基于自适应并行遗传算法的泊松曲线沉降预测模型

针对简单遗传算法采用固定的交叉概率和变异概率不能总是满足当前种群的需要,影响算法的性能及效率,采用自适应的交叉概率和变异概率,且将并行技术与遗传算法相结合,提出自适应并行遗传算法,用于泊松曲线沉降预测模型的优化。实验结果表明,该算法为泊松曲线沉降预测模型的参数估计提供了一种有效的方法。     

带偏向性轮盘赌的多算子协同粒子群优化算法

针对粒子群优化算法在处理高维、大规模、多变量耦合、多模态、多极值属性优化问题时易早熟收敛等性能和技术瓶颈,基于粒子群优化算法行为学习算子和3种不同学习偏好的差分变异算子,建立带偏向性轮盘赌的多算子选择与融合机制,提出一种带偏向性轮盘赌的多算子协同粒子群优化算法MOCPSO.MOCPSO针对迭代粒子群榜样粒子集,首先通过对迭代种群及其榜样粒子集优劣分组,同时采用轮盘赌分别为每组榜样粒子集选配不同学习偏好的变异算子,并为每组榜样粒子适配差分基向量和最优基向量,预学习并优化迭代种群及其榜样粒子,以权衡算法的全局探索和局部开发;然后通过合并所有子种群,并结合粒子群优化算法行为学习算子,指导迭代种群状态更新,以提高算法的全局收敛性;最后结合精英学习策略,对群体历史最优进行高斯扰动,以提高算法的局部逃生能力,保障算法收敛的多样性.实验结果表明,MOCPSO算法与5种先进的同类型群智能算法在求解CEC2014基准测试问题上具备竞争力,且有更强的优化特性.     

改进的多种群算法优化隐马尔可夫模型预测篦压趋势

以篦冷机关键参数篦下压力为研究对象,提出一种篦压变化趋势预测模型.利用主成分分析对数据降维,以主元序列作为观测序列,构建改进的多种群算法优化隐马尔可夫模型参数.种群内利用轮盘赌算子选择个体,设计双区与均匀行交叉结合的自适应交叉算子避免局部收敛,进行动态变异率的多项式变异操作提高收敛速度,种群间提出混合师生交流机制的自适应移民算子保证多种群协同进化.仿真表明本文算法可收敛到全局最优,能提高收敛精度和速度,利用该算法建立的模型跟踪性能好,预测精度高,能满足对篦压趋势预测的要求.     

求解0/1背包问题的快速收敛的混合遗传算法

在结合贪婪算法的混合遗传算法中,将基于轮盘赌的选择算子改为稳态复制的选择算子,形成的新的混合遗传算法能显著加快收敛。文中也给出了结束迭代的两个判定条件。通过对三个实例的大量仿真实验,研究了交叉概率、种群数量和替换率对算法性能的影响。实验结果表明这一新算法收敛速度快,寻优能力强,更适合于求解大规模0/1背包问题。     

一种改进选择算子和基于小生境的遗传算法

为了进一步提高遗传算法选择算子的选优能力,在传统轮盘赌的基础上提出了一种基于排序的多轮轮盘赌选择算子,在提高了算子选优能力的同时也减少了随机性所产生的误差;同时采用了小生境技术,使得算法既能保证多样性又能够保留最优解。实验表明,与简单遗传算法相比较,新算法能够有效地提高收敛速度。     

利用改进粒子群算法整定PID参数

PID控制器的性能取决于其控制参数的组合,针对其参数的整定与优化问题,提出了一种改进的粒子群算法,该算法将区间算法与轮盘赌选择引入种群微粒位置的初始化操作。仿真实验表明,新算法能有效克服早熟收敛现象,降低随机性初始种群的影响,提高算法收敛精度。     

共生进化算法母体选择策略性能研究及改进

轮盘赌在传统遗传算法中能加快进化速度和提高解质量,以共生进化算法求解一个复杂的柔性作业调度为例,跟踪共生种群进化过程。研究轮盘赌在以求得最优组合为目标的共生进化算法中对种群进化速度、种群多样性以及解质量的影响。为提高种群进化的解质量,引入了Worst策略。仿真实验表明,轮盘赌在共生进化算法中的应用不能促进解质量的提高,Worst策略能有效调节种群的进化速度并能提升解质量。     

一种改进的选播QoS路由算法

IPv6定义了一种新的通信模型--选播(Anycast),发送到一个选播地址的报文被传送到由该地址标识的"最近"接口之一.在深入分析选播通信服务模型和遗传算法后,提出了一种多约束的基于改进遗传算法的选播QoS路由算法.该算法采用深度优先搜索和轮盘赌相结合的方法保证初始种群的多样性,引入多种群策略和修正算子,同时对遗传算子进行了改进.仿真实验结果表明,改进后的算法提高了收敛速度,获得了较优的选播路径.     

基于双重贡献分配的多目标混合算子进化算法

针对多目标混合算子进化算法中各算子有效选择的自适应问题,提出一种基于双重贡献分配的多目标混合算子进化算法(DCA-MOEA/D).首先,将两种现有的进化算子与两种基于方向引导的差分进化组成算子池,每代个体以轮盘赌的方式从中选择一种进化算子产生子代;然后,根据子代的表现,结合两种方法为各算子分配贡献值,从而确定算子的选择...     

