基于TSP问题的混合遗传算法研究

文章在介绍遗传算法和混合遗传算法思想的理论基础上,分析了遗传算法的主要优缺点和改进算法的有效性原则,利用模拟退火算法的局部寻优能力提出了一种改进的遗传模拟退火算法。结合两者的优点,对其中的选择、交叉和变异操作进行了改进,并将其运用到TSP问题的求解之中。同时,给出了算法的具体实现过程,并进行了仿真实验,证明了混合算法的有效性。     

一种基于Chirp探测的短波频率分配算法

针对短波通信网频率优化分配问题,本文利用chirp探测系统提供的信道参数,建立了带有信道约束的数学模型,并研究了用遗传算法求解模型的具体方法.该遗传算法采用的编码方式是信道频点的整数序列号,个体是一组经过分配的序列号.在仿真过程中发现由算法本身带来的严重违反约束条件的问题,通过比较三种不同约束处理方法得以解决.仿真计算的结果表明,模型建立得当,算法有效解决优化分配的问题.     

改进组合遗传算法的信道分配研究

介绍了信道分配问题中的干扰约束模型并在组合遗传算法的信道分配基础上结合难度分配小区优先分配的概念提出了改进组合遗传算法以及算法的实施方法，改善了“热点”地区信道分配难的问题，提高了最优分配方案的收敛率。     

一种基于改进遗传算法的资源分配策略

提出一种基于改进遗传算法的整体优化的动态资源分配方案。首先根据信道分配的特点构造了基因链模型,进而建立了一种整体优化模型,该算法尽量保证最大程度的紧致分配,同时针对遗传算法爬山能力差的弱点,提出一种自适应遗传方法。分析和仿真表明,该方案与现有的FCA和DCA方案相比,有较小的呼阻率和较高的频谱利用率,不论在业务量较大还是较小都能取得较好的性能指标。     

遗传粒子群算法在频率分配中的应用

首先建立了基于干扰最小化的频率分配模型,接下来研究了遗传算法在频率分配中的应用。针对遗传算法的不足,基于粒子群算法思想提出遗传粒子群算法,并将算法应用到频率分配之中。通过仿真得到使用遗传算法和遗传粒子群算法进行频率分配的情况,仿真结果表明遗传粒子群算法在运算的后期具有更高的效率。     

混合蚁群算法在光网络最优环路径搜索中的应用

路径分配问题是光环网络中的核心问题。根据遗传算法、粒子群优化算法和蚁群算法各自的特点,提出了一种融入粒子群算法和遗传算法的混合蚁群算法,用于对光网络的最优环路径的搜索。仿真结果表明,所提出的算法在收敛速度及寻优效果方面均优于基本的蚁群算法和遗传、粒子群的混合算法,证明了所提出算法的有效性。     

一种改进的多用户OFDM系统跨层分配优化算法

提出了一种多用户正交频分复用系统的跨层资源分配模型,结合了物理层中信道状态和媒体接入控制层中用户的队列信息,能更好地满足用户的服务质量要求。改进的混合优化算法结合了遗传算法与禁忌搜索算法的优点,并且对遗传算法的交叉因子进行改进,提高了全局搜索能力,能够更好地收敛于全局最优值,这样能更好地解决跨层资源分配问题。仿真结果表明,在此模型下利用改进的混合算法能有效地提高系统吞吐量,减小用户的平均时延,提高服务质量。     

基于改进形式的遗传算法研究

为了克服遗传算法的一些缺点，从遗传算法初始群体的均匀生成、十进制整数与实数混合编码方式的采用、遗传算予的自适应生成、最优个体的无遗传保留等策略上改进了现有遗传算法，提出了一种改进形式的遗传算法。仿真实验表明，该改进遗传算法能大大提高遗传算法的收敛速度，有效防止“早熟”现象，明显改善了算法的计算稳定性。     

高级在轨系统中的虚拟信道混合调度算法研究

为高效传输业务类型多样化的空间数据,该文基于高级在轨系统(AOS)虚拟信道复用技术,建立了AOS虚拟信道(VC)混合调度模型。在混合调度模型中,对异步虚拟信道提出了基于遗传-粒子群排序的调度算法,业务优先级、调度时延紧迫度及帧剩余量紧迫度是影响虚拟信道调度先后顺序的关键约束,该算法根据约束建立了遗传-粒子群适应度函数模型,进一步使粒子群体内的粒子根据遗传算法的进化算子进行位置更新,从而找到最优的异步虚拟信道调度顺序。同时,对同步虚拟信道设计了动态加权轮询调度算法,使各同步虚拟信道按照加权因子和分配的时隙数,轮流占用物理信道。仿真结果表明,该文的虚拟信道混合调度算法兼顾了异步数据的优先性、同步数据的等时性和VIP数据的紧迫性,具有更小的平均调度时延和更少的帧剩余量,满足不同业务的传输要求。     

基于混合布谷鸟——遗传算法的虚拟仿真实训室资源动态调度研究

针对高职院校建设越来越多虚拟仿真资源对外开放使用,存在虚拟仿真实训室资源分配和授课动态调整的问题,分别就课程占用资源静态分配最优化,新增、停课维护虚拟仿真实训资源,新增课程或中止正在进行的实训等实际排课调度问题提出布谷鸟-遗传算法的混合调度算法。以资源分配的最大时间最小化作为优化目标,建立实训基地和实训资源的性能评价指标,改编ft06等测试集仿真验证,将混合布谷鸟-遗传算法（hCSGA）、遗传算法（GA）、混合人工蜂群-遗传算法（hABCGA）进行性能比较。实验结果表明,混合布谷鸟-遗传的算法求解此类问题可行。     

