基于遗传算法的工业以太网环型拓扑优化

为了改善交换式工业以太网的网络性能,给出了其采用环形拓扑时的设计原则,并把它们等价为一个带约束条件的网络优化问题．然后通过设计遗传算法来寻找该优化问题的解,为避免遗传算法的早熟收敛,在进化过程中采用了基于混沌迁移的伪并行进化方案．最后针对一个仿真例子,对比了基于遗传算法进行拓扑优化前后的网络性能,仿真结果验证了该优化方法的有效性．     

Shape optimized design of microwave dielectric resonators by level‐set and topology gradient methods

The finite element method is coupled with the topology gradient (TG) and level‐set (LS) methods for optimizing the shape of microwave components using a computer‐aided design model. On the one hand, the LS approach is based on the classical shape derivative; while on the other hand, the TG method is precisely designed for introducing new perturbations in the optimization domain. These two approaches, which consist in minimizing a cost function related to the component behavior, are first described. Regarding given electrical specifications, these techniques are applied to optimize the distribution of ceramic parts of a dual‐mode resonator in order to improve its behavior. The optimized dielectric resonators result in a wide spurious‐free stop band. A comparison between classical and optimized dual mode resonator is presented. Theoretical results are then validated by careful measurements. © 2009 Wiley Periodicals, Inc. Int J RF and Microwave CAE 2010.     

WSNs中基于梯度场拓扑控制算法的维护更新

在无线传感器网络( WSNs)中,为了能有效降低生成簇的簇树高度,需要设计可以限制节点到基站最小跳数的分簇算法,介绍了一种基于梯度场的拓扑控制算法(ETBG),并针对该算法中由新节点加入或节点死亡引起的拓扑结构变化的情况,给出其维护和更新算法,使该算法具有更好的可扩展性和自恢复能力,最后通过Matlab仿真验证算法的有...     

基于伪并行混合遗传算法的神经网络优化

在分析并行多物种遗传算法应用于神经网络拓扑结构的设计和学习之后,提出一种伪并行遗传（PPGA-MBP）混合算法,结合改进的BP算法对多层前馈神经网络的拓扑结构进行优化。算法编码采用基于实数的层次混合方式,允许两个不同结构的网络个体交叉生成有效子个体。利用该算法对N-Parity问题进行了实验仿真,并对算法中评价函数各部分系数和种群规模对算法的影响进行了分析。实验证明取得了明显的优化效果,提高了神经网络的自适应能力和泛化能力,具有全局快速收敛的性能。     

模糊Petri网与遗传算法相结合的优化策略

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,一直是尚未解决的难题。文中首次将遗传算法引入到模糊Petri网的参数寻优过程,提出了一种基于遗传算法的参数寻优算法,该算法实现不依赖于经验数据,对初始输入无严格要求。仿真实例表明,由此训练出的参数正确率较高,所得的FPN具有很强的泛化能力和自适应功能。     

基于梯度投影法与随机优化算法的约束优化方法

针对带有线性等式和不等式约束的无确定函数形式的约束优化问题,提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法。该方法利用遗传算法进行全局搜索,利用同时扰动随机逼近算法进行局部搜索,算法在每次进化时根据线性约束计算父个体处的梯度投影方向,以产生新个体,从而能够严格保证新个体满足全部约束条件。将上述约束优化算法应用于典型约束优化问题,其仿真结果表明了所提出算法的可行性和收敛性。     

Optimization of a finite dipole array with genetic algorithm including mutual coupling effects

In this article, the genetic algorithm together with a circuit model is applied to optimize the gain of a dipole array by adjusting the dipole element positions. This algorithm can optimize problems globally without any gradient calculations and is especially suitable for large antenna array design. © 2000 John Wiley & Sons, Inc. Int J RF and Microwave CAE 10: 379–382, 2000.     

Performance evaluation of a two stage adaptive genetic algorithm (TSAGA) in structural topology optimization

Genetic algorithm with island and adaptive features has been used for reaching the global optimal solution in the context of structural topology optimization. A two stage adaptive genetic algorithm (TSAGA) involving a self-adaptive island genetic algorithm (SAIGA) for the first stage and adaptive techniques in the second stage is proposed for the use in bit-array represented topology optimization. The first stage, consisting a number of island runs each starting with a different set of random population and searching for better designs in different peaks, helps the algorithm in performing an extensive global search. After the completion of island runs the initial population for the second stage is formed from the best members of each island that provides greater variety and potential for faster improvement and is run for a predefined number of generations. In this second stage the genetic parameters and operators are dynamically adapted with the progress of optimization process in such a way as to increase the convergence rate while maintaining the diversity in population. The results obtained on several single and multiple loading case problems have been compared with other GA and non-GA-based approaches, and the efficiency and effectiveness of the proposed methodology in reaching the global optimal solution is demonstrated.     

混沌梯度组合优化算法

提出一种混沌梯度组合全局优化算法，并对该算法进行了收敛性分析．算法首先采用改进的变步长梯度法得到某个优化值，然后利用变尺度混沌搜索跳出局部极小，经过反复组合迭代，直至到达最优解．仿真结果表明，该算法能充分发挥梯度法寻优的快速性和混沌法寻优的全局搜索能力．     

紧致遗传算法的进化机制分析

为了分析紧致遗传算法的进化机制, 首先给出了用于刻划进化概率向量的有关概念; 其次研究了增加染色体有效进化的方法, 提出了基于进化强度系数的增强紧致遗传算法; 同时为进一步研究基于多变量的紧致遗传算法提供了框架.     

