遗传算法用于码本设计，运算简单，而且可避免传统方法如Ｋ－均值技术等所带来的局部优化局限。同时，由于其结构的规则性和并行性，较适于ＶＬＳＩ实现。文中主要讨论了遗传算法用于图像矢量量化的适应度函数及操作过程，并与传统算法作了比较，最后给出了实验结果。     

求解多目标组合优化的改进Pareto适应度遗传算法

将Pareto适应度遗传算法（PFGA）与局部搜索相结合,提出了一种用于求解多目标组合优化问题的改进算法IPFGA,该算法基于Pareto支配关系对遗传操作产生的每一个个体进行局部搜索,并采取在外部群体中引入拥挤距离的精英选择策略。实验结果表明,与PFGA相比,IPFGA有更快的收敛速度。