子阵级相控阵差波束旁瓣抑制新方法

针对采用单脉冲技术的相控阵系统,在子阵级采用数字加权抑制差波束的旁瓣.利用遗传算法优化子阵级加权,构造了加权向量和方向图等两种适应度函数.对只使用一种适应度函数的常规遗传优化方法进行了改进,提出分阶段、多适应度函数的方法:将优化过程分为两个阶段,并分别使用加权向量和方向图参数作为适应度函数.改进方法提高了遗传优化的稳定...     

基于改进适应度函数的遗传单神经元控制

介绍了一种基于改进适应度函数的遗传单神经元控制方法.通过利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元相结合,设计了一种遗传算法单神经元解耦控制器,实现了对炉群多变量燃烧系统的解耦控制.实验结果验证了这种方法是可行的.     

改进的遗传算法优化氧化钛湿敏元件的模型

以氧化钛湿敏元件等效电路模型中的参数为优化对象,提出一种改进的基于遗传算法的等效电路优化方法。算法在选择操作中加入最优保存策略,并对适应度函数进行适当的调整,从而提高了算法的运行效率和精确度,获得了拟合曲线和适应度函数图。拟合曲线直观地证明了等效电路的正确性,而适应度函数图更是明确地表达了算法的运行效果。改进的遗传算法优化处理程序采用Matlab编程语言实现。     

改进遗传算法在移动机器人路径规划中的应用

针对传统遗传算法中适应度函数把最短路径作为主要遗传因素而未考虑转角及多余路径点造成的时间过多与搜索效率低的情况,文章提出一种改进遗传算法的路径规划方案,把适应度函数选取在满足最短路径的基础上加入角度控制和其余路径信息融合得到新的适应度函数。首先采用栅格法建立实验模型,然后在满足最短路径,路径可行及转弯少的情况下融合成一个新的适应度函数,并其增加插入算子与删除算子进行路径优化得到最优解。最后通过MATLAB实验进行验证,结果表明:在路径规划问题上基于该改进的适应度函数的遗传算法优于基本遗传算法,证明了方案是有效的。     

遗传算法在移动机器人路径规划的研究

针对基本遗传算法在移动机器人路径规划问题上存在的收敛速度慢以及所得路径转弯次数过多能耗大等缺点,对遗传算法进行改进,该方法利用同邻交叉方式,通过选取具有相同可行邻居结点的交叉对进行交叉操作,得到比双亲更为合适的可行路径。改进的变异方式是选择一个初始变异结点,计算它的可行邻居结点所在路径的适应度值,适应度值最优的就作为变异结点。新的适应度函数考虑了路径的距离、安全性和能量消耗等因素。仿真结果表明,将改进的交叉变异算子和新的适应度函数结合使用有助得到转弯次数较少的最优路径。     

改进适应度函数的阵列综合粒子群算法

针对标准粒子群算法在阵列综合应用中收敛所需的迭代次数较多、收敛速度较慢等问题,提出了一种基于改进适应度函数计算的粒子群改进算法。根据阵列在采用标准粒子群算法时的收敛趋势,提出在适应度函数计算中,对适当角度范围内的适应度函数进行加权计算,使影响收敛速度因素的计算权值得到提高、并得到优先处理,从而降低平均计算时间。通过对线阵天线的仿真实验,结果表明该方法效果明显,可以在满足方向图要求的前提下,大大减少收敛所需迭代的次数,加快收敛速度。     

基于遗传算法的阵列天线赋形波束综合

提出了一种改进的适应度函数确定方法,算法采用易操作的二进制编码。通过改变适应度函数中的待定参数,有效提高了搜索效率。采用遗传算法对基站天线的方向图赋形,其结果优于同种条件下用Woodward法得到的结果。结合工程实践,考察了本文遗传算法的解的稳定性。     

基于个体排序的自适应遗传算法

针对遗传算法容易陷入局部最优的缺点,文中提出了一种基于个体排序的自适应遗传算法。在传统自适应遗传算法中,交叉概率和变异概率的自适应更新是依据个体的适应度值进行的。但是在算法后期,由于种群陷入局部极值,使得值的差异变小,更新时难以体现个体差异。借鉴序优化的思想,在所提改进算法中,将个体适应度值排序,并采用排序号替代适应度值。这种采用序差异取代值差异的方法能够增大种群中、后期的交叉概率和变异率的值,有利于避免算法陷入早熟收敛。文中对几种标准的函数进行了测试,结果表明,改进后的算法在收敛速度和收敛精度方面优于其他两种自适应改进算法。     

基于改进遗传神经网络的MR脑组织图像分割方法

为了提高MR脑组织图像分割的准确度,针对传统BP神经网络算法存在的问题,提出了改进的遗传神经网络算法。首先根据医学图像改进遗传算法的编码方式、适应度函数以及遗传操作,利用该算法获取最小适应度函数值,进而确定神经网络最优权值和阈值;然后将该神经网络用于MR脑部图像的分割。试验结果表明,改进的遗传神经网络算法分割效果优于传统BP神经网络算法。     

