混合自适应遗传算法优化多目标染色配方模型

从提高染色产品质量和效益的角度出发,综合考虑如染料浓度、温度、时间和助剂浓度等因素影响,构建了多目标染色工艺配方优化模型。针对传统遗传算法普遍存在的问题和缺陷,提出基于正交试验设计、自适应交叉操作及局部搜索等技术进行算法改进,并利用改进后的算法获得配方模型最优解的解决方法:。实践结果:证明,混合自适应遗传算法使种群更具有代表性和全面性,最大程度的继承了父代的优良特性,改善了算法的早熟现象并增强其寻优性能。最终以较少的计算量和较高的收敛速度对全局进行快速的搜索,比传统遗传算法得到的优化目标值降低了l0.8%左右。该方法:可推广应用于其他复杂过程的优化求解问题中。     

求解全局优化问题的混合自适应正交遗传算法

提出了一种基于正交实验设计的混合自适应正交遗传算法(hybrid self-adaptive orthogonal genetic algorithm,简称HSOGA)以求解全局优化问题,此算法利用正交实验设计方法设计交叉算子,并提出一种自适应正交交叉算子.该自适应正交交叉算子根据父代个体的相似度自适应地调整正交表的因素个数和对父代个体进行因素分割的位置,生成具有代表性的子代个体,以更好地搜索空间.此外,新算法利用自适应正交交叉算子生成均匀分布的初始种群,以保证初始群体的多样性.同时引入了局部搜索策略以提高算法局部搜索能力和收敛速度.通过14个高维的Benchmark函数验证了算法的通用性和有效性.     

基于遗传算法的多模型自适应控制

利用多个固定模型（或元素模型）来逼近含未知参数的被控系统,基于每一个元素模型建立最优控制器,并由各局部模型控制器的加权和构成被控系统的控制器。对于这种多模型自适应控制器,在每一个采样时刻,每一个元素模型的权值将由遗传算法计算得出。仿真结果表明,采用该文提出的控制器,当被控对象的模型参数剧烈变化时系统输出依然可以很好地跟踪设定值。     

基于遗传算法的故障诊断研究

故障诊断对于事故后快速恢复具有重要意义,多种人工智能技术在其中得以应用,然而快速、准确的故障诊断仍是一个悬而未决的难题。本文介绍了遗传算法在故障诊断中的应用,故障诊断的遗传算法设计,给出实验及结论。指出将遗传算法应用于故障诊断可减少运算量、缩短平均诊断时间、提高诊断效率和故障识别精度。     

多峰搜索的自适应遗传算法

对多峰函数问题提出了基于峰值转换和优育子群相结合的遗传搜索策略.主要是:通过变换函数将多峰问题中的所有峰变成“等高”峰,从而保证每个峰都有同等机会被找到;在种群中实施各种遗传操作及近亲排斥策略,以保证种群的多样性;将种群中适应值超过阈值的个体迁徙形成一个子群,在子群中实施“梯度操作”,对个体进行精细进化.该方法不仅可保证较快地找到所有峰,而且无需对多峰函数做峰的个数已知、峰均匀健分布等任何先验假设.最后与Spears的简单子群法进行了对比实验.     

自适应多位变异遗传算法的实现

Genetic algorithm is a widely used optimization method. Crossover and mutation are two Basicl operatorsof the genetic algorithm. On the basis of analyzing the principles of simple genetic algorithm and discussing its exist-ing problems of crossover point and mutation bit, this paper presents a way of the adaptive multiple bit mutation ge-netic algorithm , which not only can keep the population diversity but also has quicker convergence speed. The resultsof the multi-modal function optimization show that the adaptive multiple bit mutation genetic algorithm is practical and efficient.     

用于全局优化的混合正交遗传算法

为提高正交遗传算法收敛速度和搜索精度,在正交遗传算法的基础上引入局部搜索策略,提出一种新的聚类局部搜索算子。利用正交算子初始化种群,保证初始群体分布的均匀性和多样性。通过正交算子在全局范围内进行全局搜索,使算法能在全局范围内收敛。采用聚类局部搜索算子对群体进行局部搜索,以增强算法的收敛速度和搜索精度。对7个高维的Benchmark函数进行测试,仿真实验结果表明,与其他算法相比,该算法具有更好的搜索精度、收敛速度和全局寻优的能力。     

基于改进自适应遗传算法的BP神经网络模型研究

针对自适应遗传算法容易陷入局部最优值的问题,提出了改进的自适应遗传算法,并将改进的自适应遗传算法应用于神经网络权值学习和训练中。提高网络的处理能力。     

基于分裂算子的遗传算法和自适应遗传算法

针对遗传算法所存在的早熟和收敛速度慢等问题,基于低等生物的分裂生殖现象,提出了分裂算子的概念,并将该算子引入到传统遗传算法和自适应遗传算法中,对这两种遗传算法进行了改进。通过一系列多峰函数测试实验,将改进算法分别与基本遗传算法和自适应遗传算法进行比较,证明引入分裂算子后的遗传算法和自适应遗传算法不仅有效地收敛到全局最优解,而且提高了收敛速度。     

基于遗传算法的多模型模糊控制

在非线性系统的多个平衡点建立线性模型的基础上，提出了多模型系统的模糊加权控制策略，采用遗传算法对模糊系统的隶属函数进行优化，综合了遗传算法强大的空间搜索能力，高精度和模糊控制器快速性的优点，使模糊控制达到较好的控制效果，仿真结果证明了所给方法的有效性。     

