一种自动目标识别算法参数的优化方法

提出了一种基于试验设计方法学的响应曲面模型方法，用于建立算法的性能模型．将一种小群体自组织的遗传算法用于算法参数的优化．遗传算法的改进，使得结构更加合理简单，收敛速度明显加快．实验结果表明，所提出的方法能够随着场景条件的变化较好地调整算法参数，从而有效地提高了算法性能．     

一种使用遗传睡法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法，设计人员只需设置性能数或适值函数，而模糊规则的数目，隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成。描述了一种具有局部优化机制的遗传算法，给出的应用实例表明算法具有良好的适用性。     

一种新型的遗传算法在图象阈值处理中的应用

提出了将自寻优标准遗传算法用于阈值处理的思路与方法,论证了实施该方法的可行性,并针对此算法的不足之处提出了一种新的改进型遗传算法。仿真结果表明,新算法的计算速度不仅明显优于前者,而且为自动选择阈值参数提供了简单有效的方法。     

一种结合遗传算法和LM算法的摄像机自标定方法

提出了一种遗传算法和LM算法相结合的摄像机自标定方法。首先利用遗传算法获得若干组摄相机内外参数的初始值,接着利用LM算法对每一组参数进行优化,然后选取映射误差最小的那组参数。如果这组参数的映射误差满足要求,则将这组参数作为摄相机标定的最终结果;否则利用遗传算法对刚才得到的若干组参数进行交叉和变异操作,再利用LM算法优化每一组参数,直至映射误差满足要求。最后将摄像机标定结果用于视差估计,以判断标定结果的正确性。实验结果表明,提出的结合LM算法和遗传算法的摄像机自标定方法是正确有效的。     

遗传算法优化性能评价准则研究

为了克服传统遗传算法优化性能评价准则（如在线性能、离线性能）忽略随机因素对算法的影响，从而不能准确评价算法性能的缺点，提出了一种基于平均偏离距和偏离距标准差的新的遗传算法优化性能评价准则，给出了平均偏离距和偏离距标准差的数学定义，并分析了它们的泛函意义．由于平均偏离距和偏离距标准差采用遗传算法多次运行结果的统计参数来评价算法的性能，因此能够较好地消除随机因素对算法性能的影响．同时，应用所提出的评价准则研究了二进制码和格雷码对遗传算法优化性能的影响．基于F2函数的数值实验结果表明，与二进制码相比，格雷码的平均偏离距和偏离距标准差指标都比较低，因此能够更好地提高遗传算法的优化性能．     

一种基于遗传算法的模糊聚类

对模糊c均值聚类算法（FCM算法）进行了讨论，说明FCM算法一般得不到全局最优分类，因此结合FCM算法提出了用遗传算法进行寻优求解，从而将遗传算法用于模糊聚类分析，最后的实例表明，遗传算法在处理多样本、多属性、多类别问题时，是一种有效的方法。     

基于改进遗传算法的Flow Shop调度算法研究

给出了Flow Shop调度问题的数学模型，介绍了三种用于求解该问题的启发式算法，根据普通遗传算法与启发式算法的互补特性，提出了结合两者各自优势的改进遗传算法．通过两个不同规模的经典算例对算法的优化性能进行了对比分析，结果表明，采用了保优策略的改进遗传算法的搜索能力优于启发式算法及普通遗传算法，并具有较强的鲁棒性．     

一种使用遗传算法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法．设计人员只需设置性能指数或适值函数,而模糊规则的数目、隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成．描述了一种具有局部优化机制的遗传算法,给出的应用实例表明该算法具有良好的适用性     

一种改进的边缘粒子滤波SLAM方法

提出了一种改进的同时定位与地图创建(SLAM)方法--遗传优化Marginal-SLAM算法用于机器人导航,将Marginal-SLAM算法与遗传算法相结合,继承了Marginal-SLAM算法权值方差较低的优点对粒子集进行优化,进一步提高了算法的综合性能.将地图视为模型的参数,并由递归极大似然估计法得到,位姿估计采用边缘粒子滤波方法求取.设计了一种与Marginal-SLAM算法兼容的遗传算法,融合最新的观测信息来优化粒子集,同时兼顾粒子集的多样性,提高了粒子集的性能.仿真实验表明,该遗传优化Marginal-SLAM算法在有效粒子数和权值方差方面都很好的表现,路径和地图估计的精度也有一定提高.     

