基于Matlab的GA-BPNN遥感图像分类

在高原山地等地类复杂地区,传统遥感分类方法和标准BP神经网络分类方法存在一定的局限性,提出了基于Matlab的遗传算法优化的BP人工神经网络遥感图像分类方法。以Matlab神经网络和遗传算法工具箱为平台,在对数据源进行主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目和初始权重,并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出。结果表明,该方法分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性。     

文本特征抽取中基于基因集编码的遗传退火算法

采用基因集的形式对传统遗传算法的编码方式进行改进,再引入模拟退火的思想,提出一种基于基因集编码的遗传退火算法的文本特征抽取方法（GSGAA）,并与遗传算法（GA）和模拟退火GA算法（SA-GA）进行比较实验。结果表明,GSGAA算法用于文本分类的特征抽取所得出结果的正确率和执行时间都比采用单基因进行编码的GA算法和GA-SA算法好,具有一定的应用价值。     

遗传算法数学机理分析

对遗传算法（或基因算法）进行了较详细的分析与论述,包括SGA一般模型,GA模式定理,并利用齐次有限Markov链证明了SGA的非全全局收敛性和OMSGA的全局收敛性。     

改进的Hausdorff距离和遗传算法在图像匹配中的应用

研究模板和图像间的有效匹配,将部分Ｈａｕｓｄｏｒｆｆ距离的计算进行改进,提出一种改进的部分Ｈａｕｓｄｏｒｆｆ距离作为检测模板和图像中物体轮廓相似性的测试,可以较大地减少计算量,同时把遗传算法引入图像匹配识别,由于遗传算法的高并行性和鲁棒性,可以较快地完成全局搜索,而不会陷入局部最优,因此该算法和改进的Ｈａｕｓｄｏｒｆｆ距离相结合能有效地检测出具有平移、旋转和尺度变化的物体,该方法可以应用于实际图像识别和匹配中。     

基于增量式遗传算法的粗糙集分类规则挖掘

从规则获取和优化两个方面研究了基于遗传算法(GA)的增量式粗糙集分类规则挖掘方法．通过研究决策表和决策规则系数，建立了基于粗糙集表示和度量的知识理论，将GA和粗糙集分类规则挖掘算法相结合，在保持原有知识完备的前提下，利用GA对以增量形式获得的分类规则进行优化，获取最优分类规则．试验结果表明，执行增量式GA所需时间较执行一般GA所需时间要少，可有效完成分类规则优化的任务，同时还可提高分类的精度，使分类结果具有更好的可理解性．     

卫星云图云分类的一种综合优化聚类方法

为了改进和提高目前卫星云图云分类中客观性、定量性和自动化程度的不足,运用遗传算法（GA）全局寻优、模糊C均值聚类（FCM）局部寻优、模糊减法聚类（FSC）客观估算聚类数等优势互补的思想和途径,进行卫星云图的云分类判别。试验结果表明,综合优化方法（FSC-GA-FCM）的云分类效果明显优于单一的FCM和GA算法,可有效弥补FCM和GA算法在云分类中存在的不足,可运用于实况云图的云分类客观、自动判别。     

基于混合遗传算法的图像分割识别方法

本文基于遗传算法（GA）与共轭梯度法（CG），提出了一种混合算法，将其用于图像分割问题寻求最佳阈值，该方法具有遗传算法的全局搜索能力和共轭梯度法的强大局部搜索的特点。试验结果表明，新算法具有快速收敛性和全局最优性。     

基于改进遗传算法的足球机器人自定位方法

为解决中型组比赛环境下足球机器人的自定位、绑架和跟踪问题,提出一种基于改进遗传算法的机器人自定位方法.首先建立根据图像上白线点与模型地图对应点距离之和最小来评定目标函数的遗传算法数学模型;然后在遗传算法的全局自定位基础上,利用梯度优化算法局部修正主位姿,以提高自定位的精度和算法的鲁棒性;最后针对绑架和跟踪,提出机器人运...     

遥感影像的神经网络分类及遗传算法优化

针对传统遥感影像分类方法难以辨识波谱特性相似的地物,而标准反向传播学习(back propagation,BP)神经网络分类方法存在网络训练速度慢、局部极值等收敛性问题,探讨了采用遗传算法(genetic algorithms,GA)优化BP网络结构方法进行遥感影像分类.在BP网络分类的基础上,着重阐述了遗传算法实现BP网络隐含层神经元数、阈值和连接权值的优化方法,提出了遗传算法的变长实数编码方式,改进了遗传进化方式使BP网络进化达到最优.最后,以淀山湖区域的陆地卫星专题制图仪(Landsat thematic mapper,TM)影像分类为例,应用本文改进算法与其他分类方法进行了分析比较,得到了较高的分类精度,验证了采用遗传算法优化神经网络的可行性和有效性.     

基于多目标遗传算法的模糊分类系统设计

提出了一种基于多目标遗传算法的模糊建模方法,实现了具备最大分类精度、最少特征变量和模糊规则数目的模糊分类系统的设计.首先,为缓解维数灾难问题,采用多目标遗传算法进行特征变量的选择和论域的模糊划分,构造基于栅格划分的初始模糊分类系统.然后为减少规则数目,提高模糊系统的解释性,采用遗传算法进行规则选择,得到具备较少规则数目的精简模糊分类系统.最后为提高精确性,采用约束遗传算法对精简模糊分类系统进行整体优化,在解释性不变的前提下,提高模糊分类系统的精确性.Iris和W ine分类系统的仿真,验证了该方法的有效性.     

