遗传算法密码分析中改进选择算子研究

遗传算法是密码分析的一种有效方法,其中选择算子决定选择哪些个体进行交配以及每个被选择的个体产生多少后代。针对传统的遗传算法选择算子收敛速度慢、效率不高的问题,通过分析传统的选择算子的理论及其优缺点,提出能够产生较好收敛速度的两种改进选择算子。实验结果表明,改进的选择算子可以提高遗传算法的收敛速度、缩短破译时间,大大提升基于遗传算法的密码分析效率。     

遗传算法在函数优化中的应用

对遗传算法作了简单的介绍,讨论了利用遗传算法求解函数优化问题的方法,最后给出 了２个函数优化实例。     

启发式遗传算法

讨论了遗传算法的各个算子的概念、作用和实施方案。对优化问题给出了启发式遗传算法并验算了若干测试函数。     

基于遗传算法的曲线拟合及应用

在自然科学中,常常在相关的２个量之间并不存在严格的函数关系。利用最小二乘法原理可以确定其拟合方程及其最优系数。然而对于较复杂的非线性问题,有时并不奏效。根据曲线拟合算法原理和遗传算法的特征,提出了利用遗传算法进行曲线拟合的６项步骤。并以电容式湿敏传感器为例介绍了算法的应用。结果表明,拟合方程与测试数据相比,各对应点的湿度误差小于０．０９％,拟合过程只需方便地利用目标函数值,从而扩大了遗传算法曲线     

基于遗传算法的模糊控制器动态优化方法

为了克服电厂主蒸汽温度被控对象的大迟延性、模型不确定性和时变性，提出了一种新的基于遗传算法(GA)的动态模糊控制器优化方法.该方法根据被调量的当前偏差值和偏差变化值的大小，采用改进的遗传算法和错时修正的方法，每次只对模糊控制规则表中的一个当前被激活的控制量修正值进行优化，对模糊控制器控制规则表中的数据进行实时在线的动态优化.仿真结果表明，当主蒸汽温度被控对象的模型参数变化10％时，采用该动态优化方法的模糊控制系统可以将主蒸汽温度动态偏差控制在-3～3 ℃，调节时间缩短了至少40％，主蒸汽温度控制系统的动态特性得到了有效的改善.     

复杂函数优化的混沌遗传算法

将混沌融入遗传算法提出了混沌遗传算法,该方法利用混沌运动的随机性、遍历性、对初始条件的敏感性等特性进行群体的混沌初始化和最优个体的混沌变尺度载波寻优,典型复杂函数优化的仿真结果表明,该方法较遗传算法具有更快的收敛速度和更小的计算,是复杂函数优化的有效手段。     

量子遗传算法在Web服务选择中的应用

为了提高Web服务选择效率,首先提出了一种树形结构组合服务服务质量计算模型,采用二叉树表示组合服务中的任务(抽象服务)及依赖关系,自底向上逐层汇聚服务质量属性,通过树形结构避免了大量的重复计算,减少了组合服务服务质量的计算时间．然后提出了一种基于量子遗传算法的服务选择方法,采用二维多量子比特编码染色体,并附加标志位表示多路径信息,用量子旋转门实现个体的进化．对比实验结果表明,相对于传统遗传算法,基于量子遗传算法的服务选择方法能在更短的时间内得到更好的解．     

一种基于退化混沌变异算子的改进遗传算法及其应用

针对标准遗传算法收敛性较差的缺点,利用混沌变量优化中的随机遍历性,构造出一种随进化代数而退化的变异因子,代替标准算法中的变异算子,以克服标准遗传算法在多峰函数优化中的早熟现象,对三个测试函数的仿真试验表明,改进的算法收敛性优于标准遗传算法.     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。     

基于遗传算法的动态目标特征选择方法研究

机器人在进行动态目标识别过程中,由于同一物体在运动中会引起多种目标图像参数的改变,对特征选择与提取造成困难.介绍一种新的基于遗传算法的机器人动态目标特征选择方法.用遗传算法对目标的不变矩特征进行选择.通过对特征进行二进制编码,采用类内类间距离作为适应度函数,对其进行选择和优化,获得最优特征子集.实验结果表明与其他方法相比,提高了目标的识别率.     

