基于遗传算法的光学定晕优化

提出了一种基于改进的遗传算法的晕光（瞳刻划椭圆模型优化方法，并与传统的Gauss-Newton方法进行比较，表明用改进的遗传算法所得结果精度更高，而且克服了传统方法倚赖于接近最优点初值的不足。     

小生境遗传算法用于阵列天线方向图综合

基于共享函数的小生境遗传算法能克服基本遗传算法易于早熟和局部寻优能力较差等不足，使种群中的个体保持多样性，对这种小生境遗传算法的遗传参数进行部分改进，并将改进后的遗传算法用于线天线阵列的方向图综合．通过与传统的切比雪夫综合方法结果比较发现，该方法在低副瓣方向图综合以及零点形成方面都能得到不错的效果，为其进一步在其他形式天线阵综合中的应用打下基础．     

遗传算法与传统优化方法应用于电力负荷建模的比较研究

将遗传算法应用于电力系统综合负荷建模．以三阶感应电动机为综合负荷模型,以待辨识参数为未知向量,以系统实测与模型响应误差平方和为目标函数;以随机初始种群为基础进行交叉一变异一选择运算并产生下一代种群;通过若干代进化即可获得具有足够精度的辨识结果．通过实验数据将遗传算法与传统模式搜索算法的建模结果比较,表明遗传算法所得模型的描述精度比模式搜索法高10倍,其模型参数呈现很好的稳健性,从而有效地克服了传统优化方法的模型参数分散性。     

改进的量子遗传算法在冷连轧机负荷分配中的应用研究

量子遗传算法可以克服常规遗传算法迭代次数多、易陷入局部极值的缺点,本文研究并改进了量子遗传算法的量子门旋转角度更新策略,提高了量子遗传算法的性能.应用标准函数测试表明,改进后的量子遗传算法收敛速度快,全局寻优能力更强.将改进的量子遗传算法应用于冷连轧机的负荷分配优化过程,根据Bland-Ford轧制理论以功率和轧制力均衡分配为目标建立综合目标函数,试验数据对比证明,量子遗传算法优化所得的轧制参数比经验分配和常规遗传算法优化所得结果更为合理,符合轧制工艺要求.因此,利用量子遗传算法对冷连轧机进行负荷分配优化是一种有效可行的新方法.     

基于改进的网格搜索法的SVM参数优化

比较了现今应用比较广泛的3种支持向量机(SVM)参数优化方法.具体分析了网格法、遗传算法和粒子群算法在SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法.先在较大范围内进行搜索,在得到的优化结果附近区域再进行精确搜索.实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法.结果 表明改进的遗传算法具有直观、简便、快速及适应性强等特点.     

基于混合粒子群算法的道路网络优化研究

道路网络的优化是建立可持续发展交通运输系统的重要环节。从投资费用、可靠性和对环境的影响等3个因素综合考虑,构建了多目标道路网规划模型。将混合粒子群优化算法引入到道路网规划中,克服了传统优化方法易陷入局部最优和维数灾难等弊端,并应用微分进化算法确定混合粒子群的参数。通过算例求解验证表明了该方法的可行性和有效性,同时,与采用遗传算法所得结果进行比较,得知粒子群优化方法的搜索时间短而且优化结果更接近最优解。     

基于遗传算法的一种小型塔康信标天线设计

提出了塔康信标天线阵心脏形方向图形成的一种新方法，并利用遗传算法对这种天线阵的结构进行优化，得出了比现有资料所给出的天线阵更为优越的新天线阵。     

基于改进遗传算法的PID型励磁系统控制器(英文)

提出了一种新型PID型励磁控制器,采用一种改进的遗传算法优化其参数,不仅克服了参数设计的主观性,且可以提高优化速度.计算结果表明,这种改进遗传算法的搜索速度与精度均优于试探法和标准遗传算法.与传统控制器的仿真比较表明,采用改进遗传算法优化的PID型励磁控制器对于电力系统动态特性具有较好的控制作用.     

基于改进遗传算法的水污染控制系统规划

针对水污染控制系统规划,建立了对应的非线性规划模型,该模型可适用于具有污水处理与利用的一般系统.由于模型具有高度的非线性,提出一种改进的遗传算法来进行求解,该算法可弥补传统非线性规划算法无法获得满意效果的不足,克服基本遗传算法容易早熟的弱点.实例表明所提出的改进遗传算法具有良好的局部与全局优化性能,适于复杂模型的优化问题.同时提出了对约束条件处理的方法,该方法可应用于其他类似问题的求解.     

考虑互耦的改进型Vivaldi天线阵列优化设计

设计了一种改进的Vivaldi天线,采用基于指数和椭圆的混合渐变线方法,实现了天线的小型化设计,同时具有超宽带的性能。将该天线沿x轴组成了一个8元直线排列的天线阵列,采用有源单元方向图方法来考虑天线单元间的互耦,得到的阵列方向图与全波模拟结果吻合很好。与微分进化-连续蚁群优化算法的混合算法相结合,通过调整单元的激励幅度,实现了方向图的综合。与切比雪夫综合方法相比,可以获得更低的副瓣电平,同时减小了全波模拟的计算次数,节省了优化时间。     

基于遗传算法的DOA估计

针对阵列天线上对多个远场信号源入射方向、功率估计问题 ,提出了一种基于实数遗传算法的解决方法 .通过增加合并算子 ,使遗传算法成为解决此类问题的有效方法之一 .仿真实验获得了良好的结果 .这一算法无需进行特征值分解 ,减小了计算量 .     

