一种基于目标约束遗传算法的地层对比方法

针对油田开发钻井剖面地层对比的具体特点和实际问题应满足的约束条件,提出了一种基于目标约束遗传算法的地层对比方法。该方法既能较好地完成常规地层对比,也可对因断层或地层尖灭等地质现象造成的地层缺失、错位等复杂情况进行处理。该方法具有较好的鲁棒性,随机搜索能力强,对复杂情况下的地层对比具有较好的适应性。给出了具体的实现算法,对实际资料的处理结果证明了方法的有效性。     

一种基于目标约束遗传算法的地层对比方法*

针对油田开发钻井剖面地层对比的具体特点和实际问题应满足的约束条件,提出了一种基于目标约束遗传算法的地层对比方法。该方法既能较好地完成常规地层对比,也可对因断层或地层尖灭等地质现象造成的地层缺失、错位等复杂情况进行处理。该方法具有较好的鲁棒性,随机搜索能力强,对复杂情况下的地层对比具有较好的适应性。给出了具体的实现算法,对实际资料的处理结果证明了方法的有效性。     

量子衍生布谷鸟算法及在地层对比中的应用

为提高布谷鸟搜索算法的寻优能力,通过在经典布谷鸟搜索算法中引入量子计算机制,提出一种量子衍生布谷鸟搜索算法。该算法采用量子比特编码个体,采用泡利矩阵确定旋转轴,采用Levy飞行原理确定旋转角度,采用量子比特在Bloch球面上的绕轴旋转实现个体更新。针对钻井剖面地层对比的具体特点及需要满足的约束条件,提出应用量子衍生布谷鸟算法进行地层对比优化的实施方案,该方法既能对比不同地层之间的相似性,也能处理对比井地层因断层或尖灭等因素造成的缺失。实验结果表明,在复杂地质情况下,该算法是有效的和可行的。      

改进的遗传算法在作业调度中的应用

作业调度问题（JSP）是一类典型的NP-hard问题,遗传算法作为一种通用的优化算法在求解JSP中得到了广泛的应用。本文主要针对作业车间调度问题,基于改进的遗传算法 ,根据种群的进化状况,从而确定种群的适应度值,使之能够保持种群的多样化。     

改进遗传算法在电站经济运行中的应用

针对水电站经济运行提出了一种改进的遗传算法,来提高遗传算法的搜索的能力和效率以及避免算法中常出现的"早熟"现象。在遗传算子设计中,引入了带有限制条件的初始化方法、双代竞争和精英保留的选择方法、自适应变化的变异及交叉算子和并行交叉迁移的方法来保证算法在收敛速度、搜索能力和运算速度3个方面的要求。在设计中,建立了"代沟"函数和并行交叉迁移率的概念。在清江隔河岩水电站的4台机组的经济运行工程实验中,从收敛速度、搜索能力和运算速度3个方面,比较了该算法和自适应遗传算法、双代竞争遗传算法的性能,得到了令人满意的结论,说明所提出的改进遗传算法可以成功地应用到水电站经济运行中。     

改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文提出了一种应用于电力系统无功优化问题的改进遗传算法,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

改进遗传算法在发电机组优化组合中的应用

在研究遗传算法（ＧＡＳ）的基础上，提出了一种改进遗传算法（ＩＧＡ），并将其应用于发电机组的优化组合中。本文所提出的发电机组改进遗传算法具有快速搜索、易收敛和强鲁棒性的特点。最后，用ＩＧＡ法确定一实际电力系统机组优化组合，结果证明该方法的有效性和应用前景     

改进遗传算法在网格任务调度中的应用

为了提高遗传算法的搜索性能,同时满足网格资源的优化分配,提出了一种带过滤机制的遗传算法,使其适用于网格任务调度问题的优化处理.仿真研究表明该算法更符合网格调度的复杂环境,能得到较短的任务执行时间和较好的负载均衡性.     