基于遗传算法的动态模糊聚类基于遗传算法的动态模糊聚类

提出了一种基于遗传算法的动态模糊聚类方法。通过计算样本之间的模糊相似性,不失真地反映它们之间的内在关联。同时将样本之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面。利用遗传算法不断优化两者之间的映射,使样本之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类。克服了聚类有效性对样本分布的依赖性;同时,增加了聚类的灵活性和可视化。该方法在性能上较经典的模糊聚类算法有一定改进,具有较好的聚类效果和较快的收敛速度。仿真实验结果证明了该方法的可行性和有效性。     

离心泵优化设计的遗传算法

探讨了离心泵的遗传算法优化设计方法．首次采用遗传算法,对低比速离心泵参数的优化设计方法进行了研究,列举设计实例．经过多次选择、交叉和变异等遗传操作和大量计算．得出了参数优化设计结果,泵效率有所提高,消除了扬程曲线的驼峰现象。本设计方法与传统设计方法相比,具有思想简单、易于实现、应用效果显著等优点,因此更合理、更严谨。     

用遗传算法求解旅行商问题

论述了用遗传算法求解旅行商问题（TSP）的算法步骤,给出了在MATLAB环境下用遗传算法解决旅行商问题的具体程序设计．将此算法应用到6个旅行商问题中,并将得到的运行结果与用弹性网络得到的结果进行了比较,发现用遗传算法得到的结果与最优解较为接近．     

解动态Job-shop调度问题的遗传算法

研究了动态Job-shop调度问题,并设计了一种改进的遗传算法。该算法借鉴启发式算法,使用向量进行遗传编码;遗传计算中引入种群间竞争,实现种群向更高层的平衡态进化,进而全局优化调度方案;利用调度评价函数及负荷表,对动态的生产调度进行了有效地评价。仿真实验表明了此法用于复合调度问题的优越性。     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

基于遗传算法与动态规划法的工艺过程优化

针对制造系统中的工艺过程优化问题,提出一种基于遗传算法和动态规划法的综合优化模型。该模型将工艺过程的优化分解为两个并行层次-工序层和工艺路线层。用改进的遗传算法求解工序层中的工艺参数优化问题,同时利用动态规划法实现工艺路线层次的优化。将两个层次优化方法有机结合,在局部优化的基础上进行整体优化,从而实现整个工艺过程的优化。通过实例证明了该优化模型求解的可行性和有效性。     

遗传算法在移动通信系统的基站规划中的应用

为了研究移动通信系统中基站规划的问题,采用了遗传算法对一定区域业务范围内的基站布局进行优化,同时考虑了基站覆盖范围和经济效益的因素来进行规划设计。通过实验仿真,验证了遗传算法在基站布局规划问题中的应用有效性。     

电力系统机组优化组合的改进遗传算法

将遗传算法应用于电力系统机组优化组合计算.基于对遗传算法基本原理的研究,并结合机组组合问题的特点,设计了一套新颖的遗传操作.算例仿真表明:改进后的遗传算法不仅较好地处理了电力系统机组优化组合的各种约束条件,而且改善了算法的收敛性,提高了计算速度和精度,证明了该方法的正确性和有效性.     

一种网络虚拟化环境下的动态探测站点选择算法

针对现有方法无法适应虚拟网络动态性和未考虑探针成本的问题,提出一种基于贪心思想的动态探测站点选择算法。该算法优先选取覆盖节点数多并且生成树平均高度最大的节点作为探测站点,并且考虑到虚拟网络的动态性变化,对现有探测站点集合进行适应性处理。仿真结果表明,与现有算法相比,在保证探测效果的前提下,新算法能够适应虚拟网络动态性,而且选择的探测站点能够选择出更少的探针,从而降低探针选择成本。