优进遗传算法及其在化工数据处理中的应用

针对常规遗传算法容易早熟、局部寻优能力差的弱点，提出一种优进遗传算法．该算法以一定的概率引入确定性操作，并采用空间重组的方式改进子代分布，以提高全局寻优的性能．采用的相关技术包括增加单纯形寻优算子、运用改进的交叉算子、自适应地调整交叉率和变异率等．该算法已成功应用于SO2催化氧化反应动力学模型的非线性参数估计、这种优进遗传算法不依赖于问题的具体领域，可应用于各种数据处理和优化领域．     

改进变异算子的差分进化算法并行性分析

针对并行差分进化算法的全局搜索能力和寻优的稳定性弱的现状,基于DE/best/1变异算子提出了一种改进的差分进化算法变异算子.该算子前期采用DE/best/1变异方法,当进化代数超过设定的进化代数值时,采用改进的变异算子.通过拓宽变异算子的搜索域来提高种群的多样性,提高了差分进化算法的寻优能力.对改进变异算子的并行差分进化算法进行了函数测试,实验结果表明:相比普通的变异算子,在相同种群规模的前提下,改进的差分变异算子拓宽了遗传算法的搜索域,提高了算法的全局搜索能力;在不同的种群规模下,改进的变异算子增强了算法的寻优稳定性.     

一种改进的整数编码遗传算法在车辆路径优化问题中的应用

针对基于路径组合编码的遗传算法应用于求解VRP问题时，顺序交叉算子局部寻优能力不足的缺陷，引入一种进化逆转算子，改进了遗传算法求解VRP问题时的局部搜索能力。设计的两组仿真试验结果显示，进化逆转算子的局部寻优能力很强，用它改进的遗传算法求解VRP问题的结果表明，算法的收敛性明显好于标准遗传算法。     

一种新的机器人视觉图像阈值实时获取方法

为了解决机器人足球比赛中机器人视觉系统的图像阈值实时获取问题,提出了一种基于改进遗传算法的阈值寻优算法.该算法采用自适应交叉和变异的算子来进行图像阈值获取,不仅提高了阈值的选取速度,保证了搜索的稳定,还提高了机器人视觉系统的实时性和鲁棒性.实验结果表明该方法可行.     

解空间种群均匀化自适应遗传算法的应用

提出了一种新型解空间种群均匀的自适应遗传算法，并采用随机方法对初始种群加以改进，使初始种群均匀分布于解空间之中.在优化进程中，引入自适应算法，使交叉的变异算子具有自适应性；将自适应调节机制引入适应值函数中，使适应值函数同样具有自适应性.为证实所提出的改进遗传算法的可行性和有效性，对几种典型的多峰值函数进行了寻优测试.优化测试结果与解析解及标准遗传算法优化结果相对比，证明改进遗传算法的全局搜索能力和收敛性都远优于标准遗传算法.     

基于逆序与对偶组合算子的小生境遗传算法

在逆序算子和对偶算子的性能研究基础之上,设计了逆序与对偶组合遗传算子,增强了局部搜索性能．通过引入共享机制小生境技术,并且采用自适应策略,对种群的多样性进行有效保护。构造了一种基于逆序与对偶组合算子的小生境遗传算法,较好地解决了局部搜索与全局搜索之间的矛盾,保证了算法的全局收敛性．算例测试表明该算法具有较强的整体寻优能力．     

基于逆序与对偶组合算子的小生境遗传算法

在逆序算子和对偶算子的性能研究基础之上,设计了逆序与对偶组合遗传算子,增强了局部搜索性能．通过引入共享机制小生境技术,并且采用自适应策略,对种群的多样性进行有效保护。构造了一种基于逆序与对偶组合算子的小生境遗传算法,较好地解决了局部搜索与全局搜索之间的矛盾,保证了算法的全局收敛性．算例测试表明该算法具有较强的整体寻优能力．     

一种基于遗传算法的S盒优化设计

针对基本遗传算法"爬山"能力弱,有"早熟"特征,寻优效率比较低的不足,提出一种基于遗传算法的S盒的优化设计。在初始种群的生成过程中加入由先验知识产生的部分性能较优的S盒,在一定程度上提高收敛速度和收敛效果;在遗传算子操作中采用最优个体保存法选择策略,可以大大减少额外的计算量;采用Davis顺序交叉法进行交叉操作,引入进化逆转变异法进行变异操作,补偿群体中多样性易损失的不足,同时能够提高算法的搜索效率,加快收敛速度。仿真实验结果表明,本算法构造的S盒在密码学性能、收敛速度和适应度值方面都有很好的改善。     

基于改进粒子群算法的光伏MPPT控制研究

针对局部阴影使光伏阵列呈现多峰值的现象,提出了一种基于改进粒子群的全局MPPT寻优算法。该算法首先采用大步长扰动观察法进行一次寻优,然后通过非线性动态改进惯性权重策略对粒子群算法改进,用改进粒子群算法进行二次全局寻优,最后使用变步长扰动观察法进行三次迭代寻优。仿真结果表明,混合算法能够在不同阴影条件下快速、准确地跟踪最大功率点,避免系统陷入局部最优值,具有良好的动态性、稳定性和高效性。     

