基于遗传算法的非线性自适应观测器设计

将遗传算法寻优和基于Ｌｙａｐｕｎｏｖ理论的观测器设计思想相结合,提出一类非线性自适应观测器的直接设计方法。通过选择合理的适应度函数,将观测器问题转化为约束可满足性问题,并在空间搜索找到问题可行的基础上进一步优化,以获得使观测器综合性能更好好的观测器增益。通过对ＣＳＴＲ的仿真。说明了该方法有效性和实用性。     

基于粒子群优化算法的自适应IIR滤波器设计

针对自适应无限冲激响应(infinite impulse response,IIR)数字滤波器的设计实质上是一个多参数优化问题,提出了一种用粒子群优化算法(particle swarm optimization,PSO)设计IIR数字滤波器的方法.将滤波器的设计问题转化为滤波器参数的优化问题,利用粒子群优化算法对整个参数空间进行高效并行搜索以获得参数的最优化,基于多个典型系统的随机数值仿真以及与最小二乘方法的比较研究,验证了该方法的有效性、全局性和对初值的鲁棒性.     

基于遗传算法的自适应中值-开闭滤波器

提出了一种新的中值-开闭滤波器结构,并以此为基础设计了自适应中值-开闭滤波器。该滤波器由一个中值-开闭滤波器和学习优化模块组成。在学习优化子模块中,应用遗传算法,通过对含噪声的图像样本进行学习,使得该滤波器的结构能根据待滤波的输入图像自动地调整以获得最优的滤波效果。计算机仿真实验表明该滤波器具有非常好的噪声滤除能力和滤波效果。     

自适应Kalman滤波器及其应用

对于带未知噪声统计的单输出系统,本文提出了一种新的自适应Kalman滤波器.应用现代时间序列分析方法,基于ARMA新息模型的滑动平均(MA)参数的在线辨识,提出了稳态最优Kalman滤波器增益估计的一种新算法,比Mehra的算法简单.同时还提出了辨识滑动平均(MA)模型参数的一种新的自适应Kalman滤波算法.此外,给出了在雷达跟踪系统中的应用,且仿真结果说明了本文算法的有效性.     

遗传算法在PID自适应控制中的应用

提出一个基于遗传算法的PID自适应控制系统。在连续系统辨识部分，设计了一种分层遗传算法（HGA），完成对控制对象结构与参数的同步辨识；根据所获得的对象模型，在PID控制器参数设计部分，采用一种基于基因差异的实数编码遗传算法（SAGA），并兼顾了控制系统的时域及频域要求。当控制对象发生变化时，由于借助HAG对模型进行及时修正并由SAGA对PID参数自适应优化调整，使系统能迅速稳定并处于优化的运行状态。     

基于自适应遗传算法的多项式模型结构与参数的一体化辨识

基于自适应遗传算法,提出一种多项式模型结构与参数的一体化辨识方法.针对组合非线性系统,首先将选定的候选项原始序列与输出序列进行相关度评估,根据其大小排列进行遗传算法染色体结构的自适应编码;在迭代辨识充分后,再次计算候选项贡献序列与由该项造成的模型损失序列间的相关度,剔除相关度较小的项,调整模型结构;如此循环迭代,在完成参数辨识的同时最终确认模型结构.仿真实例验证了算法的有效性.     

基于改进遗传算法的压力控制系统仿真

在隔代映射遗传算法基础上引入自适应策略,使IP_GA中的交叉、变异概率根据适应度大小自动调节,提高了收敛速度及解的质量.通过该算法对液压压力系统传递函数进行参数求解,建立了系统的开环模型.通过Matlab/Simulink工具对开环模型进行仿真并与实测输出曲线对比,验证了遗传算法求解液压伺服系统参数的可行性.同时,通过分析仿真结果,找出了材料试验机比例压力控制系统与伺服压力控制系统在辨识方法上的差别.     

基于δ算子的滑动窗自适应格形滤波器

本文利用最小二乘几何投影方法详细推导了一种基于滤波器δ算子的滑动窗自适应格形滤波算法，瘩深入讨论了这种滤波器在系统辨识和参数变化检测中的应用。     

基于分裂算子的遗传算法和自适应遗传算法

针对遗传算法所存在的早熟和收敛速度慢等问题,基于低等生物的分裂生殖现象,提出了分裂算子的概念,并将该算子引入到传统遗传算法和自适应遗传算法中,对这两种遗传算法进行了改进。通过一系列多峰函数测试实验,将改进算法分别与基本遗传算法和自适应遗传算法进行比较,证明引入分裂算子后的遗传算法和自适应遗传算法不仅有效地收敛到全局最优解,而且提高了收敛速度。     

模糊自适应遗传算法

针对标准遗传算法在实际应用中存在的早熟问题,设计了标准遗传算法的一种改进形式--模糊自适应遗传算法.该算法是利用种群的方差和熵来衡量种群多样性,并根据每代种群的方差和熵设计模糊推理系统来自适应控制交叉概率和变异概率.通过多峰函数优化问题的仿真实验,表明了该模糊自适应遗传算法的可行性和有效性.     

