基于遗传优化RBF神经网络的声纹识别研究

提出了一种基于遗传优化RBF神经网络的声纹识别算法,该算法中采用遗传算法对传统的RBF神经网络基函数中心以及宽度进行优化处理,克服了传统RBF神经网络参数难以确定的缺陷。同时,算法结合心理声学模型,提取了能表现说话人个性特征的Mel倒谱系数为特征进行说话人识别,可较好地提升系统的抗噪性能。仿真实验结果表明,与传统RBF神经网络相比,该方法具有快速学习网络权重的能力,并且网络的全局寻优能力强,使得系统的识别率进一步提高。     

用改进的遗传算法精确提取GaAs MESFET小信号等效电路参数

提出了一种改进的遗传算法,应用于提取GaAs MESFET小信号等效电路参数.改进的算法采用浮点编码连续突变,多种遗传操作合作运行,并应用子代优化策略克服了传统遗传算法可能出现的种群退化现象,该算法可快速搜索到全局最优解而不受初始值限制.在0.1～10GHz范围内实现了精确、快速地提取GaAs MESFET小信号等效电路参数,并可合理外推至20GHz,整个过程无需人工干预.算法用Matlab语言实现,可方便地应用于HBT和HEMT以及无源元件电容、电感的参数提取.     

基于混合遗传算法的偏振双向反射分布函数优化建模

为了表征复杂涂层表面的光学散射特性,在微面元理论的基础上,建立了典型涂层样片的偏振双向反射分布函数模型.由于实验数据与模型参数之间存在复杂的非线性关系,采用了遗传算法对模型参数进行反演.针对遗传算法收敛速度慢及易限于局部极小的特点,在传统遗传算法参数反演的基础上,在适应度计算中引入了模拟退火算法对偏振双向反射分布函数模型进行优化建模.实验结果表明:模型的计算结果与实验结果吻合较好.从误差收敛曲线来看,这种混合遗传算法优化方法不仅可以有效避免目标函数陷入局部极小,而且可以有效缩短目标函数的收敛时间.这可以为后续的目标特征提取与识别工作提供参考.     

用改进的遗传算法精确提取GaAs MESFET小信号等效电路参数

提出了一种改进的遗传算法 ,应用于提取 Ga As MESFET小信号等效电路参数 .改进的算法采用浮点编码连续突变 ,多种遗传操作合作运行 ,并应用子代优化策略克服了传统遗传算法可能出现的种群退化现象 ,该算法可快速搜索到全局最优解而不受初始值限制 .在 0 .1～ 1 0 GHz范围内实现了精确、快速地提取 Ga As MESFET小信号等效电路参数 ,并可合理外推至 2 0 GHz,整个过程无需人工干预 .算法用 Matlab语言实现 ,可方便地应用于 HBT和HEMT以及无源元件电容、电感的参数提取     

改进的遗传算法优化氧化钛湿敏元件的模型

以氧化钛湿敏元件等效电路模型中的参数为优化对象,提出一种改进的基于遗传算法的等效电路优化方法。算法在选择操作中加入最优保存策略,并对适应度函数进行适当的调整,从而提高了算法的运行效率和精确度,获得了拟合曲线和适应度函数图。拟合曲线直观地证明了等效电路的正确性,而适应度函数图更是明确地表达了算法的运行效果。改进的遗传算法优化处理程序采用Matlab编程语言实现。     

PSIM系统稳定性自校准原理理论分析

针对标准遗传算法在摄像机标定参数非线性优化过程中, 易出现过早收敛和停滞现象的问题, 提出一种新的摄像机标定参数优化方法。首先, 采用非线性的归一化几何排名函数与随机遍历抽样法混合作为选择方法, 对遗传算法进行改进; 然后, 采用改进的遗传算法对摄像机标定参数进行非线性优化; 最后, 将其与标准遗传算法进行标定参数非线性优化对比实验, 实验结果表明: 算法平均绝对误差低于标准遗传算法, 且图像主点坐标更接近参考值, 能较好地缓解过早收敛和停滞现象, 提高了标定精度。     

