基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法（IQGA）。其核心是在对量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快，还可以改变基本遗传算法（GA）的局部搜索能力，克服基本遗传算法存在的未成熟收敛问题。仿真结果表明，该算法可以有效地实现噪声控制。     

基于改进的量子遗传算法的认知无线网络频谱分配方法

为了提高认知无线网络频谱分配的效果,根据认知无线网络的特性,提出了基于改进的量子遗传算法(IQGA)的认知无线网络频谱分配方法。该方法利用混沌搜索初始化种群染色体编码,在迭代过程中采用动态调整量子旋转角度更新染色体,并通过变异阈值对染色体进行选择性变异,最终将频谱分配的分配矩阵和基于混沌搜索的量子遗传算法的可行解相对应,以提高网络系统的平均效益为目标函数,实现空闲信道的合理分配。仿真结果表明,基于IQGA的认知无线网络频谱分配方法具有更快的收敛速度和更好的寻优性能,能有效地提高网络系统的整体效益。     

一种基于遗传算法的大型数据库数据分配算法

分布式数据库系统是数据库系统与计算机网络系统相结合的产物。分配策略利用遗传算法的一些优良性能,包括高度的并行性和鲁棒性,实现方式规范,以及能够在深度优先搜索和广度优先搜索之间维持很好的平衡等。     

采用贪婪遗传算法实现图像阈值的自动选取

将贪婪思想引入到遗传算法中设计了贪婪遗传算法,以最大类间方差函数作为遗传算法中适应度的评价函数,利用贪婪算法局部搜索能力强和遗传算法全局搜索能力强的特点,实现图像阈值的自动选取。与基本遗传算法相比,本文算法具有更强的寻优性能,从而加快了收敛速度。实验表明基于贪婪遗传算法的阈值自动选取方法具有计算耗时少的特点,更适用于实时图像处理系统。     

遗传算法与局域搜索法对数值优化性能之比较

简要阐述了遗传算法及局域搜索法的基本原理，采用MATLAB语言编制的程序来实现遗传算法和局域搜索法，并通过实例比较了两种优化方法对数值优化性能的优劣。     

基于改进遗传算法的视差拼图缝线搜索方法

为了消除视差图像拼接后的局部不一致、不连续或变形,提出一种视差拼图最优合成拼缝搜索策略.将两浇幅图象重叠区域的归一化差图象作为搜索空间,定义一个与图象高相等维数的向量作为染色体,染色体的基因表示每一行图象中的最优拼接点,采用常用的最小值搜索适应度函数作为视差图像拼缝搜索的适应度函数.针对传统遗传算法在图像整数编码搜索中收敛慢的缺陷,提出了一种基于小区间整数编码,个体互异稳态定标的组合选择策略,按基因适应度自适应重组,自适应、变步长与多点选择性的变异操作等策略的改进遗传算法.实际图像拼缝搜索实验表明:改进后算法比基本遗传算法和传统自适应遗传算法收敛速度加快.     

基于跳点搜索-遗传算法的自主移动机器人路径规划

为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题，引入自适应交叉算子和变异算子，将改进后的跳点搜索（jump point search）算法与改进遗传算法融合，得到跳点搜索-遗传（jump point search-genetic,JPSG）算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力，加速算法整体收敛趋势；利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态，提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明，相比于改进遗传算法、传统遗传算法，JPSG算法可以有效缩短寻优执行时间，提高寻优准确率，减少运算执行次数，在稳定性、准确性、快速性上具有明显的优势。     

双边拆卸线平衡问题优化模型及算法研究

分析大型产品在双边布局拆卸线上的作业情形,构建双边拆卸线平衡问题优化模型,并提出一种变邻域搜索遗传算法进行求解。所提算法针对任务可在左右两边工位并行分配的特点,设计了基于一维正负整数排列的染色体编码方式,以节省存储空间;在个体进化时采用变邻域搜索策略,以拓展搜索范围提高搜索质量;通过设置扰动阈值对个体实施干扰,以加快跳出局部最优。最后,采用不同规模算例验证所提算法的高效性。     

双边拆卸线平衡问题优化模型及算法研究北大核心CSSCI

分析大型产品在双边布局拆卸线上的作业情形,构建双边拆卸线平衡问题优化模型,并提出一种变邻域搜索遗传算法进行求解。所提算法针对任务可在左右两边工位并行分配的特点,设计了基于一维正负整数排列的染色体编码方式,以节省存储空间;在个体进化时采用变邻域搜索策略,以拓展搜索范围提高搜索质量;通过设置扰动阈值对个体实施干扰,以加快跳出局部最优。最后,采用不同规模算例验证所提算法的高效性。     

基于遗传算法的航向测量误差分析

提出了一种基于遗传算法的高精度航向测量误差分析的方法，测量模型由2台全站仪组成．通过最佳保留策略和带约束条件的遗传算子，保证该算法具有全局搜索能力．分析结果表明，遗传算法的搜索空间仅为整个搜索空间的0．03％，该模型在现有码头条件下航向测量的精度可达到4“，满足对舰船导航设备高精度航向标校的要求．     