基于混合量子遗传算法的嵌入式系统软硬件协同综合算法

软硬件协同综合是嵌入式系统设计中的一个重要步骤.综合利用启发式算法和演化类算法的优点提出了一种混合量子遗传算法(HQGA)来解决软硬件协同综合问题,提高了求解质量和搜索效率,降低了计算代价.实验结果表明HQGA对软硬件协同综合问题的有效性:在得到相近结果的条件下,HQGA计算时间较量子遗传算法缩短50%以上;在计算相同代数的条件下,HQGA求解质量较量子遗传算法平均提高10%以上.     

飞行器参数辨识的一种演化计算方法

将混合遗传算法应用于飞行器气动参数辨识。该方法结合了遗传算法的全局寻优能力和极大似然法的局部寻优能力,使得混合遗传算法不受极大似然法初值选取的影响,同时也解决了遗传算法收敛速度慢和收敛精度较低的问题。在混合遗传算法寻优过程中,仅对最优个体和变异后的个体执行局部寻优操作,从而使得混合遗传算法的计算量维持在一个适当的水平。最后,一个飞行器纵向模型气动参数的辨识仿真表明：混合遗传算法的收敛性和精度都远高于没有采用局部寻优策略的遗传算法。     

基于遗传算法和BP算法的多层感知机杂交训练算法

基于梯度下降的神经网络训练算法易于陷入局部最小,从而使网络不能对输入模式进行准确分类。本文提出综合遗传算法和BP算法的杂交算法GA-QP,它结合遗传算法的全局搜索特性和BP的局部收敛特性,实现对神经网络的有效训练。实验表明该算法优于BP算法,实验结果令人满意。     

基于改进混合遗传算法的云资源调度算法

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,本文采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,本文通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。     

An adaptive local-search algorithm for the channel-assignmentproblem (CAP)

The channel-assignment problem (CAP) for cellular radio networks is an NP-complete problem. Previous techniques for solving this problem have used graph-coloring algorithms, neural networks, simulated annealing, and pattern-based optimization procedures. We describe an efficient two-phase adaptive local-search algorithm for the channel-assignment problem. This algorithm has been applied to several existing benchmark problems with encouraging results. In many cases it outperforms the existing algorithms in the quality of the solution obtained. When used in conjunction with structured preprocessing, the algorithm can be applied to large networks. It is thus a practical tool for the planning of cellular radio networks     

遗传蚁群禁忌融合算法的研究

通过对遗传算法、蚁群算法和禁忌搜索算法三种算法的分析研究,针对其各自优缺点,提出一种融合遗传算法、蚁群算法和禁忌搜索算法的融合算法。融合算法是采用遗传算法生成初始信息素分布,利用蚁群算法快速求精确解,同时将遗传禁忌算子引入到蚁群算法的每轮迭代中,有效解决了蚁群系统初始信息素匮乏、易陷入局部最优和收敛速度慢的缺点,实现优势互补。通过NP-hard30问题仿真实验,结果显示算法具有良好的寻优能力和寻优效率。     

相控阵天线的互耦和近场校准

本文在分析相控阵天线近场特性的基础上,根据信号子空间的基本理论,结合模拟退火算法,提出了一种利用近场辅助源估计相控阵天线互耦系数的方法.大量的计算机仿真结果表明,本方法使用校准源少,校准源到天线阵距离近,算法稳健,即使在雷达工作、并且存在其它未知信号时,也能准确估计出天线阵的互耦系数.     

基于遗传算法非对称多级分支定向耦合器设计

将遗传算法用于多级分支定向耦合器的优化设计并对算法进行了改进。设计中取消了阻抗对称的限制，分支定向耦合器的工作带宽得到了进一步扩展；在标准遗传算法的基础上，引入了最优保存策略和自适应遗传操作，算法的性能得到了提高。仿真表明，用该方法设计的多级分支定向耦合器性能优于其他设计方法。     

基于混合免疫遗传算法的车辆调度问题

免疫算法是模仿生物体高度进化,复杂的免疫系统仿生的一种智能化启发式算法。在描述车辆调度问题数学模型及免疫算法综述的基础上,引入了一种基于抗体亲和力的混合免疫遗传算法,改进了抗体的交叉算子,解决了路径长度受限的车辆调度问题,实验结果表明,与遗传算法相比较,混合免疫遗传算法能更有效的解决车辆调度问题。     

一种基于改进混合遗传算法的贴片机装配工艺优化方法

贴片工艺流程是贴片机装配速度提高的瓶颈。首先对遗传算法的遣值线性尺度变换作了改进，然后在改进的遗传算法中融入模拟退火算法，提出了改进的混合遗传算法，提高了遗传算法的全局寻优能力。针对拱架型贴装机，采用改进混合遗传算法对装配工艺进行优化设计。计算结果表明，能明显缩短PCB的装配时间，优化效果较采用遗传算法和邻近算法更为明显。