基于内嵌基因表达式编程的函数优化

基因表达式编程(GEP)算法在解码时常存在未表达的基因内区,在解决函数优化问题时存在缺陷,使得对简单函数的优化性能不如遗传算法(GA),而对复杂函数优化收敛速度较慢.为了改善基因表达效率和提高优化性能,做了下到工作:提出了新的基因解码方法,形成了内嵌基因表达式编程算法EGEP;设计了适合优化问题的个体编码方案;分析了个体的表达空间.实验表明,EGEP对简单函数优化的性能优于传统遗传算法;EGEP提高了对复杂函数的优化能力,即使在运行辈数降低200倍时,得到的性能仍然优于传统GEP和遗传算法.     

基于改进免疫遗传算法的网络优化设计

为了解决传统方法难以实现网络规划的组合优化问题, 采用改进免疫遗传算法对网络规划进行求解, 提高了种群的多样性和遗传算法的全局寻优能力。优化模型以网络架构费用最小为优化目标, 以同媒体施工、节点有限负载、网络辐射性连通为约束条件, 通过免疫规划进行网络结构的设计。进化实例表明, 改进免疫遗传算法与传统遗传算法相比, 具有较强的自适应能力和较好的效果。     

实码退火遗传算法在厂内经济运行中的应用

针对一般优化算法在大型水电站厂内经济运行中精度低或计算速度慢的缺点,对实数编码退火遗传算法（AGA）进行改进,并用于大型电站厂内经济运行.模拟退火算法是在遗传算法（GA）中引入模拟退火算法（SA）,它吸收了遗传算法速度快和模拟退火精度高的优点.此外,对传统退火搜索方法的改进,进一步提高了退火遗传算法解决大型优化问题的能力.为了体现退火遗传算法的特点,对某一大型水电站分别采用退火遗传算法、动态规划（DP）、加速遗传算法（AG）、标准遗传算法（SGA）和模拟退火进行了经济运行计算,计算结果表明退火遗传算法易于实现,精度高,收敛速度较快,有一定实用价值.     

一种用于函数优化的改进混合遗传算法

传统的优化算法对于复杂的函数往往不能取得满意的结果，而遗传算法作为一种全局搜索策略，较传统的优化算法更加优越。对遗传算法的杂交、交异算子进行了改进，并加入单纯形算子。通过对函数求最优值的测试，证明这种改进使遗传算法的收敛速度加快、解的质量也更好。     

应用遗传算法优化无限多媒体通信多址协议

遗传算法是由受生物进化过程启发而形成的进行优化和机器学习的算法。受遗传算法善于解决复杂的组合优化问题的启发，对应用遗传算法到无线多媒体通信中的可能性进行了探讨。     

差分遗传算法优化BP神经网络的双目相机标定

针对传统双目相机标定的方法存在计算量大、标定过程复杂等问题,本文提出了一种利用差分遗传算法优化BP神经网络来完成双目相机标定的方法.利用能量生长和光线扫描匹配算法完成同名角点的检测、匹配以及像素坐标的提取;对遗传算法的选择和交叉算子进行改进,同时利用差分算法对遗传算法的变异算子进行改进;利用差分遗传算法来优化BP神经网...     

基于ANSYS二次开发技术的改进遗传算法在结构优化设计中的应用

为克服基本遗传算法的缺陷,提高其全局搜索能力,提出了基于并行小生境算法、可疑峰值点判断方法和局部搜索技术的改进遗传算法。通过引入VC＋＋对ANSYS的二次开发技术,将改进遗传算法与结构计算和优化相结合,使程序具有较强的处理实际问题的能力。最后通过对平板模型支撑位置优化算例的分析,验证了改进算法的可靠性和实用性。该方法对其它复杂工程结构的优化设计同样适用。     

遗传算法在机械优化设计中的应用研究

为了寻求更优更高效的现代机械优化设计方法,依据遗传算法的基本理论,提出了一种新型的智能优化方法.分析了遗传算法的基本原理、特点及运行步骤,并运用Matlab软件遗传算法工具箱进行求解,结合蜗轮齿圈体积优化机械设计实例对遗传算法和传统优化方法中的序列二次规划法进行对比,得出传统优化后体积是常规设计的75.28%,而采用遗传算法优化后体积仅为常规设计的65.53%.由此可得出遗传算法的优化结果较传统优化算法的优化结果更优,过程更高效的结论.     

