用改进遗传算法优选测试节点

针对模拟电路故障诊断中的测试节点优选问题,首先定义了决策矩阵A及其相关概念,对测试节点优选问题建立了数学模型,将测试节点优选问题转化为典型的0/1规划问题,将测试节点的优选过程变成数学模型的求解过程;然后针对建立的数学模型,提出了一种改进遗传算法,并通过和传统遗传算法、分枝定界法的比较,对算法性能进行了分析.仿真结果表明,提出的节点优选方法可靠有效,具有较高的工程应用价值.     

异构多核系统混合任务调度算法

提出了一种混合静态调度算法—Hybrid Successor Concerned Heuristic-Genetic Scheduling(HSCGS).该算法分为启发式算法和遗传算法两个阶段.第一阶段采用考虑后继节点的列表启发式调度算法(SCLS)产生一个近似最优的调度结果.SCLS算法在优先级计算和计算单元选择阶段都充分考虑了当前节点的调度对后继节点产生的影响.第二阶段采用改进的遗传算法—IGA,对上一阶段的调度结果进行迭代优化.IGA算法在优选之前加入了一个预处理阶段,去除部分重复的个体,以避免遗传算法由于"再生"现象而陷入局部优化.IGA算法的优选阶段采用三重优选方案,既达到了优化的效果,又保持了种群的多样性.实验部分分别使用随机应用程序和几种标准应用程序,将HSCGS与几种具有代表性的调度算法进行了对比测试.结果显示HSCGS的调度结果优于其他算法,而且优势随着计算单元间通信带宽异构系数增大而增加.     

基于MGA的费用分配优化模型研究

针对费用分配实际问题,建立了优化数学模型,提出了基于遗传算法的多目标多因子求解方法,对求解过程中的选择操作方法、体内自交叉算子和增减变异算子、编码方法、适应度函数和原始种群等作了改进设计。     

基于遗传蚁群算法配电网重构

为应对分布式电源对配电网带来的变化,寻求更好的电能质量和网络损耗,以网损为目标函数,建立配电网重构数学模型。针对遗传算法的早熟现象和蚁群算法前期寻优速度慢的劣势,将遗传算法和蚁群算法进行融合,利用遗传算法快速全局寻优能力为蚁群算法提供所需的信息素对配电网重构问题进行寻优求解。为了克服二进制编码在处理配电网闭环建造,开环运行时带来维数灾,运用基于环网的自然数编码方式,通过节点度的大小来判断配电网的拓扑可行性。将含分布式电源接入IEEE33节点系统进行仿真,结果表明该算法具有较好的全局寻优能力和快速收敛速度。     

基于自适应遗传算法的无线激光通信网络负载均衡成簇算法

由于无线激光通信网络吞吐量低、节点传输延时高和存在分组丢失率多等问题，提出基于自适应遗传算法的无线激光通信网络负载均衡成簇算法。利用AGCH算法对无线激光通信网络节点进行分组和成簇，从中取得簇头节点，构建资源调度模型，利用该模型对簇头节点中的资源进行分配调度，采用自适应遗传算法对建立的模型进行求解，以此提升无线激光通信网络负载均衡效果，实现无线激光通信网络负载均衡。实验结果表明，通过对该算法进行网络吞吐量测试、节点传输延时测试和分组丢失率测试，验证了该算法的有效性强、实用性高。     

基于改进遗传算法在无功优化中的应用

遗传算法是一种基于自然选择和遗传机制的搜索算法,适合于求解电力系统无功优化问题。对基本遗传算法进行改进,建立了以有功网损为目标函数的电力系统无功优化计算的数学模型。算法对IEEE14节点系统进行了无功优化计算,结果证明了算法的正确性和有效性。     

自适应遗传算法在智能组卷中的应用研究

以传统自适应遗传算法为基础,提出了一种改进的智能组卷算法,基于该算法,设计并实现了一个《编译原理》课程智能组卷系统.结合实际问题建立了组卷问题的数学模型,并针对该数学模型对遗传算法的编码方式和种群最优保存策略进行了改进.改进后的算法在保证组卷质量的前提下,提高了搜索速度并且有效避免了传统遗传算法中经常出现的早熟现象.     

