自适应递阶遗传算法优化BP网络的程序设计

主要阐述了一种新的遗传算法-自适应递阶遗传算法的基本原理,解决了长期以来无法同时对神经网络拓扑结构和神经网络的权值和阈值进行优化的问题,设计了一个基于自适应递阶遗传算法的BP神经网络学习算法,给出了具体的程序设计,并且利用MATLAB平台进行仿真计算.实验结果表明,该算法比一般遗传算法具有明显的优越性,可以避免神经网络陷入局部最优,迅速优化网络的拓扑结构,提高了网络的学习性能,具有一定的实用性.     

基于递阶遗传算法模糊加权神经网络的模糊规则自动获取

针对模糊规则的自动获取一直是模糊系统的一个瓶颈问题,提出一种基于递阶结构的混合编码遗传算法与进化规划相结合的模糊加权神经网络学习新算法,利用该算法同时优化模糊加权神经网络的结构和参数,最后说明了从网络中提取模糊规则的方法,从而自动获得最优的模糊规则。分析和实验结果表明,本文方法在规则提取和分类准确性等方面比其他方法更好。     

一种改进遗传算法在模糊控制器优化中的应用

针对使用ITAE积分性能指标作为目标函数存在的不足,通过在目标函数中加入控制量、误差、上升时间和超调量等综合因素,形成性能更好的目标函数。分析了用基本遗传算法优化模糊控制器的优缺点,通过使用并行遗传算法,选取适当的操作算子,精英保留等策略得到一种改进的遗传算法,并将其用于优化模糊控制器。仿真结果表明了该方法的有效性。     

基于遗传算法和语言算子的模糊控制器优化研究

用单片机实现模糊控制策略是一种常用的重要的方法,它是根据误差和误差的变化率隶属度函数表,离线计算得到一张模糊控制查询表,用单片机实现查询功能。该方法应用十分广泛,因此优化离散形式的隶属度函数表具有重要的意义。该文提出了一种优化离散形式的隶属度函数表的新方法:即用遗传算法优化模糊集合中的语气算子H,从而优化离散形式隶属函数表。经优化后的隶属函数更能客观地反映控制对象真实特性,从而达到了优化模糊控制器的目的。文章用一个具体的实例以仿真的形式验证了该方法是正确的、有效的。     

禁忌-递阶遗传算法研究

结合禁忌搜索算法和递推遗传算法提出一种新的遗传算法－禁忌－递阶遗传算法,该算法能在一定程度上克服早熟问题。通过求解复杂的非线性系统－分整推广GARCH－M模型的参数优化问题,表明该算法具有较高的精确性和可行性。     

基于递阶和小生境的离散分段遗传算法

为了解决简单遗传算法过早收敛的问题,并进一步改善简单遗传算法的寻优质量,在分析递阶遗传算法和小生境遗传算法的基础上,提出了离散分段遗传算法.该方法在微观上,采用了递阶遗传算法的递阶编码方式和小生境的选择思想.宏观上,通过分层多级寻优操作来适当加快遗传算法的寻优速度.该算法非常适合解决多峰值优化问题,同时也能够有效地修复早熟现象的影响,加快收敛速度.实验表明该方法在性能方面明显优于简单遗传算法.     

基于自适应小生境递阶遗传算法的RBF均衡器

递阶遗传算法(HGA)一次只能确定一个最优个体。采用小生境递阶遗传算法,依据进化信息自适应调整小生境区域,在均衡数据误比特率最低,隐层中心聚类有效性最佳的基础上,可以从多个进化优解中确定出最佳结构的径向基(RBF)神经网络均衡器。仿真结果验证了算法的有效性和稳定性。     

基于递阶遗传算法的多旅行商问题优化*

旅行商问题是一个经典的NP问题,对多人旅行商问题的求解则更具有意义。为了解决所有旅行商路径总和最小为优化标准的多旅行商一类问题,提出了一种递阶遗传算法和矩阵解码方法。该算法根据问题的特点,采用一种递阶编码方案,此编码与多旅行商问题一一对应。用递阶遗传算法优化多旅行商问题无须设计专门的遗传算子,操作简单,并且解码方法适于求解距离对称和距离非对称的多旅行商问题。计算结果表明,递阶遗传算法是有效的,能适用于优化多旅行商问题。     

基于递阶遗传算法的BP网络结构设计与权值训练

针对BP网络结构设计及权值训练算法多种改进方案的不足,基于递阶遗传算法,本文同时考虑神经网络结构设计和权值训练,提出一种新的适应度函数,实现了对BP网络结构和权值的同步优化。仿真结果证明了本文算法的有效性。     

