混沌遗传算法在函数优化中的应用

基于混沌遗传算法(HGA)的函数优化,将混沌优化方法嵌入到GA中替代GA变异算子,以改善变异个体适应值,加快了算法收敛.其主要算子包括:编码方式、选择算子、交叉算子、变异算子及采用精英保留策略.该算法可求解非线性全局最优化问题,并通过大海捞针(NIH)等仿真试验得到验证.     

基于改进遗传算法的导弹高度控制回路自动化设计

文中采用改进的遗传算法实现了自动化优化设计控制参数的目的。遗传操作的措施包括:采用常用的二进制编码,适应度函数的构造上综合考虑了误差和误差的变化量,选择操作采用比例算子与精英保存策略相结合,交叉操作采用两点交叉,变异操作采用变异概率的方法。仿真结果表明了遗传算法用于控制参数优化设计的有效性。     

基于遗传算法的防空兵群最优火力分配模型

基于遗传算法的防空兵群最优火力分配模型,运用战场目标价值和防空兵火力分配情况建立.最大限度发挥武器火力单位效能并达到最大毁伤效果.步骤包括:采用实数编码,通过构建染色体,生成初始群种;计算适应度,检验初始群种;操作遗传算子并改进选择、交叉、变异等操作.最后求解最优解,找出最优的分配方案.     

基于遗传算法的成像侦察卫星调度问题研究

基于有效基因路径表示的遗传算法：先建立单颗成像侦察卫星调度问题的约束规划模型。采用路径表示方法,对成像任务调度序列对应的染色体进行编码。选择2个染色体作为2父个体。接着采用顺序交叉算子对2父个体进行交叉操作,得到2子个体。然后采用交换变异算子对2子个体进行变异操作,得到2新子个体,并与两个父个体进行比较,比较依据为适应度函数。根据染色体上有效基因的数量以及对应的成像任务的优先级,计算染色体的适应度函数,选择适应度函数值最大的2个体作为下一次遗传操作的父个体。若迭代次数达最大值,算法结束,否则重复算法步骤。     

基于自适应遗传算法的导弹火力优化分配

建立了导弹火力优化分配的非线性整数规划模型，并给出了模型的自适应遗传算法求解，改进的遗传操作算子较好地处理了模型的整数约束条件，直观明了，简单易行．实例在计算机上的对比仿真运行结果表明，随群体适应度自动调整的交叉概率和变异概率，加快了算法的收敛速度，显著地提高了算法的探索能力，不易陷入局部最优解．这种方法对导弹火力的优化分配有一定的参考价值．     

三坐标测量机中基于遗传算法的多特征测量路径规划研究

讨论了遗传算法在三坐标测量机测量复杂零件中的应用,提出了建立关系矩阵及搜索有效路径的新方法,详细阐述了遗传算法中群体初始化、选择、交叉、变异等算子的实现过程,最后用实例验证了测量路径优化的有效性。     

基于遗传算法的BP网络在导弹武器系统元器件贮存可靠性预测中的应用

针对目前BP神经网络在应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中引入交叉概率和变异概率与个体的适度值相联系,改进了操作算子,而且在交叉操作后又引入模拟退火机制,提高遗传算法的局部搜索能力.建立了基于改进遗传算法的BP网络贮存可靠性预测模型,并以某型导弹武器系统的元器件进行实例分析,计算结果表明,该方法预测的准确性高,且预测结果稳定.     

遗传算法在求解多准则火力分配问题中的应用

遗传算法在求解多准则火力分配时,通过定义毁歼概率最大分配和弹药消耗量最小分配,建立多指标最优分配模型.该算法直接选目标函数作为适应度函数,通过选择、交叉及变异算子、定义算法终止条件,在保证所选目标总体价值最大前提下,实现对目标射击的毁歼概率达到最大.     

基于改进遗传算法的内弹道多参数符合计算

基于内弹道计算模型,分析了内弹道参数计算原理．对基本遗传算法进行了改进,使用了自适应的交叉算子和变异算子,并应用于内弹道多参数符合计算．算例结果证明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是内弹道多参数符合计算的理想算法之一．     

一种基于遗传算法的防空火力分配方案

根据反空袭防空作战的特点,建立基于遗传算法的防空火力优化分配模型,模型求解的步骤包括：问题编码,产生初始种群;计算适应值及适应度函数;选择、交叉及变异算子,以及判断停止进化条件。通过在计算机上对实例仿真运行制定出火力分配方案,证明该方法运算速度较快,结果精度较高,对地面防空火力分配决策研究具有一定的参考价值。     

基于局部路径重连的多星测控调度遗传交叉算子

为提高多星测控调度问题简单遗传算法的搜索精度,设计一种基于局部分层路径搜索的交叉算子(local layering path-relinking crossover operator,LLPRCO)。分析多星测控调度问题的遗传算法编码特点,得出解空间的复杂性和基因间较弱的相关性。借鉴路径重连的思想,利用构成初始解和引导解要素的差异性,构建从初始解出发的分层搜索邻域,将邻域中满足模型约束的解作为交叉的结果,并创建2个仿真场景进行验证。仿真结果表明,该交叉算子与具备一定随机特性的交叉算子混合使用能明显提高遗传算法对问题的求解性能。     

