类金刚石薄膜光学参数反演的改进遗传算法

椭偏法测试薄膜不能直接得到薄膜的光学参数,需进行数值反演算法近似求解.采用遗传算法,借鉴竞争选择、小生境和适应值调节思想,对选择算子、变异算子、交叉算子三个重要箅子进行了适当改进,改进后算法有效防止了"早熟"现象.并搜索到了全局最优,降低了操作者对拟合模型设定初值的要求.在实践上.通过3种拟合方式的结果对比,得到了可靠...     

基于改进遗传算法的入侵检测的研究

目前的入侵检测存在一些问题,针对这些问题,对遗传算法在入侵检测中的应用进行了研究,讨论了适应度函数的构造,并对种群的确定、选择算子、交叉算子进行了改进,在此基础上提出了一种基于改进遗传算法的入侵检测模型,并通过实验验证了它的可行性.     

基于复数GA的波束空间自适应调零处理

建立了直接辐射阵列多波束天线波束形成的数学模型.提出一种改进的复数编码遗传算法,在算法的初期和后期采用不同的配对方案,在奇数代和偶数代分别采用外推、内插和正交外推内插算子,克服了已有算法的早熟和对初始群体依赖等缺陷,提高了算法的全局收敛能力.采用记忆算子使算法能够对抗位置跳变干扰.模拟实验结果表明,该波束空间自适应调零新方法能够应用于LEO卫星抗干扰,且调零分辨率高、性能稳定可靠,可以获得比传统自适应波束形成算法更好的干扰抑制性能.     

基于DTW的孤立词说话人识别研究

利用遗传算法优越的全局搜索能力对传统DTW算法进行改进,重点研究遗传动态时间规划算法（GA_DTW）的实现机理、编码方式、适应度函数设计、种群初始化、选择机理、交叉运算、变异操作和终止策略。实验结果表明,在孤立词的说话人识别上,该算法具有识别率更高、耗时更少的优点。     

应用于贴片机贴装顺序优化的遗传算法的比较和改进

元件贴装顺序优化是决定贴片机生产效率的关键问题,传统的解决贴装顺序优化问题的方法有遗传算法,蚁群算法,SS(伞布搜索法)等。使用较多的还是遗传算法。遗传算法中包含选择算子、交叉算子、变异算子,且编程思想简单,但容易出现局部最优,过早收敛等情况。在此,通过对遗传算法在贴装顺序优化应用的结果比较找到一种更适合的遗传算法,使之拥有较快的收敛速度和全局优化性。     

一种基于排序操作的进化算子自适应遗传算法

提出了一咱基于排序操作的进化算子自适应的遗传算法,该算法中,每个体按适应值大小进行排序,个体的选择、交叉、交异算子的概率根据个体排序值来自适应地确定,其中选择概率还随进化过程而调节,利用Ｍａｒｋｏｖ链的分析法证明了该算法的全局收敛性,最后,实验结果表明该算法同传统的遗传算法相比不仅能收敛到全局最优解,而且具有交快的收敛速度。     

一种新的改进遗传算法及其性能分析

本文提出了一种改进遗传算法(IGA),通过加入混合选择、小范围竞争择优的交叉变异操作,以及过滤相似个体,并动态补充新个体的操作,提高全局搜索性能和收敛速度.测试试验表明了算法性能优于许多现有算法.     

激光损伤测试系统衰减片参数的改进遗传算法优化

光学元件激光损伤测试系统中的轮盘式衰减器衰减片参数的选取直接影响测试精度。本文采用遗传算法,采用实数编码的参数编码方式,适应度值排序和随机选取结合选择算子,杂交算子中选择随机交叉两个必然产生交叉的个体的部分基因,变异算子根据交叉概率的大小对个体进行位操作,经此改进的算法对激光损伤测试系统中的机械式激光能量衰减器的3组15片衰减片进行了参数优化。优化结果表明:15片衰减片中选取8种不同衰减率,经优化后输出的能量衰减率间隔小于测试激光能量的3 %,线性度误差为12.4 %。     

基于混合遗传算法的关系数据库多连接查询优化策略

改进了基于模拟退火遗传算法的代价评估的计划查询优化策略.其基本思想为:将多连接查询按遗传算法步骤求解,其中选择操作采用最优选择法、交叉和变异操作采用自适应算子,然后对其结果进行退火操作以产生下一代.     

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。     

噪声环境下遗传算法的性能评价

 为了评价遗传算法在噪声环境下的优化性能,提出"平均最优解"和"最优解分布标准差"两个指标,实验结果表明新指标可以有效地评价噪声环境下遗传算法的优化性能.研究了实数编码遗传算法在噪声强度递增环境下的性能.结果表明小生境策略和多种群策略可以改善遗传算法在噪声环境下的性能,单点交叉在噪声环境下的性能要优于混合交叉.     