基于遗传算法优化神经网络的多用户检测

利用遗传算法全局搜索能力强和反向传播(BP)算法局部搜索速度快的特点,采取两段式训练方法,既避免陷入局部最小,又加快收敛速度。提出基于遗传算法优化神经网络权值的多用户检测算法。采用实数编码方式,将传统神经网络的能量函数作为适应度函数,选择算子选用轮盘赌算子,交叉算子选用单点交叉算子,变异算子选用正态变异算子。仿真结果表明,该算法的误码率、信干比和信道跟踪能力等方面的性能与传统前馈神经网络多用户检测算法相比均有一定的改善。     

改进遗传算法的防空目标分配

对防空目标分配的前提、原则和分配模型假设条件进行分析,建立基于遗传算法的防空目标分配模型,针对二进制编码不利于处理约束条件的缺点提出十进制编码的染色体表示策略,对建立的模型进行优化。设定初始条件后,基于遗传算法的原理,对改进后的防空目标分配模型进行MATLAB仿真,然后用改良圈算法和海明距离对初始种群的产生进行改进,引入Logistic混沌序列对交叉算子进行改进,并且用按个体适应度大小排序的选择算法来代替赌轮选择方法。仿真结果表明,与简单遗传算法相比,遗传算法改进合理,搜索到全局最优解的概率提高到了90%以上,收敛速度大大增加,相较于模拟退火和禁忌搜索算法,改进后的遗传算法能够以非常少的进化代数,极少的时间消耗达到较高的搜索概率,效率提高了一倍甚至更多。     

面向供水管网水力模型自动校核问题的改进遗传算法

水力模型自动校核旨在提高供水管网智能化管理中模型的准确性,目前广泛使用遗传算法进行自动校核. 针对标准遗传算法收敛速度慢,并且容易陷入局部最优解的问题,本文对标准遗传算法进了改进,利用模拟退火法对适应度函数进行了拉伸,采用轮盘赌和最优保留策略相合的方法代替传统的选择方法,在交叉操作中加入了相似度函数避免了近亲杂交,并且使用双重收敛判断准则减少不必要的计算时间. 引入G市某区域供水管网水力模型为案例,使用改进后的遗传算法进行自动校核. 结果表明,改进的遗传算法求解效率和求解精度都有较大的提高.     

基于学习的烙画图像特征重构

提出一种基于学习的烙画图像计算机仿真算法。在Hertzmann图像类比算法的基础上,使用融合轮选择算子的粒子群优化算法对处理过程进行加速,整个粒子群的当前最优位置采用轮选择的方法,能有效降低粒子群优化算法过早收敛于局部最优的机率,获得较传统近似最近邻域搜索更快的处理速度。为弥补Hertzmann算法中结果图像视觉效果上的纹理缺陷,在图像融合过程中,先将2幅输入图像转换到lαβ颜色空间,再进行点对点的加计算,进而实现图像视觉效果的增强。烙画图像的类比实验结果表明,该算法所获得的烙画仿真结果图像接近真实烙画图像效果。     

一种新的基于遗传操作的改进型遗传算法

交叉与变异是遗传算法的重要操作,提出了一种新的基于遗传操作的改进型遗传算法.采用最优保留和改进的轮盘赌选择方法,通过基因交叉概率控制交叉,根据高斯分布改进了交叉算子和变异算子,保证了算法的全局搜索能力、局部搜索能力及收敛速度.通过标准函数的数值实验,验证了新算法的有效性.     

基于遗传算法的烟草配送车路径优化问题

在建立烟草配送车路径优化问题模型的基础上,采用轮盘赌复制法、部分匹配交叉算法、和适应度函数自适应调整等技术,设计了基于自然数编码的遗传算法,最后以这种方法进行了实验计算,通过计算结果表明,用遗传算法进行烟草车配送路径优化,可以方便有效地求得问题的最优解或近似最优解.     

遗传算法采用进化方向算子的几种策略

提出了采用实数编码情况下应用进化方向算子的几种策略，包括单亲进化方向算子、双亲进化方向算子以及无轮盘赌选择的双亲进化方向算子策略，并进行了数值仿真。仿真结果表明，灵活使用方向进化算子以及遗传操作可大大提高遗传算法的全局搜索能力。     

舰船补给物料搬运顺序优化问题的改进遗传算法

现有的多搬运工具可并行条件下的物料搬运顺序优化模型, 其采用的标准遗传算法收敛速度慢且易陷入局部最优. 提出了该模型的改进遗传算法, 采用精英保留策略代替传统的轮盘选择方法, 使用自适应策略设计交叉算子和变异算子. 以某一具体的舰船补给物料搬运顺序优化问题为背景, 通过实例进行了计算. 结果表明, 改进遗传算法收敛速度大大提高, 具有较高的求解质量和效率.     

基于相对分类信息熵的进化特征选择算法*

针对离散值数据集特征选择问题,提出基于相对分类信息熵的进化特征选择算法.使用遗传算法搜索最优特征子集,使用相对分类信息熵度量特征子集的重要性.以相对分类信息熵作为适应度函数,使用二进制编码问题的解,使用赌轮方法选择产生下一代个体.实验表明文中算法在测试精度上优于其它方法,此外还从理论上证明文中算法的可行性.     

遗传算法在结构优化中的应用

采用遗传算法求解桁架结构优化设计问题,建立了平面桁架结构优化的数学模型,应用改进的自适应遗传算法对其进行求解。为了加快遗传算法进化过程,本文采用精英选择与轮盘赌选择相结合的策略,鲁棒性更好,收敛速度更快,拥有较强的寻优能力。算例表明,该遗传算法可用于桁架结构的优化设计,优化速度快,效率高,优化结果更加可靠。