复杂机动动作最优航迹控制模型及操纵特性分析

为了提高驾驶员对机动动作的控制能力,从驾驶员操纵角度避免机动动作过程中的风险,提出以控制量变化率作为优化参数的机动动作最优航迹控制模型.将机动动作划分为彼此相连的轨迹片段,轨迹片段划分合理,则每个轨迹片段具有相同的控制量变化率,控制量变化率不但能够给出机动动作控制量的输入,更重要的是能够反映机动动作过程中驾驶员操纵的快慢程度.使用小生境稳态遗传算法(niching steady-state genetic algorithm,niching SSGA)对最优航迹控制模型进行求解,求解结果为机动动作最优控制量变化率序列,以该序列对应的控制量作为机动动作的输入,能够实现一个标准的机动动作.仿真实验部分以典型纵向机动动作斤斗及横侧向机动动作桶滚为例进行分析,研究了两类动作的最优控制量变化率序列,并对两类动作的操纵特性进行了分析.     

基于小生境遗传算法的YKK系列高压电机优化设计

为了使YKK系列电机最终实现高效节能的目的,并且满足生产实际中所提出的各种约束要求,引入了小生境遗传算法进行电机的优化设计.针对中型高压电机定子成型线圈的结构以及三圆尺寸相对固定的实际情况,对小生境遗传算法进行相应的改进,有效地避免了优化算法易于局部收敛的问题.结果表明:与初始方案相比较,电机的设计结果满足了高效电机所提出的技术指标.并且电机的体积得到了缩小,节约了电机的有效材料.证明了改进的小生境遗传算法的可行性及优越性,并具有工程实用价值.     

动态小生境半径两阶段多模态差分进化算法

针对多模态优化问题, 提出一种动态小生境半径两阶段多模态差分进化算法. 基于构象空间退火思想, 设计一种两阶段退火策略来动态调整小生境半径, 并根据退火过程将整个优化过程分为两个阶段. 在第1 阶段, 通过差分限制变异策略生成高质量的新个体来维持种群的多样性, 促进多模收敛; 在第2 阶段, 利用种子邻近变异策略对已探测到的生境高度搜索, 加快算法的收敛速度. 实验结果表明, 所提出算法能够有效实现从全局探测到局部增强的自适应平滑过渡, 是一种有效的多模态优化算法.

     

Finding multiple solutions in job shop scheduling by niching genetic algorithms

The interest in multimodal optimization methods is increasing in the last years. The objective is to find multiple solutions that allow the expert to choose the solution that better adapts to the actual conditions. Niching methods extend genetic algorithms to domains that require the identification of multiple solutions. There are different niching genetic algorithms: sharing, clearing, crowding and sequential, etc. The aim of this study is to study the applicability and the behavior of several niching genetic algorithms in solving job shop scheduling problems, by establishing a criterion in the use of different methods according to the needs of the expert. We will experiment with different instances of this problem, analyzing the behavior of the algorithms from the efficacy and diversity points of view.     

自适应小生态遗传算法的理论分析和加速技术

提出了联赛选择和相似个体概率替换的自适应小生态遗传算法，建立了小生态生长的动力学模型．平衡态理论分析和仿其实验表明，概率联赛小生态技术选择能够形成和维持稳定的子种群．提出了种群聚类分割和单纯形搜索的并行局部搜索算于，定性地分析了其搜索性能．对复杂多峰问题的优化结果表明，结合概率联赛选择和并行局部搜索算子的小生态遗传算法不但能够快速可靠地收敛到全局最优解，且能并行地搜索到多个局部最优解，其收敛速度和全局收敛可靠性均显著地优于简单遗传算法和其它小生态方法．     

基于并行小生境技术优化的智能模糊聚类图像分割算法

利用PBM模糊聚类有效性函数以图像特征空间为搜索空间,实现有效性函数的全局寻优,用并行小生境技术解决粒子群(PSO)算法的早收敛问题,优化聚类的全局收敛性能,实现有效聚类数目与聚类中心的并行寻优。通过对遥感图像分割的实验证明,与传统粒子优化群算法的分割结果相比,本文算法拥有更高的有效性且分割效果更优。     

一种改进的小生境微粒群算法

在微粒群算法中引入“基于密度”的聚类算法,构建出一种改进的小生境微粒群算法.该算法组合了两种方法来实现小生境的思想:第一,采用多种群策略,初始化产生一个没有子微粒群区分的主微粒群D0后,在对D0迭代执行lbestPSO算法的同时,允许其中动态产生不相同的子微粒群Di(i≥1);第二,子微粒群的产生采用一种“基于密度”的聚类算法,如果两个个体之间的距离小于一个给定的极值σdist,则将这两个个体联系起来归入一个聚类簇,当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境.用这种算法能够产生大小和形状不同的小生境,与生物学中地理小生境具有多种形状的事实相符合,也克服了NichePSO算法只能以某一微粒为中心产生圆形小生境的不足.对3个常用的基本测试函数的测试实验表明,这种改进的小生境微粒群算法在多峰函数寻优中性能优于标准PSO和NichePSO.     

基于小生境遗传算法的粒子滤波算法

重采样是解决粒子滤波退化问题的主要方法,重采样的基本思想是采取复制保留权值较高的粒子,删除权值较低的粒子,而这导致了粒子多样性的减弱,特别是在样本受限条件下,甚至导致滤波发散。针对上述问题,提出改进的粒子滤波算法,将Mean Shift与粒子滤波融合,在重采样部分引入小生境遗传算法,提高粒子的多样性,避免粒子退化。实验表明,改进后的算法状态估计精度更高,效果更好。     

A New Method for Evolving Artificial Neural Networks Using Genetic Algorithm

1 Introduction The artificieavlolutionof neuralnetworks using geneticalgorithmshas shown greatpromise in com - plexreinforcementlearningtasks[1],so there have been many neuroevolution(NE ) algorithms. In traditional NE approaches,a topologyischosen forthe…     

基于小生境混沌遗传算法的水资源优化调度

水资源调度具有多目标、大规模和不确定性等特点,利用混沌遗传算法求解水资源调度问题,在一定程度上避免了局部优化并提高了求解速度,但由于损坏了种群多样性导致求解精度较低.为此提出了基于小生境的混沌遗传算法(NCGA),该算法通过小生境技术保留源中心个体的方法保护了种群多样性,同时利用混沌的随机性、遍历性及规律性与遗传算法的快速收敛性相结合,从而使该算法提高了求解速度和求解精度.将该算法应用到水资源优化调度模型中,仿真结果验证了该算法比混沌遗传算法能更合理高效地分配水资源,达到了综合效益最大化.