基于遗传算法的无刷直流电机转速控制系统优化设计

分析传统的无刷直流电机双闭环调速系统,并在对标准遗传算法进行分析总结的基础上,采用改进的遗传算法对转速调节器PI参数进行优化设计。使用最佳保留策略,在一定程度上解决早熟收敛和搜索迟钝问题;使用自适应交叉和变异算子,使遗传算法在搜索过程中实现非固定而自适应地动态交叉和变异;使用局部搜索能力很强的常规优化算法(如单纯形法),解决标准遗传算法局部搜索能力较弱的问题。从仿真结果看,该方法可使转速控制系统的跟踪性能指标达到最佳效果。     

改进的遗传算法求解火力分配优化问题

提出一种求解火力分配优化问题的改进遗传算法。基于目标函数的相对大小构造适应度函数,较传统的界限构造法更加显著地体现染色体之间的差异,使得优良染色体更容易被选中,从而提高算法的收敛精度。采用基于父代染色体相似度的启发式遗传算子优化遗传运算,灵活、有针对性地对父代染色体进行交叉或变异操作,在防止算法陷入局部最优的同时保证种群的更新速度。仿真实验对比结果分析表明所设计的改进算法具有更高效的寻优能力。     

基于遗传算法的自航水雷障碍雷位配置

根据自航水雷的散布特性,以水雷障碍对目标舰船平均毁伤概率为评估指标,建立自航水雷障碍期望雷位配置优化模型,并用遗传算法进行模型求解。针对障碍期望雷位的互换性,采用启发式有序算术交叉算子和高斯变异算子,引入精英保留策略,确保并加速算法收敛。算例结果表明该方法是有效可行的,为科学制定布雷计划提供理论依据。     

无源定位系统的多目标数据关联算法

主要研究多目标无源定位系统的数据关联方法。数据关联实质上是求解后验概率的极大值,首先建立两传感器三维空间联合关联概率数学模型,将求解后验概率的极大值问题转化为求解特殊的指派问题。由于漏检和虚警的存在,导致指派个数不确定,提出了一种新的改进单亲遗传算法来求解该问题,该遗传算法将解阵看作一个个体,将矩阵的列看作个体的基因,始终对一个个体进行交叉和变异操作。仿真结果表明,提出的求解方法收敛速度快、关联正确率高,验证了模型和求解方法的正确性和可行性。     

基于混合自适应遗传算法的相控阵雷达任务调度

针对相控阵雷达任务调度NP难题,提出一种混合自适应遗传算法进行求解。在构建相控阵雷达任务调度优化模型的基础上,通过混沌理论优化初始种群,采取精英保留和混合排名的选择策略以及设计自适应的交叉、变异算子来提升算法的搜索性能;在自适应遗传算法的框架下,提出启发式脉冲交错算法,以利用雷达任务中的等待期来交错执行其他任务的发射期或接收期。仿真结果表明：相比于基于遗传算法的调度方法,改进算法的搜索效率更高、结果更优;相比于传统启发式算法,改进算法的调度成功率、时间利用率和实现价值率均得到了提升,并有效降低了时间偏移率。     

约束引导的反舰导弹航路规划遗传算法

为了提高遗传算法对航路规划问题的求解效率,提出了一种约束引导的航路规划遗传算法（CD-GA）.与传统GA不同的是,该算法在优化过程中使用航路节点间的关联约束来实时限定基因值的准确变化范围.为了使染色体与航路的表达方式更加接近,采用定长实数的矩阵编码方式;采用一种分步递归初始化策略生成初始种群,保证其中均是非劣个体;在算法迭代过程中,分别采用一种连续多点分步交叉策略和扰动连续修复变异策略进行交叉和变异,使得算法搜索空间逐步减小,从而加速算法收敛.仿真实验结果表明,该算法能够显著提高遗传算法的全局搜索性能,并且算法收敛速度快,稳定性好.     

基于GA的装甲车辆战时保障资源配置研究

为提高装甲车辆的战时保障能力,根据"基于性能的保障"的要求,建立了装甲车辆分队战时保障预设阵地选址优化模型.利用遗传算法的寻优特性,提出了预设阵地的矩阵编码策略,通过遗传算子杂交、变异操作对模型进行求解,并利用具体算例对该方法进行了验证.结果表明此模型可取,算法收敛速度快.     

基于Hausdorff距离和免疫遗传算法在图像匹配的应用研究

部分Hausdorff距离和免疫遗传算法相结合的图像匹配算法包括：定义编码与适应度函数、确定交叉变异算子及免疫操作。部分HD距离作为模板匹配的相似性测度,可有效减少匹配计算量;免疫遗传算法具有较强的鲁棒性和强大的并行搜索能力。两者的结合明显缩短匹配时间,提高匹配的精确度和鲁棒性。仿真结果验证该方法高效稳定。     

Matlab遗传算法工具箱的应用

Matlab遗传算法(GA)优化工具箱是基于基本操作及终止条件、二进制和十进制相互转换等操作的综合函数库.其实现步骤包括:通过输入及输出函数求出遗传算法主函数、初始种群的生成函数,采用选择、交叉、变异操作求得基本遗传操作函数.以函数仿真为例,对该函数优化和GA改进,只需改写函数m文件形式即可.