天线阵列的双正交模分析法

提出一种新型分析天线阵列的方法，该方法利用模式理论，结合阵列特点选取每个阵元的双正交模函数组为整个阵列矩量法的分域展开函数和加权函数，考虑耦合性较强那部分互耦矩阵，产生稀疏阻抗矩阵，进行运算得到所需特性。分析了天线阵列和散射体阵列特性，计算结果与传统矩量法相比一致性较好。方法既保持了传统矩量法的精确性，而且概念清晰，节约存储空间，提高了计算效率。     

基于Chebyshev神经网络的非线性动态系统预测

针对非线性动态系统的预测常受到噪声或其他过程的耦合影响,使得规律变得难以发现的问题,提出了以一组Chebyshev正交基函数作为神经网络中各隐神经元的激励函数的新型的Chebyshev基函数神经网络预测模型.将该模型作为非线性动态系统预测模型,并采用基于粒子群和模拟退火组成的文化基因算法优化神经网络的权值,可以达到很高的预测精度和很好的预测结果.Chebyshev神经网络与传统的BP(back propagation)神经网络相比,工作量大大减少,加快了收敛性.文化基因算法用于确定权值的Chebyshev神经网络分别与粒子群和模拟退火优化的Chebyshev神经网络相比具有更好的拟合效果.     

基于互相关矩阵的二维传播算子实值算法

为提高传播算子算法在低信噪比下的波达方向（direction of arrival,DOA）估计性能,降低计算复杂度,提出了一种基于互相关矩阵的二维传播算子DOA估计实值算法（UC-PM）.该算法通过构造新的互相关矩阵代替阵列接收数据矩阵,抑制了噪声分量的影响,并且保持了传播算子算法计算量小的优点,利用线性运算代替特征分解求得旋转不变关系矩阵.同时,为进一步降低算法计算量,利用酉变换思想构建新的实数域旋转不变关系,将特征分解和最小二乘问题实数化.仿真结果和计算复杂度分析表明,新算法在低信噪比下的估计性能优于传统二维传播算子算法,接近于二维ESPRIT算法,且其计算复杂度远小于二维ESPRIT算法,实时性好,具有良好的实用价值.      

三角函数选择算子的遗传算法在梯级水库优化调度中的应用

针对遗传算法求解水库优化调度时传统选择算子无法克服适应度非负问题,提出了一种三角函数选择算子遗传算法的梯级水库优化调度求解方法,并通过实例对正弦函数轮盘赌选择与单纯轮盘赌选择的自适应遗传算法做了比较．结果表明,由于基于正弦函数的选择算子克服了轮盘赌对适应值非负的要求,非常适用于求解水库优化调度,且能够很好地保持种群多样性,因此在进化后期能够找到更加优良的解．在实例的选择上,选用“以水定电”的三峡梯级调度模型,并采用由大量实测资料建立的三峡出库流量和葛洲坝入库流量变系数线性回归方程来处理水库间流量传播问题．本文提出的梯级水库优化调度求解方法,有效地改善了遗传算法的收敛性能,而且由于考虑了流量演进,提高了模型精度,具有较高的实用价值．     

用混合编码遗传算法实现匹配追踪算法

在分析总结浮点数编码和格雷码编码各自特点的基础上,提出了一种用浮点数和格雷码混合编码的遗传算法来实现匹配追踪算法.该算法有机结合了遗传算法和匹配追踪算法的优点,不仅能够得到较高精度的最佳匹配参数,而且有效地降低了计算量,克服了匹配追踪算法由于计算量太大而不能广泛应用的缺点.计算机仿真结果表明,该算法提取相位的精度和提取时间均有明显改善,证实了该算法的准确性.最后,将该算法应用于转子实验台的冲击信号特征提取中,提取结果证明了它的实际应用价值.     

新型的融合优化算法及其在电力系统中的应用

提出了一种新型的融合优化算法,该算法结合了遗传算法(GA)的复制、交叉、变异操作以及粒子群优化算法(PSO)的个体速度和位置更新的原理,并将混沌的概念引入其中,它的性能要优于GA和PSO.在标准测试函数上进行了仿真比较,验证了新型算法的有效性.最后,这种新的融合优化算法被应用到了电力系统最优潮流的计算中,对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法进行比较,结果表明新型的融合优化算法具有更好的优化性能.     

基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计

针对传统算法进行DOA估计时因删除重复虚拟阵元而造成有效信息损失、估计性能不佳等问题,提出基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计算法。首先,将一组密布均匀线阵和一组稀疏均匀线阵分别以零点为中心对称排列,构成单基地MIMO雷达的发射阵列和接收阵列,将传统的虚拟阵元由“差联合”结构变成对称“和联合”结构形式,提高了系统的自由度、降低了阵元互耦,并将其应用于非相干目标和全相干目标DOA估计;其次,向量化样本协方差矩阵,将“和差联合”阵列重复的虚拟阵元进行冗余平均处理后重构Toeplitz矩阵;最后,结合MUSIC算法进行非相干目标DOA估计,有效提升了目标估计个数和角度估计性能。仿真实验验证了阵列结构和算法的有效性。