Handling variable string lengths in GA-based structural topology optimization

Binary coded genetic algorithms (GAs) have been used effectively in topological design of discrete structural systems. In a majority of such applications, the structural topology is extracted from a pre-defined structural universe, a set of all permissible joints and elements that can be used in the development of the optimal design. In the presence of a dense structural universe, the GA search process must contend with very long string lengths, with the attendant degradation in the effectiveness of the search process. The present paper presents a novel approach for handling variable string lengths in GA-based topological design. Varying string lengths in a population requires a redefinition of the crossover process, and both inter- and intra-species crossover mechanisms are explored in the present paper. The use of micro-GAs is proposed as an approach to increasing the search efficiency in problems involving a large number of candidate topologies. The proposed strategies are implemented in representative algebraic problems, truss topology design, and the layout of a stiffened composite panel.     

基于遗传算法的城市输电网络巡视路径优化选择问题

为了保障输电网络的安全稳定运行, 降低电网故障概率, 优化输电网络日常管理, 基于实际调研获得输电网络的加权网络图, 考虑输电网络巡视消耗成本、机会成本、风险成本, 根据实际巡航问题的约束条件和效用最大化的目标函数建立数学模型。提出了基于输电网络巡视路线优化的遗传算法设计, 通过与改进的Dijkstra算法相比较, 提出的算法具有计算复杂度低、准确率高、鲁棒性强的特点。针对有关输电网络日常巡视管理优化问题的探讨, 对于提升电网应急响应速度、提高电网可靠性、降低成本、提高效率有十分重要的意义。     

基于遗传算法的信息系统可靠性优化设计

设备冗余是信息系统进行可靠性优化设计的常用策略之一,其主要问题在于冗余设备的选择和配置,以达到满足一定可靠性要求下实现成本最小化的目的。这是一类结构复杂的规划问题,很难采用传统的数值算法进行求解,遗传算法提供了有效的解决方法。首先运用信息系统Petri网模型的层次结构分析结果,给出区分结点重要度的系统可靠性度量公式。在此基础上提出优化模型,给出遗传算法求解优化问题的步骤,并通过实例证明了方法的有效性及实用性。     

基于梯度粒子群算法的细菌觅食算法

针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷,将梯度粒子群算法的基本思想引入细菌觅食算法中,改进原算法的收敛速度和收敛能力,并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO-BFA。该算法既利用了细菌觅食算法出色的全局搜索能力,又借助梯度粒子群算法的快速局部寻优能力,很好地将两者的优势结合在一起。基于六个高维Benchmark函数的实验结果显示,该算法在收敛速度和精度方面都优于其他四种细菌觅食算法。     

基于协同进化遗传算法的神经网络优化

人工神经网络的结构设计没有系统的规律可循,而基于梯度的神经网络参数优化又易于陷入局部最优解.该文研究了用带退化的协同进化遗传算法来优化神经网络结构,同时优化网络参数.将网络参数作为实数编码基因进行遗传选择,参数个体的受损率超过退化阀值时发生结构退化.退化进程由协同进化的控制个体动态控制.实验证明,该方案能够有效简化神经网络的结构和得到最优网络参数,收敛速度比常规遗传算法快.     

基于局部搜索和遗传算法的激光切割路径优化

为了缩短激光加工时间,提高加工效率,提出了一种新的局部搜索法与遗传算法相结合的激光切割路径优化算法。该算法从加工轮廓中提取节点,通过局部搜索法对节点进行局部路径优化,再运用的遗传算法求得近似最优解,遗传算法中的选择算子改进为基于相对适应度的轮盘赌选择算子。详细介绍了算法的原理及实现,通过编程仿真证明该算法与传统的遗传算法相比具有良好的优化效果,可明显缩短加工路径,减少加工时间,提高加工效率。     

基于自适应递阶遗传算法的神经网络优化策略

基于递阶结构的遗传算法可以同时对多层前向神经网络进行结构优化和权重求解。与基本的遗传算法相比，这种算法不仅在权重训练方面更加快速稳定，而且能在学习过程中确定网络的拓扑结构，具有较高的学习效率，而在遗传过程中采用自适应的交叉和变异概率能有效加快遗传速度和避免早熟现象的出现。     

基于改进的遗传算法在函数优化中的应用

针对传统遗传算法在函数优化过程中容易陷入局部最优解、收敛慢等缺点,提出了一种新的自适应遗传算法NAGA。该算法考虑了种群适应度的多种集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率;为了加快寻优效率,在选择算子方面将引进的选择算子与最优保存策略相结合;为了使遗传操作过程中种群数量恒定,又提出了保留亲本的策略。通过仿真实验发现,与经典遗传算法GA和IAGA相比,改进的自适应遗传算法在收敛速度与精准度等方面都有较大的进步。     

遗传算法研究进展*

对遗传算法编码策略、遗传算子、参数确定、收敛性、欺骗问题等理论在国内外的研究现状进行了系统的研究,并对遗传算法在国内外的研究进展和新的应用领域进行了讨论;最后,通过对近几年研究文献的统计分析,探讨了遗传算法的研究热点和发展方向。     

一种改进的遗传算法：GA-EO算法

针对基本遗传算法(GA)有局部搜索能力差、计算量大、对较大搜索空间适应能力差和易收敛于局部极小值等问题,采用将极值优化(EO)算法与传统遗传算法相结合的方式,对基本遗传算法进行改进,提出了一种新的算法:GA-EO算法,并用实验证明了新算法的有效性。