基于轮换寻优的遗传算法在神经网络中的应用

基于最优控制中的轮换寻优思想 ,对遗传算法进行了改进。综合采用交叉编码方法和多参数级联之点映射编码方法对寻优参数进行编码 ,为了避免遗传算法中经常出现的过早收敛现象的发生 ,把近亲回避交叉策略和最优保留方法应用到遗传算法中 ,对神经网络的权值和阈值进行了分组轮换寻优 ,成功地完成了对多层前馈神经网络的训练 ,并与常规的BP算法和常规的遗传算法进行了比较。仿真结果表明 ,改进算法的效果比常规的BP算法和常规的遗传算法要好。这种寻优方法把传统的寻优方法和遗传算法结合起来 ,为全局寻优方法提出了一种途径 ,但更通用的全局寻优方法还有待进一步研究     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题（TSP）是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

一种改进的基于梯度的图像边缘检测算法

针对经典基于梯度的边缘检测算法对方向的敏感性,从梯度的定义出发,本文提出了一种能够根据实际精度需求任意调整方向的多方向边缘检测的算法。该算法操作简单,具有图像边缘定位准确,抗噪能力强的特点。     

基于改进遗传算法的系统参数辨识方法

介绍了一种基于遗传算法辨识系统参数的方法,遗传算法是一种基于自然选择和自然遗传学机理的全局搜索学习算法,为了提高算法的优化能力,我们采用了种群迁移以及自适应变异率来改进算法,仿真结果表明,改进的遗传算法辨识系统参数收敛到全局最优,且鲁棒性强,辨识精度高。     

多级志愿动态概率筛选算法的研究

目前的选课系统存在着一些普遍问题,如选课不公平、实时性差、人工干预工作量大等,这些现象主要是和选课算法的好坏有直接的关系.本文对志愿分级筛选算法进行了改进,采取的改进方法是多级志愿、动态概率筛选.通过改进后的算法在选课系统中的应用和对实验数据的分析,证明了该算法是可行的,并且具有良好的公平性,实时性和选课的高命中率,达到了预期的设计目标.     

IEEE802．11 MAC层退避算法的一种改进方案

通过对IEEE 802.11 DCF模式下的马尔可夫链模型的研究发现,目前普遍采用的二进制退避算法存在着由于选择时隙得不到均匀分布而造成竞争节点数量过多时碰撞概率增大、系统吞吐量下降的问题.针对这些问题,提出了一种对部分节点采取延缓其重置进程的方法,其本质就是要通过降低节点对初始窗口的选择概率,来达到退避记数器选择退避数分布均匀的目的.仿真结果表明,该方法能有效地提高系统的吞吐量.     

改进型OVSF码随机动态分配算法

针对WCDMA（Wideband Code—Division Multiple Access）系统下行链路随机动态码分配算法存在码阻塞概率大、进行最小代价分支搜索信令开销大的问题,提出了一种改进型动态码分配算法。该算法采用搜索最小代价函数值、以邻近原则进行码树重排、释放同级码字中具有最大代价函数值的码字策略。仿真结果表明,改进型动态码分配算法码阻塞概率低于随机动态码分配算法的码阻塞概率。在业务量为16Erl时,改进型动态码分配算法使系统码阻塞概率降低18．37％,同时该算法能有效降低系统的复杂度。     

基于改进遗传算法的排课方法研究

列举了排课问题中的软约束条件和硬约束条件,提出了一种基于遗传算法的新排课方法.该方法合理安排了高校排课过程中的各种资源,对传统遗传算法做了改进,采用了自适应的交叉概率和变异概率,改善了排课的收敛性和效率.     

普通话智能测试系统的语音识别网络研究

现行的计算机辅助普通话水平测试系统主要采用隐马尔科夫模型的对数后验概率算法来衡量考生的发音质量,但是HMM模型之间易混淆。为提高系统测试的效度和信度,将普通话发音中的语言学知识引入测试系统,重构算法的识别网络,对算法的概率空间进行优化。实验结果表明,改进后的识别网络能够显著缩短系统的运算时间,有效降低概率空间对评分的影响,提高系统的评测性能。       

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法.文中针对遗传算法较快的找到最优解并防止＂早熟＂收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度.最后实验表明,改进的算法是可行和有效的.     

多目标实时跟踪的一种数据关联算法

联合概率数据关联是密集杂波环境下跟踪效果最理想的数据关联算法之一。文中在研究概率数据关联算法的基础上,提出了一种快速数据关联算法。通过不同阈值的选择,去除小概率事件,建立确认矩阵,再根据被跟踪目标跟踪门的相交情况,将跟踪空间划分成若干相互独立的区域。对同一区域内公共量测的概率密度值进行衰减,计算出关联概率。仿真实验结果表明,该算法能显著减少可行联合事件的搜索时间和数量,可以有效解决JPDA算法计算量过大的问题,且便于工程实现。