基于单纯形算子的混合遗传算法

通过遗传算法（GA）与传统单纯形搜索法相结 合,并基于对遗传算法算子计算结构的调整,提出一种针对非线性规划问题的新算法——基 于单纯形算子的混合遗传算法（HGA）,仿真结果验证了这种新算法的有效性和合理性．     

基于遗传算法的选播路由算法的研究

随着基于IPv6选播应用的研究与发展,选播路由算法已成为选播服务质量的关键.以遗传算法为基础,提出一种改进的交叉、变异遗传操作,在克服传统算法中早熟现象的基础上,加快了收敛速度;同时本算法以延时、带宽和服务器负载作为选择操作的依据.仿真结果显示,该算法能够在合理利用网络资源的同时找到最优解.     

基于自适应遗传算法的实现服务质量优化

服务质量优化问题是多维服务质量参数映射有限的资源问题,这个优化问题是一个NP－hard问题,我们采用通过改进流行遗传算法来解决这一棘手问题,于是提出了基于权的自适应遗传算法（weighted based adaptiv genetic algorithm) 通过实验说明这一算法优于目前为止最好的启示式算法和普通的遗传算法,算法运算时间短,鲁棒性强。     

一种结合混沌搜索的自适应遗传算法

自适应遗传算法(AGA)是一种有效的全局优化概率搜索算法.把混沌优化算法引入到AGA中,提出了一种结合混沌搜索的自适应遗传算法(AGACCS).该算法保持了AGA的所有特点,进一步改善了AGA的全局寻优能力并有效防止局部收敛现象,提高了算法的收敛速度和计算精度.仿真函数结果表明,该算法的性能优于AGA.     

一种基于自适应多窗口选择的NEDI改进算法

经典NEDI(New Edge-directed Interpolation)算法计算插值系数时使用矩形模板,存在不能兼顾模板内像素方向性的缺陷,而且在插值时仅使用单一窗口,可能导致高低分辨率上协方差不满足几何对偶性,造成插值后图像边缘存在比较明显的振铃现象,影响视觉质量。针对该问题,采用中心位于待插值点的圆形模板计算插值系数,并进一步依据最小均方差判决准则提出一种自适应多窗口选择方法来确定最佳的插值窗口。实验结果表明,相对于传统的插值方法,该算法能够更好地保持边缘信息,插值结果具有良好的视觉效果,峰值信噪比也得到了明显提高。     

基于本地插件的个性化搜索研究

个性化搜索是一种通过采集、预测用户的兴趣爱好,根据用户的兴趣模型优化搜索结果的新型搜索形武.但传统的个性化搜索采用的兴趣模型不够准确,所提出的动态调整策略不够完备,不能够准确反映用户的兴趣变化.针对这些问题,提出了以二维兴趣多边形作为兴趣模型,基于本地插件的个性化搜索方案.详细介绍了二维兴趣多边形的建模、动态调整策略产生的动机和算法、网页领域模型的建立及适用于兴趣多边形的相似度匹配算法,最后通过实验验证了该个性化搜索方案能够提高搜索质量.     

基于改进ILAE算法的图像局部自适应增强研究

一些应用需要增强一幅图像的局部信息,而不改变图像的其它部分。为此,提出了图像局部自适应增强算法。采用改进的ILAE算法,根据局部统计信息找出一幅图像中所要增强的像素点,仅对这些像素点进行图像增强,然后利用自适应中值滤波方法对增强后的图像进行去噪。实验结果表明,经算法处理后的图像,不仅局部信息得到了增强而且还能取得很好的视觉效果。     

一种基于正交多项式的自适应预失真方法

宽带信号未经补偿而通过高功率放大器,会产生有记忆的非线性失真。为了补偿这些失真,介绍了一种基于正交多项式的自适应预失真方法。基于正交化准则,提出正交多项式组的推导方法,并使用该方法得到循环对称复高斯分布下的正交多项式组。采用间接学习结构和递归最小二乘方法对这种基于正交多项式的预失真器系数进行求解,并给出递归最小二乘的迭代公式。最后介绍仿真所采用的两种功放模型,并使用所述的预失真方法对基于OFDM(Orthogonal Frequency Division Multiplexing)系统的预失真性能做了仿真。结果表明,该预失真方法能有效地补偿高功率放大器失真。     

基于改进遗传算法的智能组卷研究

组卷问题是一个多目标约束优化问题,采用集合论思想,将智能组卷的要求形式化,提出了一种基于改进遗传算法来进行智能组卷的方法.该算法针对传统智能算法组卷速度慢、成功率低的缺点,针对简单遗传算法的编码、遗传算子存在的问题进行了改进.实验结果表明,改进的算法在保证试题产生的质量前提下,提高了智能组卷的运行速度,具有较好的实用性.     

基于遗传模拟退火算法的多约束QOS组播路由优化算法

组播路由问题在计算机网络中是著名的Steiner树问题,是NP完全问题.通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,首次提出了一个基于遗传算法和模拟退火算法的多约束组播路由优化算法,该算法在满足带宽、延时、延时抖动及包丢失率约束条件下寻找代价最小的组播树.