基于改进遗传算法的自动组卷问题研究

为了解决传统遗传算法在自动组卷中容易出现未成熟收敛和收敛速度慢等问题,提出了一种基于改进遗传算法的自动组卷方法。采用分段二进制编码策略,对每个子空间进行初始种群选择,保证了初始种群舍有丰富的模式,从而增加搜索收敛于全局最优的可能性。并对交叉算子和变异算子进行了优化,实现了交叉和变异概率随解的变化而自适应调整。实验结果表明,改进的遗传算法能有效地解决自动组卷问题,提高了收敛速度和组卷的成功率。     

基于遗传算法的自动组卷策略

自动组卷是一个多约束条件的最优求解问题,传统组卷算法存在速度慢、成功率低、组卷质量不高等不足,已不符合现行要求。为此,文中采用整段交叉,段内变异的方法,通过确定适应度函数和遗传算子探索了遗传算法在自动组卷中的应用,在一定程度上克服了已有算法的不足,并用算例验证了其有效性及适用性。     

一种基于CSA的混和属性特征大数据集聚类算法

在数据挖掘中,我们经常会遇到和分析大量具有数值和类属特征的数据.然而,现有的大多数分类算法只能单独处理数值特征数据或类属特征数据,而不能分析具有两种混合属性的数据.为此,本文提出一种基于克隆选择的模糊聚类新算法,通过改进距离测度函数将数值特征与类属特征相结合,从而实现具有混合属性特征数据的聚类分析;通过引入克隆选择算法(CSA)实现目标函数的全局优化.由于克隆算子能够将进化搜索与随机搜索、全局搜索和局部搜索相结合,因而通过对候选解进行克隆算子操作,能够快速得到全局最优解.实验结果表明,基于CSA的模糊聚类新算法对于处理具有混和特征的大数据集聚类问题是相当有效的.     

Multiobjective programming using uniform design and genetic algorithm

The notion of Pareto-optimality is one of the major approaches to multiobjective programming. While it is desirable to find more Pareto-optimal solutions, it is also desirable to find the ones scattered uniformly over the Pareto frontier in order to provide a variety of compromise solutions to the decision maker. We design a genetic algorithm for this purpose. We compose multiple fitness functions to guide the search, where each fitness function is equal to a weighted sum of the normalized objective functions and we apply an experimental design method called uniform design to select the weights. As a result, the search directions guided by these fitness functions are scattered uniformly toward the Pareto frontier in the objective space. With multiple fitness functions, we design a selection scheme to maintain a good and diverse population. In addition, we apply the uniform design to generate a good initial population and design a new crossover operator for searching the Pareto-optimal solutions. The numerical results demonstrate that the proposed algorithm can find the Pareto-optimal solutions scattered uniformly over the Pareto frontier.     

基于一种新的遗传算法的天线方向图综合技术

给出了一种基于实数编码遗传算法的天线方向图综合方法.在遗传算法模型中采用了向下、向上外推和非一致杂交算子等交叉技术,并结合内插、交换等多种技术形成综合交叉方式.该算法克服了已有算法早熟、对初始群体依赖性等缺陷的同时,较大幅度地提高了算法的收敛速度和可靠性;通过在目标函数中加入零陷方差项克服了现有算法零陷不均衡的缺陷.计算机仿真结果表明,与现有算法相比,该方法用于天线方向图综合具有收敛速度快、零陷均衡、可靠等优势.     

一种新的基于遗传算法的快速运动估计方法

本文提出了一种新的基于遗传算法的快速运动估计方法.该方法对遗传算法进行了改进,采用"阈值法"确定选择算子,并将基因变异所导致的随机搜索与特定目标搜索相结合,解决了以往快速搜索算法易陷于局部最优的问题,大大提高了运动估计速度.该方法还将运动矢量空间一致性原则用于初始种群的选取,进一步提高了算法性能.由于其具备遗传算法固有的规则性和高度并行性,该方法适合于采用VLSI实现实时视频编码器.     

基于模拟退火遗传算法的波束图设计

针对传统的标准遗传算法应用于传感器阵列的波束图设计时,存在收敛速度慢和计算结果稳定性低的问题,文中提出了一种模拟退火遗传算法.该算法对标准遗传算法的适应度函数、交叉算子和异化算子等多个要素分别进行了改进,并融入了模拟退火算法.模拟退火遗传算法应用于波束图设计时,具有较快的收敛速度和较高的稳定性.仿真结果表明基于该算法的波束图设计方法,获得了比传统方法旁瓣级更低的波束图.     

成熟因子映射的双系统选星方法

传统的选星方法通常以遍历为手段,在可见星较多的情形下往往计算量很大。常规的遗传算法通常固定交叉和变异概率,产生不必要的时间消耗。针对这些问题,提出了引入成熟因子映射交叉概率和变异概率的双系统遗传选星算法,目的在于快速地找到最优解或可接受的次优解。该方法以几何精度因子(Geometric Dilution of Precision, GDOP)为适应度,构造单染色体种群,定义成熟度来指导交叉变异操作,再经过每代精英保留策略和隔代种群数量控制,最终搜索得到符合门限的可接受解。实验结果表明,在进化200代的条件下,成熟因子映射遗传算法比常规遗传算法的搜索时间平均节省约24.75%,引入种群数量控制机制后搜索时间进一步节省了约55.32%。该方法可以快速获得稳定数学期望的可用选星集合。     

An Improved Real-Coded Genetic Algorithm and Its Application

Real-coded genetic algorithm（RGA）usually meets the demand of consecutive space problem.However,compared with simple genetic algorithm（SGA）RGA also has the inherent disadvantages such as prematurity and slow convergence when the solution is close to the optimum solution.This paper presents an improved real-coded genetic algorithm to increase the computation efficiency and avoid prematurity,especially in the optimization of multi-modal function.In this method,mutation operation and crossover operation are improved.Examples are given to demonstrate its com p utation efficiency and robustness.