遗传算法及其在求极值方面的应用

遗传算法是一种模拟达尔“适生存”进化思想的方法，在求解复杂优化问题方面遗传算法有巨大潜力。本介绍遗传算法的数学基础、遗传算法的特点以及遗传算法与传统算法的区别。     

遗传算法的研究和改进

从原理及应用2个方面对遗传算法、蚁群算法、混洗蛙跳算法做了对比分析.针对遗传算法的不足之处,提出了相应的改进方法,并对改进后的遗传算法和经典的遗传算法做了应用比较.结果表明,改进后的遗传算法不仅提高了其收敛概率和收敛速度,而且具有更强的全局搜索能力,适用于求解复杂多峰值函数优化问题.     

电力线多载波系统中自适应资源分配

针对电力线通信系统中应用传统粒子群算法进行比特功率分配存在陷入局部最优值和收敛速度慢的问题,提出了IPSO（improvedparticleswarmoptimization）算法．新算法通过引入遗传算法的交叉和变异操作,克服了传统粒子群算法由早熟收敛而陷入局部最优解的问题,加快了收敛速度．建立了IPSO算法的理论模型,给出了新算法在PLC—OFDM系统中进行比特功率分配的方法．仿真结果表明,在PLC—OFDM系统中应用IPSO算法进行比特功率分配与GA算法和传统粒子群算法相比．可以加快收敛速度．改善系统的信噪比特性．降低系统发射功率．     

基于遗传模拟退火算法的最大功率点跟踪研究

通过分析太阳能光伏发电系统的工作特征和现有的最大功率点跟踪(MPPT)方法,提出了一种基于遗传模拟退火算法的光伏发电系统MPPT方法.该算法将遗传算法和模拟退火算法相结合,通过将局部搜索过程引入遗传算法,从而使两种算法的搜索能力得到互相补充.针对某光伏发电系统的MPPT问题,通过仿真,将遗传模拟退火算法和遗传算法进行比较.仿真结果显示,遗传模拟退火算法和传统的遗传算法相比,能更快速、精确地跟踪到光伏系统的最大功率点.     

基于诊断策略遗传算法的配电网络重构算法

为减小网损,提出基于诊断策略遗传算法的配电网络重构方法.针对基因诊断策略,提出新的编码方案,改进遗传操作。对优质基因进行诊断,存入优质基因库;并且将诊断出的劣质基因（即不可行解）通过打开回路和连通孤岛的方法,将其修复为可行解,从而提高收敛速度和遗传算法搜索效率.最后对典型IEEE 33节点和IEEE69节点测试系统进行网络重构仿真实验,证实了算法的有效性,并与快速支路交换算法的计算结果相比较,表明了该算法可有效减小重构配电网的网损.     

基于改进遗传算法的配电网故障定位方法

针对传统遗传算法在分布式电源的不同投切情况下需要改变适应度函数和开关函数,导致故障定位稳定性和精度降低的问题,提出了一种基于改进遗传算法的含分布式电源配电网故障定位方法.该算法使用改进变异和交叉算子在提高收敛速度的同时能避免陷入局部最优解;使用改进的适应度函数和开关函数,以更好地适应分布式电源的不同投切情况;引入分级处理思想以加快大规模电网故障定位的计算速度.仿真实验结果表明,该算法能有效地定位含分布式电源配电网的多重故障问题,相比于传统的遗传算法具有更优的稳定性与定位精度.     

