基于不动点算法和K2(m)剖分的遗传算法的改进

针对n维闭包腔函数优化问题,把单纯形自映射不动点算法与遗传算法结合进行求解.首先将解空间利用同胚映射转化为n维标准单纯形,然后对n维标准单纯形进行K2(m)剖分和相应的整数标号得到个体的承载单纯形顶点的标号信息,依据顶点信息和函数设计编码和遗传算子,当个体的承载单纯形是全标单纯形时,算法终止,得到优化问题的近似解.算例...     

基于不动点算法和K_2（m）剖分的遗传算法的改进

针对n维闭包腔函数优化问题,把单纯形自映射不动点算法与遗传算法结合进行求解。首先将解空间利用同胚映射转化为n维标准单纯形,然后对n维标准单纯形进行K2（m）剖分和相应的整数标号得到个体的承载单纯形顶点的标号信息,依据顶点信息和函数设计编码和遗传算子,当个体的承载单纯形是全标单纯形时,算法终止,得到优化问题的近似解。算例结果表明,改进后的算法在6代之内完成收敛,显示了极高的全局优化形态与计算效率。     

基于不动点理论的改进遗传算法及其应用

针对遗传算法的遗传效率问题,引入不动点理论的“剖分—标号—剖分”思想,通过寻找全标单纯形来对最优解进行定位,对全标单纯形再次剖分,寻找其内部的全标单纯形,使最优解得范围进一步缩小。遗传算法按相对适应度大小随机选取全标单纯形内的点作为初始化群体,极大地提高了遗传算法的效率。将遗传变异区间化,锁定在全标单纯形内或附近单纯形,使得最优解的精确度也得到极大地提高。     

基于改进遗传算法的开关磁阻电机优化设计

针对传统的遗传算法存在搜索效率低和无客观判敛标准的缺点,结合不动点算法的渐细剖分思想对其进行改进,首先将函数优化问题转换为不动点问题;然后对解空间做单纯剖分,根据剖分顶点信息进行迭代搜索;最后将寻找到的全标单纯形转换为目标值输出.将改进算法应用到开关磁阻电机的结构优化设计中,建立了以电磁径向力最低为目标的优化设计模型.以功率为2.2kw的电机为例,利用该模型进行优化分析,并与原电机参数进行对比.结果表明,改进后的算法经过10次迭代后求得较好的全局最优解,稳定高效.     

一种采用聚类单纯形搜索的引力算法

提出了一种基于聚类和单纯形法的中心引力优化算法,该算法引入了一种聚类单纯形算子,利用聚类方法选择合适的个体以构成单纯形的顶点,周期性地把单纯形算子搜索得到的最优个体迁移到中心引力算法的种群个体中．依靠聚类单纯形算子提高中心引力算法的局部搜索能力和收敛速度,聚类单纯形算子依靠中心引力算法跳出局部最优．实验结果表明,改进后的算法比其他常见优化算法有更好的收敛精度和收敛速度．     

复合形遗传算法在离散变量桁架结构拓扑优化设计中的应用

为了避免在结构拓扑优化过程中杆件和节点的增删带来的奇异解，设计了一些启发式准则来产生结构可能的拓扑结构形式，再采用混合遗传算法——复合形遗传算法进行截面优化。把复合形法嵌入到遗传算法中，利用复合形法对群体中的可行个体和不可行个体分别进行处理，可提高遗传算法种群的质量，有利于最优解的搜索。该方法既有复合形法快速高效的特点，又有遗传算法全局性好的特点。算例的结果表明，该方法用于桁架结构拓扑优化设计是有效的。     

基于竞争协同进化的改进遗传算法

针对标准遗传算法中的早熟收敛现象,提出一种基于竞争协同进化的改进遗传算法.该算法根据个体与对手竞争的表现来衡量个体的生存能力,生存能力由个体所击败对手的数量和优秀程度决定,个体在击败更多更优对手的努力中逐步进化.函数优化实验结果表明,该算法收敛速度快,且能有效保留种群多样性,与标准遗传算法及其他多种群遗传算法相比,能有效减轻早熟收敛现象.     

基于均分法的小生境遗传算法

为了避免遗传算法种群中个体过早陷入局部最小,在以往随机初始种群的基础上提出一种均分法,使得初始种群随机平均地分为若干个子种群,形成小生境,这样既维持了种群的多样性,也使得种群中的个体不会过早出现早熟现象,更提高了算法的收敛速度.同时采用了自适应技术控制交叉和变异的概率,使得算法能更快速地找到最优解.仿真结果表明,与传统的遗传算法优化RBF网络相比较,新算法的迭代次数更少,精度更高,大大提高了收敛速度.     