基于可进化性的自适应遗传算法

针对传统遗传算法容易陷入局部最优解的问题,提出一个基于可进化性的自适应遗传算法。将个体可进化性作为适应度函数的参数加入到随进化代数动态调整的非线性适应度函数中,动态调整整个种群的交叉与变异概率以逸出局部最优。实验结果表明,该算法可改善适应度不高但具有较好进化能力个体的生存概率,且提高了种群多样性与搜索效率。     

基于量子遗传算法的非线性无约束优化方法

量子遗传算法(QGA)是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子旋转门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性。非线性无约束优化是典型的工程应用问题,而复杂非线性函数的优化结果往往不能令人满意,如陷入局部最优等。利用量子遗传算法强大的搜索能力,可以很好的解决复杂非线性函数的无约束优化问题,实验表明量子遗传算法在该类问题中的有效性和可行性。     

运用遗传算法进行智能音乐作曲研究

采用遗传算法进行算法作曲,主要利用遗传算法的全局最优性,并且相对简单有效的特点.利用简洁的编码方式对基因进行编码,有效地表达了乐曲的主要信息,方便了适应度函数的计算和相关遗传操作的进行.针对音乐质量评估问题,提出了将相关音乐知识的规则和人机交互相结合的模式,共同对所创作音乐进行合理评价.不仅提高了评价的准确性,而且大大降低了人的工作量,产生了良好的音乐工程效果.     

基于自适应遗传算法的三轴磁强计误差校正方法

三轴磁强计已被广泛应用于空间磁场的测量。分析三轴不正交对三轴磁强计测量结果带来的影响,得到三轴磁强计的误差校正公式,建立求解非正交误差角的最优化数学模型,并运用自适应遗传算法对模型进行求解,实现对磁强计固有参数的辨识和测量误差的校正。通过FGM-2000三轴磁力仪实测实验对校正方法进行验证,结果表明,校正方法效果明显,仪器的测量误差减小了88.1%,测量精度显著提高。     

一种求解优化问题的新型混合遗传算法

论文在标准遗传算法中引入新的交叉运算和变异运算,针对优化问题提出了一类新型混合遗传算法。具体算例验证了算法的有效性和相对于标准遗传算法及某些混合遗传算法的优越性。     

改进的遗传算法求解TSP问题

实际应用中经常用人工智能算法如遗传算法求解TSP等一类NP难题．针对原有的遗传算法在初始化种群随机性的缺陷以及在产生子代过程中无法保存最优个体的问题．给出基于贪心算法的种群初始化和交叉变异后最优个体保存算法相结合的改进遗传算法,并在VC＋＋平台上对该算法的实现过程进行动态演示。     

基于偏好的多目标遗传算法

多目标优化问题中,人们往往只是对目标空间的某一区域感兴趣,因此这就需要在这一特定的区域能够得到比较稠密的Pareto解,但传统的方法权值法无法满足这种需求而且不能处理目标空间是非凸的情况,遗传算法虽然是现在公认的处理多目标优化问题比较有效的方法,但遗传算法是在目标空间内进行全空间寻优,因此最终得到的Pareto解是均匀分布的,这样遗传算法也不能满足人们的这一要求。针对这个问题提出了基于偏好的多目标遗传算法,把个人偏好加到优化过程中,利用偏好信息来引导优化方向,通过仿真把该算法和权值法、NSGA-II进行比较,结果证明了该算法的可行性和有效性。     

基于网络遗传算法的全局优化

本文在分析当前全局优化方法研究现状的基础上,提出了一种改进的遗传算法――网络遗传算法,应用简单实例说明了网络遗传算法的具体操作,同时应用大量数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。     

一种基于生物激素调节机理的优化遗传算法

针对标准遗传算法存在着早熟、进化缓慢等不足,基于生物激素调节规律,提出一种改进型的自适应遗传算法。该遗传算法能够充分发挥优良个体的作用,保证种群的高度多样性和优良性,从而提高进化速度和避免早熟现象。最后的仿真结果表明,在相同环境下,改进后的遗传算法比标准算法具有较好的寻优搜索精度和较快的收敛速度。     

基于种群差异度的自适应遗传算法

常规遗传算法采用恒定的选择压力和变异概率,后期进化速度较慢,对于复杂优化问题通常难以获得高质量的解。该文根据染色体的相似性,提出了种群差异度的概念,并依据种群差异度自适应地调整遗传参数。算例表明,与常规遗传算法相比,文章提出的算法能显著提高解的质量和收敛速度。