一种用于匹配场反演的遗传算法

遗传算法在接近全局最优解时,存在搜索速度变慢、过早收敛、个体的多样性减少很快、甚至陷入局部最优解等问题。通过在遗传算法中引入模拟退火因子、混沌因子和多样性测度因子,在很大程度上克服了原有遗传算法的早熟、局部搜索能力差的缺点。同时,又能发挥原有遗传算法的强大的全局搜索能力,保证了改进后的混合遗传算法能较好地收敛于其全局最优值。     

基于退火遗传算法的四阶带通箱设计

四阶带通式扬声器系统对扬声器单元参数和箱体参数的配合要求较高，设计复杂。文章中将模拟退火算法和遗传算法相结合，提出了运用具有全局搜索能力的模拟退火遗传算法(SAGA)来设计四阶带通扬声器系统的方法，该算法避免了单一遗传算法存在的早熟收敛和搜索效率较低等问题，提高了算法的收敛速度。文章中考虑了声导管泄漏损耗的影响，并提出了泄漏损耗的QL值的实际测定方法。测量结果表明理论曲线与实测曲线相吻合，说明模拟退火遗传算法能达到设计要求。     

一种新的混合遗传算法及其性能分析

为了提高遗传算法的局部搜索能力并改善其收敛性能，根据遗传算法和单纯形算法的特点，提出了一种新的混合遗传算法。数值实验表明：该算法的收敛性能、在线性能和离线性能均优于原遗传算法。     

迟滞区8邻域搜索遗传算法的景象匹配

针对遗传算法在景象匹配应用中,都存在精度下降以及收敛慢的缺陷,本文通过对遗传算法机理的分析,定义了遗传算法搜索过程中的"迟滞区"概念,提出了迟滞区内8邻域搜索的策略.该策略在遗传算法迟滞区内,强制驱动最优个体往适应度更高的方向上运动,使得匹配结果具有较高的精度,同时能够优化基因质量,减少不必要的相似性度量,加快匹配速度.实验表明,与遍历法及传统遗传算法相比,迟滞区8邻域搜索遗传算法具有运算量小、匹配精确等特点.     

一种自适应混沌局部搜索策略的遗传算法

提出了一种自适应混沌局部搜索策略的遗传算法(ACLSGA),它是遗传算法中每一代的所有个体经过一次遗传操作之后得到一个最佳个体,通过自适应策略决定是否在最佳个体附近进行混沌局部搜索。实验结果表明:ACLSGA比具有精英保留选择机制的实数编码的遗传算法(RGA)的全局搜索能力强,收敛速度快。     

用遗传算法选择悬索桥监测系统中传感器的最优布点

本文利用遗传算法搜索悬索桥结构健康监测系统中传感器的最优测点。以青马悬索桥为对象,研究其加劲梁和桥塔上传感器的最优布点。在讨论经典遗传算法的基本原理和优点,及在结构健康监测系统中,为探测累积损伤用的传感器最优布点之后,本文讨论了广义遗传算法,并用一个算例比较了广义遗传算法和经典遗传算法,结果表明广义遗传算法比经典遗传算法有明显改进。最后,以香港青马桥为例讨论了用广义遗传算法求大跨度悬索桥最优测点,文中针对不同传感器及不同目的提出了三个适应度,它们分别由位移模态和曲率模态表示。并根据这三个适应度用广义遗传算法搜索了青马桥上传感器最优布点。结果表明,用广义遗传算法搜索悬索桥监测系统中传感器的最优布点结果稳定可靠,且收敛迅速。     

基于改进遗传算法的图像分割技术

提出一种基于遗传算法的进化类图像分割方法。遗传算法是一种全局搜索的算法,但是它在解决多峰复杂问题的时候会出现局部收敛的现象,出现这个现象的主要原因在于在搜索空间中群体多样性的降低导致了搜索的停滞。基于这个原因,提出一种改进的遗传算法,改进的方法通过控制遗传算法的变异概率来平衡群体的多样性程度,改进后的方法能够在解决多峰复杂问题中较多的搜索到全局解的区域。通过将改进的算法应用于图像分割的实例验证了改进算法的有效性以及算法在收敛速度及求解成功率上的优势。     

遗传禁忌搜索算法在混流装配线排序中的应用

针对混流装配线排序问题，提出了一种混合遗传禁忌搜索算法，在每一代遗传演化之后，按一定比例随机选择部分解进行禁总搜索，以提高算法的全局搜索能力和收敛性。通过一个混流装配线排序实验，分别利用遗传算法和遗传禁忌搜索算法进行求解，结果表明遗传禁忌搜索算法具有更好的全局搜索能力和收敛性能。     

基于遗传算法和梯度算法的衍架结构动力学形状优化

本文提出了一种基于遗传算法和梯度算法的衍架动力学形状优化方法，该方法综合了梯度算法的快速收敛与遗传算法的全局搜索能力。算例表明了本文方法的有效性和工程适应性。     

并串联系统设计优化

建立了并串联系统设计优化的两类模型，提出了遗传算法与模式搜索、启发式算法相结合的求解方法。