基于遗传算法优化的WSN覆盖控制算法

针对无线传感器网络(Wireless Senson Networks,WSN)的覆盖控制和网络寿命问题,基于改进的遗传算法结合提出的局部搜索策略进行优化。根据WSN的特性对遗传算法的适应度函数进行了改进,并与提出的局部搜索策略结合进一步优化遗传算法适应度值,使之可以使用更少的传感器节点来保障监测目标的100%覆盖。仿真实验表明,与遗传算法相比,该算法具有更高的适应度、更长的100%覆盖期和网络寿命。基于遗传算法改进的WSN覆盖控制具有更优秀的性能及提高WSN对感知区域的覆盖控制能力。     

基于遗传算法的排产优化方法

针对单件小批量生产车间的优化排产问题,采用遗传算法进行研究,设计了一种分组编码方案,提出了可处理零部件间装配关系的适应度函数算法。介绍了遗传算法在车间优化排产中的实现方法及结果,重点讨论了编码方案及适应度函数设计。基于此算法,开发了生产作业计划排产软件,可完成顺排产与倒排产的自动排产,实现工艺排产的智能化。     

一种基于遗传算法的SVM决策树多分类方法

在当前的机器学习领域,如何利用支持向量机（SVM）对多类目标进行分类,同时提高分类器的分类效率已经成为研究的热点之一,有效地解决此问题对于提高目标的识别概率具有较大意义。本文针对SVM多分类问题提出了一种基于遗传算法的SVM最优决策树生成算法。算法以随机生成的决策树构建的SVM分类器对同一测试样本的分类正确率作为遗传算法的适应度函数,通过遗传算法寻找到最优决策树,再以最优决策树构建SVM分类器,最终实现SVM的多分类。将该算法应用于低空飞行声目标识别问题,实验结果表明,新方法比传统的1-a-1、1-a-r、SVM-DL和GADT-SVM方法有更高的分类精度和更短的分类时间。      

基于mean-variance的服务集群负载均衡方法

大量并发请求任务进行分配时,负载调度机制是通过最小化响应时间及最大化节点利用率实现网络中节点的负载均衡,在基于遗传算法的负载均衡算法中,适应度函数设计对服务集群负载均衡效率产生重要的影响.对此提出了一种基于mean-variance的服务集群负载均衡方法对适应度函数进行优化,采用投资组合选择模型mean-variance进行最小化响应时间,以得到每个服务器资源利用率的权重,从而获得最优的分配组合,进而提高适应度函数的准确性和有效性.在不同服务环境下与其他模型进行比较,仿真结果表明,本文的负载均衡算法在节点利用率和响应时间方面使服务集群得到了更好的均衡.     

基于信息熵和改进粒子群算法的医学图像分割方法研究

针对传统的医学图像分割算法存在组织边缘模糊、灰度不均匀和图像噪声高的问题,将信息熵和改进的粒子群算法相结合,提出了一种基于信息熵和改进的粒子群算法的医学图像分割方法,在确保信息熵最大的条件下,实现医学图像的最佳阈值分割.将信息熵最大化作为适应度函数,通过改进的粒子群算法优化获得最佳分割门限,实现医学图像的最佳阈值分割.选择不合噪声和含噪声的脑部图像为研究对象,通过直观分析、客观分析和分割速度分析发现,提出的新方法在很大程度上克服了传统医学图像分割算法存在的缺陷,分割速度和精度得到显著提升;与此同时,新的算法具有很强的鲁棒性和抗噪声能力.     

基于改进实数遗传算法的DOA估计

文献[7]提出的估计方法直接以误差矩阵的2范数建立适应度函数,文中利用该矩阵是Toeplitz矩阵的特性,构造了一个新的适应度函数,提出了一种基于基因分量独立变异的实数遗传算法。该方法不需进行矩阵的特征值分解,充分利用了遗传算法的全局寻优特性,获得了良好的参数估计性能。仿真结果表明,相对文献[7],达到同样要求所需要的运算量减小了一半。     

能量采集型无线传感器网络的高能效路由算法

在能量采集型无线传感器网络中,虽然有能量吸收,但是因能量依然非常珍贵,如何优化路由协议,提高能量利用率,延长网络寿命仍然是值得研究的问题.为求解高能效的路由,提出了一种采用遗传算法的高能效路由算法,建立考虑节点的吸收能量、剩余能量、消耗能量和浪费能量的适应函数,用遗传算法寻找全局最优路径.将该适应函数与3种其他适应函数作对比,其他3种适应函数分别为只考虑路径能耗最小的适应函数,考虑路径能耗与路径上节点的吸收能量、剩余能量的适应函数以及考虑路径能耗与网络中所有节点的浪费能量的适应函数.采用遗传算法解出4种路由,通过仿真分析可知,所提出的路由算法能量利用效率最高.     

一种任意阵的方向图模值综合方法

 本文提出一种遗传算法和凸优化相结合的方向图模值综合方法.将方向图主瓣的相位作为遗传算法的优化变量,结合期望主瓣的模值构造适应度函数.利用凸优化求解该适应度函数可得相应个体适应度的最优值,提高了算法的搜索性能.相位的优化使得本文方法综合结果与阵列的参考点无关,而且适用于任意阵.仿真数据结果验证了方法的有效性.