改进的遗传算法在医学图像中的应用

针对标准的遗传算法（ GA）在优化Otsu法求取图像阈值时出现收敛速度慢、易早熟等问题,提出了一种改进的GA用于图像分割。该算法根据种群不同的进化代数和个体适应度的大小,动态地调整精英选择策略和遗传算子,从而提高了算法的收敛速度、得到了范围稳定的图像分割阈值,且保持了种群多样性。将该算法应用于医学图像分割,实验结果表明：该算法可以对医学图像进行分割且效果明显。     

遗传算法在TSP问题中的应用及改进

旅行商问题(TSP)是研究算法性能的典型算法,遗传算法GA(Genetic Algorithm)是由遗传进化理论指导的随机搜索寻优算法。但传统的GA对于地形复杂、极无规律的TSP的应用效果不理想。本文通过在传统GA中引入种群分类,提高搜索能力,加快速度。     

一种改进型遗传算法在入侵检测中的应用

针对传统的遗传算法在入侵检测中存在的问题,提出了一种改进型遗传算法。该算法结合模拟退火算法,并使用均匀交叉、高斯变异。实验证明,该算法比传统的遗传算法能更准确地检测出入侵数据。     

一种改进的量子遗传算法及其应用

针对基于Bloch球面坐标编码的量子遗传算法应用中的优化效率低和局部寻优较差能力问题,提出2点改进措施：在比较种群的基础上将局部搜索与全局搜索相结合;依据三链特性将搜索空间扩展为3Bloch球面空间。将改进算法应用于多变量函数极值优化问题,仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性。     

改进型遗传算法在故障诊断中的应用磁

遗传算法优化后的 BP 神经网络具有较好的全局搜索能力,但在迭代后期要求有较好的局部搜索能力,因此,通过对遗传算法进行改进,来平衡系统的全局搜索能力和局部搜索能力。实验表明,改进后的遗传算法能对各种故障进行可靠的分类,有效地提高了故障诊断的效率和准确度。     

改进的模拟退火遗传算法在函数优化中的应用

针对模拟退火遗传算法中可能出现的早熟收敛和后期进化较慢问题,提出了多规则选择算子,同时对交叉和变异算子进行了改进,引入了小生境技术解决早熟收敛问题。在此基础上针对函数优化问题设计了改进的模拟退火遗传算法。仿真实验表明,改进的算法在函数优化中,特别是在对多变量函数寻优中,收敛速度和收敛精度都有一定提高。     

改进的混沌遗传算法及其应用

针对多目标干扰多参数波形优化设计问题中需考虑参数过多、高维等问题,给出一种基于实数编码的改进混沌遗传算法。引入An混沌随机数生成器以提高混沌序列的均匀性和随机性,提出将遗传操作中交叉得到的优秀个体与新群体竞争,提高收敛速度。改进后,混沌遗传算法的收敛性和全局搜索能力都有所提高,通过仿真证明了该算法的有效性和正确性。     

一种改进遗传算法及其在TSP问题中的应用

传统遗传算法的收敛速度与问题解的质量是影响算法寻优性能的一对主要矛盾。文章针对上述矛盾，提高了改进遗传算法的控制策略－杂交，变异的并行处理，基于适应值密度的变异操作，自调整父代迁移策略和父代与子代竞争策略，并应用于ＴＳＰ问题中，验证了算法的有效性。     

改进的小生境遗传算法

本文针对多峰值函数的优化提出了一种改进的小生境遗传算法.本算法可以自动检测波峰的存在,加强了遗传算法的局部搜索能力又避免其收敛于局部最优解,适用于多峰值函数的优化.     

一种改进的遗传算法及其在PID控制中的应用

针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,提出了一种改进的遗传算法,并将其应用于PID参数寻优。该算法既具有经典遗传算法的全局寻优能力,又具有局部寻优能力;同时,它又能有效地抑制早熟,保证得到的优化参数为最优。仿真结果表明,基于此遗传算法寻优设计的PID控制器可以极大地提高寻优的速度,鲁棒性强,具有很好的动态品质和稳定性。     

改进的自适应遗传算法应用研究

图像数据挖掘是目前国际上数据库、图形图像技术和信息决策领域最前沿的研究方向之一.近年来,许多学者开始致力于图像挖掘算法的研究.首先介绍了传统的双种群遗传算法(AGA算法)实现关联规则提取的执行过程,然后针对IAGA算法容易产生停滞现象、造成局部收敛等问题,改进了遗传算子,设计出了新的遗传算法(NAGA算法),最后将NAGA算法成功地运用到遥感图像挖掘,实现了图像关联规则的提取.实验证明,这种改进的自适应遗传算法是一种稳定的、性能优越的算法.