基于拟下降方法的遗传算法及其收敛性

在遗传算法中嵌入一个传统下降算子,且保留最好个体,利用最好个体的记忆信息对搜索过程进行指导,从而得到既有较快收敛速度,又能以较大概率得到全局极值的用于函数全局优化的混合算法.定义了适当的适应度函数和子代个体的选择算子,且从拟下降观点证明了算法的收敛性.数值计算结果表明了本算法显著优于遗传算法和传统下降算法.     

基于改进GA和OTSU的图像分割算法

图像分割是图像处理、模式识别和人工智能等多个领域中一项关键技术.文章利用改进遗传算法与改进OSTU算法相结合对二维图像分割进行了全局优化,使算法在保持群体多样性的同时加快收敛速度,提高算法全局收敛的稳定性,实现了图像的自动最佳阈值的分割.     

基于捕食机制的元胞遗传算法

提出了一种基于捕食机制的元胞遗传算法,当优化复杂多模函数时,该算法进一步提高了全局探索能力.算法通过模拟生态系统捕食与被捕食之间的相互关系,采用捕食机制替代元胞遗传算法中的演化规则,使得遗传个体生存与死亡状态的演化既与其适应度相关,又与邻域内捕食及被捕食个体密度相关,并通过群体规模控制策略维持捕食与被捕食群体间的个体数目动态平衡,实现了全局搜索与局部寻优之间更好的协调与均衡. 对典型的多峰函数进行优化的实验结果表明,该算法在抑制早熟收敛以及提高全局收敛率方面获得了明显的优势.     

基于遗传算法的BP神经网络对农业产业的分析预测

农业产业总值的准确预测对农业产业的优化和改善具有重要的意义.以遗传算法优化的BP神经网络建立农业产业总值的预测模型,该模型结合遗传算法和BP神经网络两者的优点,既有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.采用该算法对农业产业总值进行预测,并与实际值进行对比分析.结果表明,该算法收敛速度快,预测精度高,具有较高的可靠性和适用性.     

基于免疫遗传算法的入侵检测器的生成模型

在分析了基于人工免疫的检测器的生成算法基础上,结合十进制数编码的遗传算法进行了优化设计,建立了一个基于免疫遗传算法的入侵检测器的生成模型,融合了人工免疫,遗传算法等多种智能技术.重点研究检测器的进化阶段,采用的是十进制对问题进行编码,能在短时间内搜索到高精度的全局最优解,而且稳定性也非常好,因此提高了检测器的多样性,高效性以及其适应度水平.并对模型性能进行分析,该模型可以对未知入侵行为和已知入侵行为以及其变种进行有效的识别.     

一种求解H2/H∞控制问题的局部正交多目标遗传算法

针对H2/H∞多目标控制问题的求解,提出一种新的混合多目标遗传算法,以解决遗传算法局部搜索能力差的不足.此算法首先运行多目标遗传算法,以便使解集快速地达到Pareto最优解附近,然后运用一个新的局部优化算法对先前得到的外部Pareto解集进行进一步的局部优化.实例仿真表明,此算法有较强的全局和局部搜索能力,可以提高搜索的效率,适用于绝大多数H2/H∞多目标问题的求解.     

改进遗传算法及其在平面度误差评定中的应用

针对平面度误差评定的特点,提出了一种新颖的基于实数编码的改进遗传算法.该算法采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子,算法简单、鲁棒性强,优化效率高.同时给出遗传算法评定平面度误差时目标函数数学模型的建立方法.最后,通过不同评价方法对同一平面的平面度误差进行评定,结果证明该方法不仅能收敛到全局最优解,而且具有较快的收敛速度.     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．     

基于遗传禁忌混合算法的静态电压稳定裕度计算

提出一种基于遗传禁忌混合算法的静态电压稳定裕度计算的新方法．该方法将全局搜索能力强的遗传算法和局部搜索能力强的禁忌搜索算法结合在一起，通过改进的连续潮流法计算，可快速而准确地获取系统最大静态电压稳定裕度，并在一定程度上弥补遗传算法和禁忌搜索算法单独使用的不足．应用该混合算法对IEEE14节点系统进行仿真计算，验证了该方法可行且有效．     

