混沌理论在遗传算法中的应用研究

为了提高遗传算法的搜索能力和效率,将混沌理论引入到遗传算法中。利用Logistic方程构造混沌算子,形成混沌遗传算法。通过实验对混沌算子和杂交算子、变异算子的性能进行了比较,实验数据表明混沌算子具有良好的遍历性。将混沌遗传算法应用在旅行商问题中进行性能检验,结果表明:和标准遗传算法相比,该算法的性能和稳定性都有较大提高。     

混沌遗传算法及其在模式识别中的应用

本文针对遗传算法的收敛速度较慢,容易陷入局部极小值,精度不高等问题,在标准算法的基础上,提出改进后的混沌遗传算法,并将改进后的算法应用于图像分割问题中,通过Visual C＋＋进行编程实现,达到了满意的效果。     

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。     

实数编码自适应遗传算法及其在光瞳滤波器参数控制中的应用

提出一种基于实数编码自适应遗传算法的光瞳滤波器光瞳函数参数优化设计的新方法.通过计算机模拟,结合实际使用场合对光能效率、旁瓣影响因子和超分辨能力的要求,选择合适参数实现最佳轴向超分辨成像效果.利用遗传算法设计的光瞳滤波器设计简单,有较好的综合效果,不仅具有较小的u0和M值,而且有较大的S值.理论和实践均表明该方法是高效和可靠的.     

混沌遗传算法在客专网络模型中的应用

客运专线时期列车运行调整对象更加多样化和复杂化。结合目前我国客运专线运输组织情况,建立了客运专线列车运行调整的运筹学模型。提出了基于混沌改进的遗传算法,引进了混沌算子,以郑西客专为研究背景构造实例。仿真结果验证了优化模型的可行性,表明改进算法优于标准遗传算法。     

混沌伪并行遗传算法及其在火力分配优化中的应用

剖析了混沌模型的随机性、遍历性和初值敏感性的特点,提出了多种群伪并行混沌遗传算法.把多群体伪并行进化的并行性和混沌运动的内在随机性结合起来,利用不同的混沌扰动策略,把混沌变尺度映射机理应用到种群初始化和中间群体的优化进化实现函数优化.仿真结果表明,混沌伪并行遗传算法比伪并行遗传算法和简单遗传算法具有更快的收敛速度和更高的最优解搜索成功率,可对火力分配进行优化.     

遗传算法在经济混沌组合预测中的应用

经济混沌是由确定性的经济系统产生具有随机性的动态行为。虽然经济系统产生的时间序列不具有长期预测性,但在短期内可有较为精确的预测,可以为其建立确定性的预测模型。为了探求经济时间序列中的混沌特性,文中在Wolf提出的相空间重构的基础上,提出了一种基于遗传算法的经济混沌组合预测方法,在该方法中采用自适应并行遗传算法确定组合模型中权系数,这样可以较好地解决传统经济混沌预测大多数都是使用单一模型以至影响了观测精度等问题,最后以实例检验了提出的算法。     

一种新的混沌遗传算法及其在多播路由选择中的应用

分析遗传算法的进化过程,提出一种新的混沌遗传算法。该算法利用混沌变量的特定内在随机性和遍历性对基因座空间进行搜索,有效地克服了遗传算法容易收敛于局部最优的缺点,大大提高了遗传算法的寻优速度。在多播路由选择中应用该方法,能快速找到最佳多播路由,显示出了优良的性能。     

实数编码遗传算法能解性

通过分析一类标准的实数编码遗传算法算子作用机制及其交叉算子的局部搜索特性,提出了变异的方向性的概念,指出变异算子向各个方向变异并非均匀,而是以坐标轴方向分布最多.同时定义并分析了变量可分离函数优化问题.数值试验结果表明,实数编码遗传算法比较合适求解变量可分离的函数优化问题.     

