基于实数编码自适应遗传算法的膜系优化设计

提出一种基于实数编码自适应遗传算法的膜系设计新方法，并将该方法与常用设计方法及传统遗传算法设计结果进行比较．结果表明，在相同设计要求下，用实数编码自适应遗传算法可以得到更加合理的膜系结构．理论和实践均表明该方法是高效、可靠的．     

实数编码遗传算法的改进研究

畜禽饲养对饲料养分的需求越来越高,饲料配方需要处理的原料种类不断扩大,配方算法需要处理的数据非常巨大,因此对传统遗传算法的计算效率提出更高的挑战和要求。文中分析了基于实数编码的遗传算法在种群初始化和交叉、变异操作过程中存在的缺陷,在此基础上,提出了基于经验值引导和及时检查修正联合作用的算法优化改进措施,并以特定猪饲料配方为例,通过仿真实验,验证了改进后的遗传算法在执行效率和解的质量两方面都有显著提升。     

自适应策略在实数编码遗传算法中的应用研究

为解决简单遗传算法收敛速度慢以及局部收敛问题,在研究自适应策略的基础上,提出了一种基于实数编码,综合精英保留策略、2/4竞争选择策略和自适应策略的改进遗传算法.该改进算法将自适应策略及其在遗传算法中的应用方法做了改进,仿真实验证明,该算法可以提高收敛速度,有效实现全局最优化.     

最优子种群实数编码的遗传算法

提出了最优子种群实数编码遗传算法理论,通过从种群中选出适应值最高的若干数量的个体,组成该代最优子种群,将最优子种群中的个体与种群中其他个体进行交叉变异,最优子种群中的个体间也进行交叉变异,从而产生新的种群。该遗传算法使得遗传过程中落入局部最优解几乎不可能,对于多极值问题也非常有效,收敛速度也非常快。     

基于实数编码遗传算法的稀布阵列综合

针对有孔径和阵元总数约束的线性阵列,提出了一种基于实数编码遗传算法的稀布阵列综合方法。算法中每条染色体基因主要由阵元间距和激励幅度共同组成,采用双变量组合优化的方式为阵列性能优化提供了更多的自由度。采用十进制实数量化编码的方式,省去了二进制编码过程中的解码运算,使算法程序更为简洁,效率更高。以降低阵列方向图的峰值旁瓣电平为目标函数,运用提出的改进遗传算法针对几种不同的线性阵列进行优化仿真,在同等约束条件下将该算法与其他改进遗传算法进行了优化对比,结果表明该算法表现更为出色。     

一种基于实数编码遗传算法的常模盲均衡

盲均衡可以看作代价函数优化问题。为了改进经典常模算法的性能,研究了利用实数编码遗传算法的常模盲均衡,把均衡器系数向量作为遗传算法的决策变量,采用轮盘赌选择和精英保留策略相结合的混合选择算子、算术交叉算子和非均匀变异方式,经过一系列的遗传操作,搜索到适应度值最高的个体,即均衡器的最优系数。计算机仿真结果证明了算法具有收敛速率快、能够搜索到全局最优解等特点。     

多峰值全局优化的混合编码遗传算法

提出了利用黄金分割点来分割格雷码和实数编码界限的改进的混合编码遗传算法.实验结果表明该算法能够以更快的速度找到多峰值问题的最优解或者近似最优解,不容易陷入局部收敛,并且具有较强跳出局部极值的能力.     

基于实数编码遗传算法的版画艺术设计方法研究

在艺术领域中,计算机图形处理技术的运用成为新的艺术创作手段和表现形式。为探讨遗传算法在艺术作品设计领域的应用,以便进行智能化的计算机辅助,提出通过实数编码遗传算法来实现版画艺术的数字化设计。首先,对版画的艺术设计过程和数码版画制作流程进行分析;然后,通过对版画图案的分析和概括,抽象出构成版画所需的纹样,利用实数编码遗传算法的交叉、变异操作生成丰富的纹样基因库;最后,以用户满意度为需求确定适应度函数并设计数码版画纹样组装方案流程。算法仿真结果验证了提出方法的可行性和有效性。     

改进遗传算法优化光组播网络编码链路数目

光组播中使用网络编码能提高组播吞吐量、均衡网络负载和提高网络资源利用率,但会增加光组播网络节点的光域计算开销和存储开销。由于缺少光RAM,光组播网络需要尽量减少光网络中的编码操作次数,而光网络编码链路的数目可以更好地反映出编码操作次数。因此,本文提出了基于改进遗传算法(GA)的最小化编码链路算法。为了防止算法收敛速度过快陷入局部最优,算法设计了动态变异的操作,根据每一代最佳个体的适应度的变化情况确定变异概率;在算法的迭代过程中改进新个体接受策略和局部操作,不仅能保证种群的多样性,也可以提高算法的局部寻优能力。仿真结果表明,最小化编码链路算法能够有效地解决光网络中最少网络编码链路问题,能够在较短的时间内找到更少编码链路的网络编码信息传输方案。     

自适应调制编码的VBLAST系统研究

在高速下行分组接入(HSDPA)中,采用自适应调制编码(AMC)技术能提高下行信道传输数据的能力.文章信道编码采用Turbo码,将自适应调制编码技术应用于VBLAST系统以进一步提高系统性能和容量.因此系统能选择调制编码方式和信道编码方式,又能对抗衰落引起的突发错误.对该系统进行仿真分析表明:自适应调制编码的VBLAS...     