基于改进遗传算法的摄像机标定参数优化方法

针对标准遗传算法在摄像机标定参数非线性优化过程中,易出现过早收敛和停滞现象的问题,提出一种新的摄像机标定参数优化方法.首先,采用非线性的归一化几何排名函数与随机遍历抽样法混合作为选择方法,对遗传算法进行改进;然后,采用改进的遗传算法对摄像机标定参数进行非线性优化;最后,将其与标准遗传算法进行标定参数非线性优化对比实验,实验结果表明:算法平均绝对误差低于标准遗传算法,且图像主点坐标更接近参考值,能较好地缓解过早收敛和停滞现象,提高了标定精度.     

一种自适应遗传算法及其应用

遗传算法的性能深受算法参数的影响.为提高算法的搜索性能,避免算法在寻优搜索中陷入局部极值,将一种新的自适应遗传算法用于函数优化中,对三个常用的标准测试函数进行了优化,并将其用于立体图像对的匹配中.通过实验与简单遗传算法进行比较,表明该算法提高了搜索性能.     

基于量子粒子群优化算法的光纤光栅参数重构

提出了一种基于量子粒子群优化算法的光纤光栅参数重构方法。该方法通过传输矩阵法得到优化目标函数,并将待优化的光纤光栅参数以粒子表示,再让粒子在解空间模拟量子行为进行搜索。以均匀布拉格光栅和线性啁啾光纤光栅为例,分别采用遗传算法(GA)、经典粒子群优化(PSO)算法以及量子粒子群优化(QPSO)算法对其进行参数重构。与传统粒子群算法及遗传算法相比,该方法借鉴了量子行为,具有更好的收敛性能和稳态性能。数值结果表明,种群规模为40时,针对均匀和非均匀光栅分别进化100代和200代得到的重构参数误差均小于0.5%。     

基于遗传算法的排产优化方法

针对单件小批量生产车间的优化排产问题,采用遗传算法进行研究,设计了一种分组编码方案,提出了可处理零部件间装配关系的适应度函数算法。介绍了遗传算法在车间优化排产中的实现方法及结果,重点讨论了编码方案及适应度函数设计。基于此算法,开发了生产作业计划排产软件,可完成顺排产与倒排产的自动排产,实现工艺排产的智能化。     

PIN光探测器的小信号电路模型参数的提取

提出了一种利用自适应遗传算法提取p-i-n光探测器小信号电路模型参数的方法.文章首先根据p-i-n光探测器的物理结构确定其等效电路模型,进而采用自适应遗传算法对测量的S参数进行拟合,提取模型参数.自适应遗传算法自动优化交叉概率和变异概率,避免了以往遗传算法中易早熟的缺点.利用该法成功提取出模型的10个参数,建立光探测器小信号电路模型.在130 MHz～20 GHz范围内的实验结果表明,模型仿真结果和测量结果相吻合,证明了这种参数提取方法的可靠性.     

Implementation and comparative analysis of the optimisations produced by evolutionary algorithms for the parameter extraction of PSP MOSFET model

The study proposes an application of evolutionary algorithms, specifically an artificial bee colony (ABC), variant ABC and particle swarm optimisation (PSO), to extract the parameters of metal oxide semiconductor field effect transistor (MOSFET) model. These algorithms are applied for the MOSFET parameter extraction problem using a Pennsylvania surface potential model. MOSFET parameter extraction procedures involve reducing the error between measured and modelled data. This study shows that ABC algorithm optimises the parameter values based on intelligent activities of honey bee swarms. Some modifications have also been applied to the basic ABC algorithm. Particle swarm optimisation is a population-based stochastic optimisation method that is based on bird flocking activities. The performances of these algorithms are compared with respect to the quality of the solutions. The simulation results of this study show that the PSO algorithm performs better than the variant ABC and basic ABC algorithm for the parameter extraction of the MOSFET model; also the implementation of the ABC algorithm is shown to be simpler than that of the PSO algorithm.     