基于自适应递阶遗传算法的洪水预报模型

基于递阶结构的遗传算法可以同时对BP神经网络进行结构优化和权重求解。采用收缩解空间的方法可以有效提高算法的收敛速度和精度。采用先进行自适应递阶遗传算法获得最优网络结构及参数,再用BP算法对网络进行训练,并应用于洪水预报模型,可以获得较高的精度。     

混沌系统的一种自学习模糊控制

提出一种基于遗传算法的自学习模糊控制方法控制混沌系统。用一种改进的遗传算法学习模糊控制器的隶属度函数，以改善模糊控制器的性能，使其达到良好的控制效果。用此方法控制Ｈｅｎｏｎ系统的混沌行为，效果良好。     

基于模糊控制及遗传算法的人工免疫入侵检测算法

针对反向选择算法在面对大量的网络通信数据或具有多个分离特征区间网络通信数据时的无效性,提出了基于模糊控制及遗传算法的人工免疫入侵检测算法,利用模糊控制原理对抗体进行浓缩,并通过遗传算法进化种群,从而使得抗体的数量得到控制且检测效率较高.     

基于混合模糊控制系统的稳定性分析

本文针对混合模糊控制系统,详细地描述了其 稳定性分析的描述函数法,并给出了应用实例．最后分析了尺度变换比例因子对系统稳定性 的影响．结果表明,该分析方法简单明了,在工程实践中有一定的应用价值．     

基于改进的遗传算法和模糊逻辑控制的移动机器人导航

本文给出了一种用遗传算法学习模糊规则以完成移动机器人导航的方法.采用了变长度编码 方法和竞争型小生境遗传算法，减少了染色体的尺寸和复杂度，同时提高了学习速度．本文 考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则的输出． 整个学习过程在仿真环境下完成后，在仿真和自行开发的全局视觉平台上对学到的规则进行 了验证，实验结果证明了方法的正确性．     

遗传算法在T—S模糊模型辨识中的应用

给出了Ｔ－Ｓ模糊模型的一种模糊神经网络实现方法。提出了采用遗传算法优化网络参数，实现了Ｔ－Ｓ模型的辨识。给出了参优化的详细过程，并用仿真实例证实了 这种方法的有效性。成功地将神经网络，模糊逻辑与遗传算法融合于一个系统中。     

基于遗传算法的双目标车辆路线优化研究

本文对车辆路线优化问题建立了双目标多旅行商问题模型,提出一种求解旅行商问题混合遗传算法,并对双目标多旅行商问题提出了解决方案。基于实例的仿真结果表明,文章提出的算法和解决方案是可行而有效的。     

基于遗传算法的参数优化在多移动机器人系统中的应用

1　引言在机器人研究中 ,基于行为的方法是构造工作于动态开放式环境下的机器人的一类方法 ,其中 Schema- based反应式控制结构对于自治移动机器人是一种有效的控制结构[1 ,2 ] .但在此结构的多机器人系统中 ,通过配置各个机器人的行为控制参数来实现机器人之间的协作是一个很困难的问题 .而遗传算法 (GA,Genetic Algorithm)在复杂的解空间中是一种很有效的搜索算法 [3] .所以 ,本文提出了一种改进的遗传算法对多机器人系统进行参数优化配置以实现机器人之间的协作 .此种改进算法的特点在于在适应度函数结构中引入了死区的概念 .这种方法…     

基于遗传算法的Rosenbrock函数优化问题的研究

本文利用遗传算法研究了极小化Rosenbrock函数的问题．较多的计算机模拟实验结果表明，遗传算法可以有效地解决这一问题．文中还分析了一些改进的遗传算法对于该问题搜索速度的影响，得到了适于解决此问题的合理的遗传操作，从而为有效地解决最速下降法所不能实现的某一类函数代化问题提供了一种新的途径．     

参考模糊集合构造方法及模糊模型辨识

本文提出了一种基于参考模糊集的模糊模型辨识方法,探讨了模型结构和模糊关系的辨识问题.在隶属函数的定义上引入了优化算法,最终将辨识问题转化为优化问题.文中给出了具体的辨识算法,仿真实例表明该模型辨识方法具有满意的精度.     

基于非模糊集的Vague模糊熵

李(2002)提出了一个Vague集模糊熵的定义,但它是基于普通模糊集的,而模糊集本身又具有模糊性,因而它不能完全刻划出一个Vague集的模糊性。本文首先分析了Vague集的模糊性主要来自两方面,即弃权信息和不确定性信息,然后提出一个考虑了上述两种因素的Vague集模糊熵公理化定义,并给出了一个计算该类模糊熵的公式,最后将它和李的一个同类别公式作了比较。