一种三相VSR的LCL滤波器参数设计新方法

三相电压源型PWM整流器被广泛地应用于新能源发电、电气传动、高压直流输电、有源电力滤波、静止无功补偿等领域.在大功率场合,三相电压源型PWM整流器常使用LCL滤波器来滤除PWM整流器开关频率处的高频谐波.针对LCL滤波器传统设计方法的不足,提出了应用遗传算法来设计LCL滤波器的方法.仿真结果表明,因此遗传算法是一种更为...     

基于遗传编码的光伏MPPT模式搜索跟踪控制

为解决当前太阳能光伏发电系统中最大功率点跟踪（MPPT）问题,采用遗传算法编码技术与模式搜索相结合的MPPT算法,利用遗传编码灵活、随机、采用并行搜索机制且不受适应度函数连续可微影响的特点进行粗搜索.当外界条件发生变化时,其自适应的特点使得粗搜索的范围迅速调整,在此基础上采用模式搜索增强细搜索功能,旨在从速度和精度两方面提高算法搜索性能.仿真及实验表明,与传统爬山法和单一遗传算法控制相比,该方法不但能够克服MPP振荡带来的功率损失,而且能够提高跟踪效率,当外界条件改变时,仍然能够表现出快速稳定而且准确的跟踪效果.     

本体与规则整合的推理方法研究及设计

在给出混合知识表示的基础上,提出基于Tableau演算的变种算法Model-Tableau,将其与以SLD原理为基础的Top-down算法混合,给出知识查询的推理方法设计。最后,给出了算法相关证明和系统原型。结果表明:该方案丰富了语义Web的知识表示能力,有效解决了由本体层和规则层结合所产生的查询推理问题。     

基于RS-GA-BP神经网络的住宅房地产估价模型与应用

针对一般住宅房地产估价问题的非线性特征,融合粗糙集方法、遗传算法和神经网络算法的优势,提出了一种新的住宅房地产估价模型一基于粗糙集、遗传算法和BP算法集成的住宅房地产估价模型．首先对影响房地产估价因素进行离散化处理,其次利用粗糙集方法对估价因素进行约简,即精减BP神经网络的输入变量,最后利用遗传算法来优化BP神经网络初始权重和阈值．优化后的BP神经网络具有较好的处理非线性问题的能力,收敛速度和仿真精度较传统BP算法都有了明显的提高．选取某市工程案例进行实证分析,研究结果表明,新的估价方法能较客观准确地估测住宅房地产的价格,在住宅房地产估价中具备较高的实用性．     

层状土中土钉支护结构整体稳定性分析方法

根据极限平衡法的原理,采用简单条分法建立了非均质层状土中的土钉支护结构整体稳定性的分析模型,推导了安全系数的理论表达式;为了克服传统的遗传算法在迭代过程中出现的适应度值标定方式复杂、过早的收敛到局部最优解和在最优值附近收敛速度慢等缺点,提出了采用动态自适应技术和非标准的遗传操作算子改进遗传算法的新算法,并将其引入到土钉支护结构整体稳定性分析中去,建立了一种能同时确定土钉支护最危险滑动面和最小安全系数的动态自适应遗传算法(DAGA).工程实例分析表明,采用动态自适应遗传算法进行优化,其分析效率更高,收敛速度较传统算法更快,优化结果也更加合理.     

遗传算法在蜜网中的应用研究

分析了网络攻击和入侵行为日趋复杂的现状,传统的网络被动防御技术已经无法有效地保护网络安全。研究了蜜网技术和遗传算法,根据遗传算法在动态环境中的鲁棒性、自适应性的特点,提出了将遗传算法应用到蜜网系统中,并设计了遗传算法在蜜网中的数据分析流程,该算法弥补了传统的统计检测方法的缺陷。仿真实验证明,该系统能有效地捕捉恶意行为,防御多种新型攻击,该算法具有一定的优越性。