基于免疫聚类和遗传算法的RBF网络设计方法

基于人工免疫机制和遗传算法,提出了一种训练径向基函数(RBF)网络的混合算法.该算法采用了一种可以实现数据聚类的人工免疫机制根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用遗传算法训练RBF网络,能够使优化过程趋于全局最优.将该方法用于多用户检测问题的实验结果表明,采用这种混合算法训练的RBF网络结构精简,具有很好的抗多址干扰的性能.     

认知无线电中基于Shapley值的自适应加权协作感知算法

认知无线电作为一种先进的技术,它可以通过有效利用未被主用户使用的频谱来提高频谱的利用效率.现有的线性加权协作频谱检测算法在一定程度上提高了频谱检测的性能,然而当单节点频谱检测性能急剧下降时会引起全局检测性能的恶化.基于此,我们提出了一种基于Shapley值的自适应加权的合作频谱检测算法来提高全局检测性能,并在加性高斯信道(AWGN)和瑞利衰落(Rayleigh)信道下对该算法进行了仿真验证.结果表明,该算法比传统检测算法性能提高20%以上,具有很好的应用前景.     

对一维守恒律的一种局部时间步长自适应网格方法

为了更有效的解决非线性双曲守恒律问题，例如，前锋问题，经常需要在物理区域的一个小的部分要求细的网络．然而，这种局部细的网格导致可允许的时间步长很小，对于实施典型的显式时间离散，这个时间步长取决于一个整体的CFL时间步长．该文针对一维非线性双曲守恒律问题，发展了一个有效的局部时间步长自适应网格重新分布(AMR)算法．这个方法受限于一个局部的CFL条件而不是传统的整体CFL条件．使用所建议算法，几个测试问题被计算．与非局部时间步长算法相比，在特定的形式下能有意义的提高时间步长的有效性．数值依据沦证了我们方法的精确性．     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

一种基于网络安全控制的蜂群算法应用研究

本文基于网络安全控制的蜂群算法（BCA），针对该算法中的不足之处基于Boltzmann选择机制提出了一种改进的基于网络安全控制的蜂群算法（BBCA）用来优化多变量函数．研究证明该算法能够在充分保证群体多样化的同时加速整个算法的收敛速度，从而提高算法的全局收敛率．     

关于变量区域适时变动下的总极值问题

为了解决初始区域估计不妥及总极值在区域边界上达到等问题,讨论了变量区域适时变动的性态^[1].经过实算证实,它在解决无约束及有约束总极值问题时是很有效的^[2~3].     

一种基于CUDA的局部敏感哈希算法

传统的局部敏感哈希算法建立哈希表时往往需要较大的内存空间以及较长的建立时间. 在查询阶段,查询样本K个最近邻数据项的所需时间超过整个运行时间的95%. 针对这些问题,运用计算设备架构将局部敏感哈希算法移植至图形处理器,并用多线程并行计算数据项的哈希值来建立哈希表. 查询阶段在全局内存中引入基于工作队列的多样本查询,以提高算法的运行效率. 实验结果表明,所提出的算法与传统的局部敏感哈希算法相比,能在不降低运算精度的情况下将运算速度提高近12倍.     

基于自适应权重的粒子群和K均值混合聚类算法研究

针对K均值聚类算法存在的缺点,提出了一种基于自适应权重的粒子群优化(PSO)和K均值混合聚类算法.该算法在运行过程中通过引入非线性动态惯性权重系数,提高了混合聚类算法全局搜索能力和局部改良能力,并根据群体的适应度方差来确定K均值算法操作时机,增强算法局部搜索能力的同时缩短了收敛时间.将该算法与K均值聚类算法、基本PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,表明该算法不仅能有效地克服陷入局部最优,而且全局收敛能力和收敛速度都有所提高.