一种基于排挤机制的改进遗传算法

为解决遗传算法求解具有多个极值点的函数时容易出现的早熟的弱点,根据排挤机制,提出了一种改进的遗传算法。该算法采用分组选择的方式,首先按适应度大小进行分组,然后根据个体间相似度来淘汰种群中相似个体,以此维持种群的多样性,避免算法未成熟收敛。用典型函数对算法进行测试,结果表明该算法性能优于基本遗传算法。     

粗粒度并行遗传算法的MapReduce并行化实现

针对粗粒度并行遗传算法的特点,给出了MapReduce编程模型实现遗传算法的方法。将随机生成的初始种群分割成若干个子种群,用Map方法实现单个子种群的传统遗传算法。各个子种群在不同的Node上相互独立地并发执行个体适应值计算、选择、交叉和变异等操作,在Partition环节将每个子群所提取的最优个体迁移到其他子种群中,以实现各个子种群的共同进化。该方法充分利用了MapReduce的高度并行性,提高了算法的效率,同时在一定程度上克服了过早收敛和局部最优解问题。     

改进遗传算法在复杂CHP系统负荷优化调度中的应用

多台热电联产机组组成的复杂热电联产(CHP)系统优化过程中会使得搜索域增大,优化收敛速度变慢。针对这一问题。通过借鉴内点法将原搜索范围进行离散、组合,从而将搜索范围进行合理收缩,提高了算法在寻优过程中的收敛速度,并使优化结果更接近全局最优。将改进遗传算法应用于某石化企业自备电厂的复杂CHP系统,并通过仿真模拟对优化结果进行验证。结果表明,改进遗传算法可以有效提高遗传算法的收敛速度和优化结果。     

一种基于信息熵的自适应遗传算法

为解决传统遗传算法容易早熟及收敛速度慢的缺陷,在分析了多样性的重要性后,提出了一种新的基于信息熵的遗传策略,该策略在保留最优个体的基础上,根据当前种群个体熵与种群熵的变化自适应调整遗传算子的各项参数,将种群的内部状态与遗传操作有机地结合起来,使得种群多样性得到保证,提高算法的全局搜索能力.试验结果表明了该方法在运行过程中能避免早熟的发生,在处理复杂问题时表现出较高的性能.     

一种基于改进遗传算法的测试用例自动生成研究

测试用例的生成是软件测试领域的关键技术问题。近年来,受生物进化思想启发得出的一种全局优化算法的遗传算法用于测试用例的自动生成方向的研究,对于软件测试的自动化有着重要的影响。为了生成高效的测试用例,笔者提出了一种改进的遗传算法,该算法采用实数编码方式,采用逻辑覆盖原则,将遗传算法的适应度函数进行改进并加入遗传导向控制,这样有利于种群的多样性遗传,避免种群早熟收敛现象,并结合Delaunay三角网生成程序进行说明,验证了该算法的有效性。     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

协同量子智能体进化算法及其性能分析

针对当前量子进化算法的特点和不足,提出了一种分层协同进化的量子智能体进化算法.将种群个体视为以量子编码的智能体,采取三级进化方法,在子种群之间进行个体交流,子种群内部进行个体竞争操作,个体内部能够进行局部调整,使得进化操作能够作用在不同的小生境范围内,增强了进化的粒度.利用不动点定理对所提算法的收敛性进行分析,结果显示,算法能够收敛到最优值.对多个基准函数进行仿真对比分析,该算法具有更好的收敛精度.     

全局优化的了望算法

提出求解全局优化问题的了望算法.了望算法利用了望技术确定群山最高点的常识,通过了望管理机制、了望点产生策略、局部问题构造与求解机制,能在较短的时间内求解全局优化问题.大量的测试表明,了望算法具有较高的收敛率和较强的获得问题全部解的能力,对初始点几乎没有依赖,参数选择简单.了望算法能够保证在迭代过程中迭代点的质量逐步变好,所提出的三层次记忆机制极大地提高了望算法的收敛速度.大量的对比测试也表明,在收敛率和全局搜索能力等方面了望算法较遗传算法有一定的优势,且在大多数情况下了望算法耗时较少.由于了望算法是根据人类的高级行为智能和推理智能提出的一种智能算法,它为解决全局优化问题开辟了一条新的途径.     

空间封闭点云的八象限三角剖分算法

提出了一种针对空间封闭点云的三角剖分算法.该算法首先根据空间封闭点云的分布特征,将其划分到三维坐标的八个象限中,使每部分点云的包角均小于180°;然后适当旋转各部分点云,使其对应投影平面面积最大化,再运用平面三角剖分方法对其进行三角剖分,从而得到各部分点云的剖分结果;最后将已处理的各部分用三角面片对其边界进行缝合,进而形成空间封闭点云的立体三角化.实验结果表明,该方法剖分速度快、形成的三角网格质量高,能够较好地再现原三维物体的表面特征.     

四轮式移动机器人非完整运动控制

针对四轮式机器人做非完整运动时系统的非完整性的问题,将四轮式机器人运动规划转化为非线性控制系统的优化问题。提出了对优化变量进行浮点数编码的改进遗传算法,使系统控制精度得到改善。同时将改进的遗传算法采用最优个体保留策略,设计交叉参数和自适应变异参数,确保算法具有良好的收敛性。通过数字仿真实验,证明了该方法的对四轮式机器人非完整运动规划问题具有可操作性。