An effective parameter extraction method based on memetic differential evolution algorithm

This paper provides an effective method for parameter extraction of microelectronic devices and elements. A novel method, memetic differential evolution (MDE) algorithm, is proposed in this paper. By combining differential evolution (DE) algorithm, mutations in immune algorithm (IA), and special operators for parameter extraction, MDE possesses characteristics of high accuracy, stability, generality, and efficiency. The effectiveness of the method has been shown by two typical examples, including small-signal equivalent circuit models for an AlGaN/GaN HEMT device up to 40 GHz, as well as an equivalent circuit model for on-chip differential spiral inductors. In both cases, the initial values and parameter ranges of the elements in the equivalent circuits are hard to determine in optimization. The results and comparisons with Levenberg-Marquardt (LM) algorithm, genetic algorithm (GA), particle swarm optimization (PSO) algorithm and canonical DE algorithm, demonstrate the superiority of MDE in terms of accuracy and generality.     

基于多尺度NNLoG特征提取的红外多目标检测遗传算法

本文提出了一种基于多尺度NNLoG特征提取的红外多目标检测遗传算法.首先采用三维匹配滤波器对不同速度的目标进行基于归一化LoG算子的目标检测,然后采用遗传算法对程序进行优化及加速.与传统算法相比,本文提出的方法检测效率高,检测效果好.并且可以自适应不同大小的目标.实验结果表明,提出的方法性能优良,搜索目标效率较高.     

基于实数型遗传算法的电子系统可靠性最优分配

本文根据电子系统中最小成本问题和最大可靠性问题各自的特点 ,提出了用实数型遗传算法求解有约束的非线性最优化问题的方案。数值计算表明 ,实数型遗传算法在求解电子系统可靠性最优分配问题上能获得比传统的优化方法更好的结果。     

一种基于LM算法的激光足印中心提取方法

足印探测法是星载激光测高仪真实性校验的常用方法,而激光足印的中心提取是足印探测法的关键技术之一。针对受到大气湍流的影响的激光足印信号,提出一种基于Levenberg-Marquard(LM)算法的激光足印中心提取方法,以椭圆高斯函数为目标函数模型,通过椭圆高斯特征参数更新和迭代,以目标函数与观察值的残差作为判据,从而实现对特定参数即激光足印中心的提取。采用前40项泽尼克多项式模拟大气湍流作为激光足印在大气传输过程中的噪声,利用仿真数据对算法的提取精度和稳定性进行验证,实验结果表明,本文算法比传统的中心定位方法有着更高的定位精度并且相对稳定,假设激光足印探测器的布设间距为4 m,本文算法比其他传统算法的提取精度至少优于0.5 m。     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。     

基于贪心遗传算法求解0-1背包问题

在解决0-1背包问题中,将贪心算法和遗传算法相结合,提出了贪心遗传算法。通过算法构造出更优的新算子,与原有算子相比,既加快了算法的收敛速度,又克服了传统方法容易陷入局部最优的特点,提高了搜索效率。通过计算机仿真试验结果表明,贪心遗传算法相比普通的遗传算法具有更好的近似解,充分证明了贪心遗传算法来求解背包问题的有效性和实用性。     

一种新的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,本文将区间算法和遗传算法进行融合,给出了一种区间-遗传算法,该算法保留了传统区间优化算法简单、对问题本身信息要求不高的优点.重要的是在每次迭代中区间算法为遗传算法的搜索提供可靠区域,同时遗传算法为区间算法的区间分裂提供了一个方向、为区间删除给出了问题全局最优解的一个上界.最后给出了算法的收敛性证明,数值实验表明该算法相比传统区间优化算法有较高执行效率.     

基于混合算法的智能排课系统

传统采用单一排课算法设计的排课系统,编排出的课程表总是与期望结果相差太大。为了使课表编排结果能满足教学要求,在此对排课约束条件进行了详细分析,采用基于遗传算法和贪婪算法的混合算法进行排课系统设计,将排课分为时间安排和地点安排2部分进行,时间安排采用遗传算法设计,地点安排采用贪婪算法设计,时间安排和地点安排过程可以人工干预,编排的课程表基本符合教务管理需求。混合算法设计的智能排课系统编排的课程表更加科学化、合理化和人性化。