一种基于网格划分的水下传感器网络多维优化部署策略

针对水下无线传感器网络节点的部署问题,提出一种基于网格划分的多维优化部署策略。首先,将所需探测水下环境划分成相同规格的网格;然后,综合考虑网络节点数量、网络覆盖率、网络冗余度、网络生存率等指标,构建多目标优化数学模型;最后,采用遗传算法对多维优化部署策略加以实现并进行仿真分析。结果显示：所提策略能够有效地减少部署节点数量,提高网络覆盖率和生存效率,降低网络能耗。     

基于退火遗传算法的网络通信资源分配方法

在传统通信网络资源分配阶段,并未考虑链路实际利用率的影响,导致网络的吞吐量相对较低,为此,文章提出基于退火遗传算法的网络通信资源分配方法。针对通信信道的利用率问题,将其转化为信道执行通信传输任务时间开销最小化问题,作为通信资源分配的目标函数。在考虑了信道带宽、能量损耗以及噪声影响的基础上,将网络中的中继节点作为初始种群,利用退火遗传算法逐个计算满足目标函数的最优D2D链路,直至达到接收节点,将对应的传输信道作为分配结果。测试结果表明,文章提出的设计方法可以使通信网络的吞吐量明显高于对照组。     

一种混沌萤火虫算法的WSN节点分布优化研究

针对无线传感器网络节点分布优化问题,提出了一种有效的混沌萤火虫优化算法。在保证节点相互连通的前提下,建立了无线传感器网络对目标区域覆盖的数学模型,并将节点分布优化问题转换为求解函数最大值问题;利用萤火虫算法优越的寻优能力来实现最优的网络节点分布,并引入立方映射混沌算子来提高算法的局部搜索能力和保持种群的多样性。通过标准函数测试与无线网络覆盖优化仿真对所提算法进行了验证,结果表明:与其他算法相比,所提算法能够较好地跳出局部最优的束缚,具有优化效果佳、稳定性好、鲁棒性强的优点,能够满足无线传感器网络节点分布优化的要求。     

基于多种群遗传算法的多机器人路径规划

本文针对遗传算法在解决多机器人路径规划问题上存在的缺点,采用了一种基于多种群遗传算法的路径规划方法。将遗传算法并行应用于数个相对独立的子种群,并在路径规划过程中引入移民算子和人工选择算子。将多机器人路径规划问题简化为带制约条件限制的多背包问题和旅行商问题,并建立相对应的路径规划数学模型。由两种算法在MATLAB中仿真实验结果的对比分析可知,多种群遗传算法规划的路径在稳定性、收敛速度以及长度方面上具有优势。     

飞行仿真中气动特性数据拟合方法研究

飞机气动特性数据是飞行仿真的基础,其精确性直接影响着飞行仿真效果.提出一种基于遗传算法的B样条曲线拟合方法,建立了飞机气动特性数据的数学模型.B样条曲线可对复杂曲线进行拟合,但数据点的参数选择影响着拟合的精度.参数选择通常有两种方法,一种是固定B样条基的节点选择参数,另一种是选定参数然后变化B样条基的节点.采用遗传算法将二者统一考虑,同时变化节点与参数使得拟合误差最小.通过气动特性数据拟合验证了该方法的有效性、精确性和鲁棒性.     