基于实数编码的自适应伪并行遗传算法

根据适应度的方差，定义了一种度量种群多样性的指标。在实数编码遗传算法的交叉算子和变异算子中引入该指标，并将该指标用于指导交叉概率和变异概率两个参数的调整，从而使算法在计算过程中能够根据种群多样性的变化自适应地调整其参数。再采用并行计算的思想，在单台计算机上实现了一种类似并行遗传算法的自适应伪并行遗传算法。用这种方法对6个典型的多峰值函数求极值，并和其他方法进行比较，结果表明：所定义的种群多样性指标可以用于遗传算法的自适应调整，该算法具有较强的全局搜索能力和局部搜索能力，能够有效地克服早熟收敛问题。     

基于自适应PSO算法的机组优化组合研究

提出了解决电力系统机组优化组合问题的一种新的方法——自适应粒子群优化算法(APSO)．PSO算法能解决许多遗传算法能解决的优化问题，但却只需要一些简单的参数就可稳定收敛得到高质量的解．将该算法应用到IEEE10机系统中，结果表明该算法用于求解机组优化组合是有效可行的。     

基于正交试验和GA-SVM的硅胶发泡工艺参数优化

针对硅胶发泡工艺参数优选时存在的耗时、成本高和准确率低等问题,提出了一种基于遗传算法改进的支持向量机优化方法,该方法在正交试验的基础上利用遗传算法和支持向量机的优点,进行了极差、方差分析,建立了基于遗传算法优化的支持向量机模型GA-SVM,利用该模型对硅胶泡沫材料的表观密度进行了优化,并测试了优化后的硅胶泡沫材料微观结构、力学性能及阻燃性能。结果表明:将正交试验、遗传算法与支持向量机三者结合用于硅胶发泡工艺参数的优化可以明显提高发泡工艺设计效率,GA-SVM优化算法得到的预测值与实测值的相对误差在1.1%以内,且GA-SVM优化算法可获得比单纯使用正交试验更优的硅胶发泡方案,为硅胶发泡工艺参数优化提供了一种新的思路。     

一种用于MIMD平台的并行遗传／神经网络混合学习算法

本文提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应变形梯度学习算法集成起来。这种并行混合学习算法已经在ＭＩＭＤ平台实现了。通过把该算法用于二个图像识别领域例子，对它的性能进行了评估，本文学显示了所 拼行混合神经网络学习算法的良好的收敛性。     

基于遗传优化算法的二维漏磁缺陷重构

信号逆问题，即从测量信号中恢复出缺陷轮廓及其参数，是漏磁无损评估中的一个重要课题。提出了一种基于遗传算法的逆算法，用于从漏磁信号中重构二维缺陷。在该算法中，径向基函数（RBF）神经网络用作前向模型，遗传算法用于求解逆问题中的优化问题，其优点是能够避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题，并能得到逆问题的全局最优解。实验结果验证了所提出的逆算法的有效性。     

生物组织热物性参数辩识的遗传优化

基于探针测量生物体有限个温度点来辩识热物性参数的理论,提出利用一种混合遗传算法来优化生物组织热物性参数,该混合遗传算法是将标准遗传算法与模拟退火算法结合,不但增强了遗传算法的全局收敛性,而且使算法在进化后期有较强的爬山性能,加快了进化后期的收敛速度．     

优化和约束推理的动态分布式双向导遗传算法

为了解决优化和约束推理,基于向导遗传算法(GGA)和分布式向导遗传算法(DGGA),通过引入向导概率Pguid、本地优化监测LOD和权ε共3个新参数,提出了一种D3G2A算法的改进算法.该算法采用多代理方法,不仅使搜索过程多样化,避免出现局部最优,而且代理能计算各自的遗传参数.将改进的D3G2A和GGA用于随机生成的二元CSPs,实验表明,D3G2A能有效改善适应度值和节省CPU时间开销,使算法的性能得到提高.     

基于遗传算法的波分复用环网业务疏导

通过把波分复用环网中的业务疏导问题归结为组合优化问题，提出了一种基于遗传算法的业务疏导算法，该算法可用于单向环网或双向环网，并适用于任何类型的业务需求，数值结果表明，该算法的性能优于贪婪算法，总体和模拟退火算法相当，甚至在某些方向还优于模拟退火算法。     

基于改进遗传算法的PID参数整定

为了克服基本遗传算法收敛速度和寻优效果的不足,提出一种改进交叉和选择操作的遗传算法,并把它应用于PID控制器参数的优化中。仿真试验结果表明,该算法PID参数整定效果优于基本遗传算法,不仅解决了遗传算法存在的缺陷,而且提高了寻优精度和快速收敛性能。     

自适应并行遗传算法实现有源滤波器的设计

提出一种改进的自适应并行遗传算法,通过设计自适应算子自动调节交叉和变异概率,采用基于岛屿交换模型实现多种群间信息交换,提高了种群的多样性和健壮性.将该方法用于滤波器的参数优化设计,给出4阶切比雪夫低通滤波器的设计结果,比较各种算法的性能,证明该算法收敛速度快,精度高,有效地克服了早熟现象.     

水文模型参数识别算法研究及展望

就国内外水文模型参数识别算法的最新进展做了较为详细的阐述，特别对各种编码的遗传算法、单纯形混合加速遗传算法、模式搜索混合加速遗传算法、模拟退火混合加速遗传算法等现代优化算法在流域水文模型参数识别中的应用进行了研究，并与传统方法进行了比较；通过比较水文模型各参数优选方法的特点，认为混合加速遗传算法SHAGA,HJHAGA是一种较好的方法，具有较高的应用价值；同时对水文模型参数识别算法的发展前景进行了展望.