基于自适应遗传算法的电力变压器优化设计

在研究遗传算法的基础上,分析了传统遗传算法种群多样性、收敛效率降低和易求得局部最优解的问题,提出自适应遗传算法优化设计电力变压器。采用适应度值标定的遗传算法改进策略,防止特殊个体统治种群导致的寻优结果是局部最优解,在算法临近结束时,变更选择压力,防止算法在最优解附近摇摆,加快了寻优过程。仿真结果表明,改进后的遗传算法收敛速度快,并以S9-315/10型电力变压器为算例,优化方案的性能指标符合相关国标,总损耗降低0.8%,材料成本降低8.3%。     

用APRGA求解二维导体柱电磁逆散射

从电磁散射的积分方程出发，利用点匹配法和脉冲基函数求解电磁散射问题，以测量的散射场和计算的散射场的偏差程度为目标函数，将待优化变量设置为描述导体柱轮廓的形状函数的傅立叶展开式系数，Ai0，Ai1…AiN/2,Bi1,Bi2…BiN/2,k=1,2…k，通过参数自适应实数遗传算法（APRGA）对待优化变量进行优化，使目标函数达到最小值来对自由空间中导体柱族进行电磁成像，证实了APRGA比BRGA有更好的收敛性能和成像精度，更强的抗随机噪声干扰能力。     

基于改进自适应遗传算法的图像配准方法

采用遗传算法进行图像配准时,存在收敛速度慢、易早熟的问题,可能导致误配。为克服这些缺点,提出了改进的自适应遗传算法(improved adaptive genetic algorithm,IAGA)。该算法以互信息作为相似性测度,通过对遗传参数设置的改进,自适应的调解进化过程中的交叉概率和变异概率,既提高了遗传算法的收敛速度,又有效地防止了早熟。实验结果表明,改进算法具有更好的有效性和精确性。     

一种基于种群多样性的新型自适应遗传算法

为克服传统自适应遗传算法易出现未成熟收敛的问题,提出一种新型基于种群多样性的自适应遗传算法。解决未成熟收敛问题的关键是避免算法在寻找到最优解前种群多样性的丧失。为适应进化过程中种群多样性的变化,提出了包含方差因子和种群熵因子的交叉概率和变异概率公式。根据种群收敛情况相应地调整交叉概率及变异概率,在不破坏种群优良基因模式的同时保持种群的多样性。通过标准函数测试与已有算法进行对比,结果表明,所提算法相较于已有算法,在保证收敛精确度的同时提高了收敛速度,有效克服了“早熟”等问题。     

基于自适应遗传算法的EPS路感研究

文中研究了汽车转向路感的形成,并对系统进行了动力学建模,分析了电动助力转向系统的路感特性,研究了电动助力转向系统路感的影响因素.提出了用自适应遗传算法改善电动助力转向系统的路感.仿真结果表明,自适应遗传算法具有搜索速度快,收敛精度高等优点,基于自适应遗传算法优化的系统参数提高了系统的转向路感.     

基于自适应遗传算法的方向图综合

提出了一种改进的方向图综合方法.该方法以遗传算法为基础,以正交基函数表示天线口径分布,并且在优化过程中,对交叉概率、变异概率和变异范围同时进行自适应的变化.和原有的遗传算法相比,该算法减少了优化变量的数目,天线激励的相位和幅度曲线更光滑,提高了收敛的速度,并且缩小了幅度的动态变化范围.线阵和面阵的仿真结果均表明,该方法实用、高效.     

自适应遗传退火算法在薄膜椭偏测量中的应用

将自适应遗传模拟退火混合算法应用于薄膜椭偏测量的反演问题中.由于模拟退火算法的基本思想是跳出局部最优解而得到全局最优解,因此将模拟退火思想引入到遗传算法,遗传算法和模拟退火算法相结合,组建自适应遗传模拟退火算法,从而综合了全局优化和局部搜索的特点,并通过模拟计算,验证了此方法在薄膜椭偏测量问题中的可行性及有效性,为解决...     

遗传算法在生物组织电导率重构中的应用研究

在载流线圈作用下，通过测量生物组织产生的二次场对线圈阻抗的改变，应用遗传算法重构分层生物组织各层电导率和厚度的方法。结合惩罚函数法对适应度进行了优化。数值计算结果表明改进后的算法在搜索速度和精确度上明显提高，并且具有较高的抗噪性能。     

自适应免疫遗传算法在认知决策引擎中的应用

提出一种自适应免疫遗传算法,设计自适应免疫遗传算子。该算法利用交叉率和变异率自适应调整策略,既防止交叉变异中的个体退化,又保证种群的多样性,并能快速收敛到全局最优解。仿真分析表明,与遗传算法等其他算法相比,该算法具有收敛速度快、平均适应度高、稳定性好等优点,能满足认知引擎参数优化的需要。     

基于自适应遗传算法的舵机传递函数辨识

简要介绍了舵机的工作特性,利用自适应遗传算法对舵机传递函数进行了辨识,与传统遗传算法相比,自适应遗传算法的选择算子采用最优保存和赌轮盘相结合,并在进行赌轮盘前对适应度进行排序,交叉变异算子采用自适应交叉和变异算子,终止条件也分为两类,适应度小于设定的值时就会跳出遗传算法和达到代数上限时跳出遗传算法。自适应遗传算法的辨识的结果和遗传算法相比较,仿真结果表明：自适应遗传算法在运行速度和收敛方面有较好的效果。