改进遗传算法优化无线传感器网络路由算法

为了有效延长无线传感器网络的生存时间,针对传感器节点能耗不均衡难题,提出一种改进遗传算法优化的无线传感器网络路由算法。首先对LEACH算法不足进行分析,然后构建簇头节点选择的目标函数,并将其作为遗传算法的搜索目标,最后通过遗传算法找到下一时刻簇头的候选节点,并针对遗传算法不足进行相应改进。采用仿真实验对算法的性能进行分析,结果表明,相对于其它无线传感器路由算法,本文算法可以保证无线传感器的节点能量均衡,延长了网络的生存时间。     

一种通过节点序寻优进行贝叶斯网络结构学习的算法

针对K2算法过度依赖节点序,遗传算法节点序寻优效率差的问题,该文提出一种直接对节点序进行评分搜索的贝叶斯结构学习算法。该算法以K2算法为基础,首先通过计算支撑树权重矩阵,构建能够定量评价节点序的适应度函数。然后通过提出混合交叉策略和孤立节点处理机制,同时利用动态学习因子和倒置变异策略,提升遗传算法节点序寻优的性能。最后将得到的节点序作为K2算法的先验知识得到最优贝叶斯网络结构。仿真结果表明,该方法解决了K2算法依赖先验知识的问题,相比于其它优化算法,评分值平均增加了13.11%。     

基于遗传蚁群融合算法的混合链路中继卫星资源调度研究

针对遗传算法容易陷入局部最优和蚁群算法初始信息素匮乏的缺点, 提出将遗传和蚁群融合算法应用于中继卫星系统的资源调度问题。通过改进蚁群算法信息素的定义, 利用基于时间窗口序号编码思想, 给出中继卫星资源调度约束条件与目标函数并建立数学模型。仿真分析了融合算法、标准遗传算法和改进蚁群算法的优化特性, 结果表明融合算法是解决中继卫星调度问题的有效方法。     

遗传算法的改进及其在电力系统无功优化中的应用

针对无功优化的动态、多目标、多约束以及非线性特点,提出了基于简单遗传算法的改进算法,在简单遗传算法的基础上,添加了自适应控制和适应度排序思想,并对算法终止准则进行了改进。以IEEE14节点标准测试系统为例对该算法进行了有效性验证。仿真结果表明,该方法对电力系统的无功优化效果良好。     

基于遗传算法的地面中重频PD雷达PRF组选择

针对地面中重频雷达脉冲重复频率(PRF)组的选择计算复杂的问题,建立了PRF组选择的数学模型,提出了利用遗传算法选择最优PRF组的方法。仿真结果表明,该方法运算性能好,运行速度快。     

改进的量子遗传算法在网络拥塞控制中的应用

当前以遗传算法为基础的网络拥塞控制方法对网络拥塞存在控制目标选取耗时,最优目标参数选取不均等问题,控制效果不佳。针对这一问题,结合量子计算的优点,提出一种基于改进量子遗传算法的网络拥塞控制算法,首先对网络拥塞的原理进行分析,建立QoS路由拥塞控制数学模型,将量子计算引入遗传算法进行改进,在静态旋转角的量子遗传算法的基础上,保证拥塞目标参数的选取准确性,给出算法的实现方法和具体流程。实验结果表明,该算法的搜索速度快、效率高、可以很好地优化网络性能,实现拥塞控制。     

基于遗传算法的配网故障抢修驻点定位方法

电力配网故障时有发生,人为定位配网故障抢修驻点有一定难度,且费时费力,针对此问题,提出了一种基于遗传算法的配网故障抢修驻点定位方法。通过建立遗传算法求解数学模型,求解配网故障抢修最优驻点。实验结果与分析验证了遗传算法在配网故障抢修驻点定位中的准确性和有效性,展示了其优越的性能和较好的收敛性。     

基于邻井钻头优选算法的研究

针对目前钻头选型的常用方法,主要讨论邻井钻头优选算法,该算法根据邻井钻头使用数据,对钻头的优选指标与钻头在钻井过程中的影响因素之间的对应关系建立数学模型,利用最小二乘法预测出各种钻头的优选指标,选择其中满足优选条件的钻头型号的方法.这种钻头优选算法将待选钻头置于同等比较条件下,具有很强的适用性和可靠性.