一种采用"部落通婚"策略的遗传算法

受古代"部落通婚"现象启发,提出了一种新的多种群遗传算法的种群间迁移策略,并以此构造了一种采用"部落通婚"策略的遗传算法.为了验证该算法的有效性,考察了分类BP网络的训练问题和典型测试函数的优化问题.模拟结果表明,这种改进的遗传算法能有效地避免"早熟"现象,其收敛精度和收敛速度比标准遗传算法和通常的多种群遗传算法有一定程度的提高.     

基于遗传退火算法的解相关多用户检测器

多用户检测技术是第三代移动通信系统码分多址(CDMA)中的一项关键技术。在多用户检测中求解最佳矢量问题可以转化为在遗传算法中求解具有最高适应度函数的问题。文章提出了一种基于遗传退火算法的解相关多用户检测,该算法将模拟退火(SA)引进到遗传算法(GA)中,通过退火来减轻遗传算法的选择压力,利用退火法的爬山性能,改善了遗传算法的性能。仿真表明,该多用户检测器在抗多址干扰以及抗远近效应的能力方面均优于解相关检测器。     

遗传算法解TSP问题的并行实现

遗传算法是一种概率搜索算法,其本身固有并行性。目前,人们正不断地致力于把遗传算法应用于各种并行机器上。在基于工作站机群技术上,构架了一种粗粒度并行遗传算法,并在MPI并行环境下,用4台PC机测试了一个解决TSP问题的粗粒度并行遗传算法。该并行遗传算法可以更好的保护优秀个体从而提高遗传算法的收敛性。     

改进麻雀搜索算法优化支持向量机的井漏预测

在钻井过程中,受地质环境,钻井技术等多种因素的影响,容易发生井漏事故。为预防井漏事故,减少因钻井事故带来的损失,本文提出了一种改进麻雀搜索算法（ISSA）优化支持向量机的井漏预测方法。首先,在发现者位置更新公式中引入了一种改进的自适应非线性惯性递减权重,提高算法全局搜索能力; 其次,在警戒者位置更新公式中引入莱维（Levy）飞行策略,减少算法陷入局部最优的风险。为验证改进算法的寻优能力,将麻雀搜索算法（SSA）、遗传算法（GA）、灰狼算法（GWO）以及改进的麻雀搜索算法（ISSA）在8个基准测试函数上做了对比实验。实验结果表明,改进的麻雀搜索算法（ISSA）在寻优精度,稳定性等方面都较其它算法更为优异。最后,将改进的麻雀搜索算法用于优化支持向量机（ISSA-SVM）的惩罚参数 和核参数 ,进行井漏事故的预测。结果表明,ISSA-SVM预测准确率为97.7654 ,相比于麻雀算法（SSA）-SVM、遗传算法（GA）-SVM以及灰狼算法（GWO）-SVM预测准确率都高,且收敛速度快,迭代次数少,能够高效、快速预测井漏事故,提高钻井效率和可靠性。     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

时间序列预测及在汇率市场中的应用

遗传编程(GP)和基因表达式编程(GEP)是在遗传算法的基础上发展而来的遗传算法的新分支,它在个体的表示、个体的处理和结果的形式等方面与传统遗传算法有着显著的区别和优势.本文针对汇率市场对象的特点,分别研究了用遗传算法,遗传编程,基因表达式编程进行预测,取得了满意的效果.     

一种改进的求解RACP问题的路径重连方法研究

讨论了在规定时间内以最小资源代价完成一项工程调度的问题(RACP),这是一个NP-Hard问题。现有文献针对RACP问题的研究较少,并且主要的求解方法是将RACP问题转化为若干个资源受限下的项目调度问题(RCPSP)。采用活动列表AL(Activity List)编码方案,引入路径重连方法直接对RACP问题进行优化;并针对路径重连的参考级更新过程进行改进。最后,基于PSPLIB测试用例库设计了算例,并与遗传算法进行了结果比较。实验结果表明基于改进的路径重连算法能够非常有效的求解RACP问题,且运行效果明显优于遗传算法。     

一种新的遗传算法停止准则

遗传算法因其思想简单、易于实现及不需要目标与约束函数的灵敏度信息等优点而越来越受到国内外广大学者的关注。本文以基于空间收缩的多种群遗传算法中搜索空间的收缩精度作为算法停止准则，并与传统的控制算法收敛的方法进行比较分析，实验表明本文算法停止准则能够及时准确地控制算法收敛，较之传统方法更具科学性和有效性。     

一种改进遗传算法及应用

提出一种改进遗传算法．它是以实数编码，采用自适应Pc、Pm与固定的Pc、Pm相结合，引入生物进化编程（EP）思想，利用不同形式的评判函数，完成遗传操作．实验表明，该改进遗传算法具有快速、有效的特点，提高了GA的优化能力．     

A software pattern of the Genetic Algorithm

The Genetic Algorithm (GA) has been a pop research field, but there is little concern on GA in view of Software Engineering and this result in a series of problems. In this paper, we extract a GA’s software pattern, draw a model diagram of the reusable objects, analyze the advantages and disadvantages of the pattern, and give a sample code at the end. We are then able to improve the reusability and expansibility of GA. The results make it easier to program a new GA code by using some existing successful operators, thereby reducing the difficulties and workload of programming a GA’s code, and facilitate the GA application.