混沌高效遗传算法在水库含沙量预报中的应用

利用混沌映射的遍历性和实编码遗传算法的全局优化性,通过在遗传进化过程中加入混沌变异操作,在变量的定义域内投放大量的混沌初始群体,在实编码遗传算法进化过程中加入单纯形法学习算子,建立了一种新的混沌高效遗传算法(chaos higher efficient genetic algorithm, CHEGA).应用该法对3个非线性、高维、多峰值测试函数进行了仿真,在收敛速度和全局优化方面好于现有的简单遗传算法和改进的遗传算法.建立了水库含沙量预报模型.并将CHEGA用于求解上述模型的参数优化问题,与实数编码加速遗传算法(RAGA)、二进制加速遗传算法和随机优化算法等方法相比,CHEGA可以遍历到整个区域,较好的保持了种群的多样性,并且精度高、收敛速度快.CHEGA对求解实际水库计算模型的参数优化问题非常有效.     

具有自适应交换率和变异率的遗传算法

简单遗传算法存在着收敛速度慢、易陷入局部上等缺陷。针对这些,本文设计出随相对遗传代数呈双曲线下降的自适应换率,并提出与父串间的相对欧氏距离成反比、随相对遗传代数指数下降的自适应异率。实例验证表明,具有自适应交换和变异率的遗传算法在收敛速度和获得全局最优解的概率两个方面都有很大的提高。     

一种新的伪并行遗传算法

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。     

认知进化观:认知科学研究范式的新取向

认知科学在其发展过程中经历了几次研究范式的转换，认知进化观的兴起是认知科学各学科多层次整合的表现。在心理学领域，进化心理学采用功能分析的方法分析适应性行为下的心理机制和特征。在人工智能领域，采用进化计算和遗传算法探讨人工生命的适应性行为。在神经科学领域，是对神经网络的自组织机制和神经系统的可塑性进行考察。认知进化观的缺陷是自然主义的计算与进化，忽视了人的历史文化性。认知进化观作为一种新方法论，为智能研究带来了生机。     

改进进化方向的遗传算法与结构遗传设计

基于Ｙａｍａｍｏｔｏ提出的一种新的进化策略,得到一种改进进化方向的遗传算法。该法用于桁架结构遗传设计,不仅能够提高收敛速度,而且提高桁架遗传设计精度,与梯度下降进化方向遗传算法相比,计算时间大大减少。     

进化计算及其在智能控制中的应用

介绍了进化计算的起源与发展历史、特点与分类、有关研究与应用现状及有关软件与国际信息交流等方面的基本情况。简述了进化规则和进化策略在智能控制中的应用。     

用自适应的遗传算法求解大学课表安排问题

课程表问题又称时间表问题 (timetable problem) ,是一个多因素的优化决策问题 ,也是组合规划中的典型问题 .本文研究的是大学课表安排问题 ,根据大学课表安排的特点并以优化时间和空间两种资源为目标 ,将课程分为 P、Q两类 .采用鲁棒性比较好的遗传算法 ,并对两类课分别给出其染色体编码和适应度函数 ,并采用了自适应的杂交和变异概率 ,最后通过实验验证该方法可产生适合需求的课表     

基于思维进化机器学习的框架及新进展

综述了ＭＥＢＭＬ产生的基础,动机以及它的基本原理,特点和新的进展,并指出：ＭＥＢＭＬ有快速学习的能力,适应性好,学习灵活,可应用于黑盒子系统和灰色系统,具有固有的并行性以及解决非数值的能力。     

噪声环境下进化算法

以球型模型为例, 讨论了环境噪声对遗传算法(GAs)和进化策略(ESs) 及进化算法(EAs)的影响.并采用重新采样的方法来抑制噪声,提高进化算法在复杂环境下的鲁棒性.     

基于遗传算法构建大学数学课程贝叶斯网

基于某高校统计学院自1984~2005年间学生所学10门课程的成绩, 利用K2算法并结合自适应遗传算法构建了课程贝叶斯网. 用学生成绩样本的信息将有向无环图与概率理论有机地结合, 直观地揭示了各门课程之间的依赖关系, 通过条件概率表体现了依赖关系的强弱程度, 不仅对学院不同学期课程的设置有一定的参考价值, 而且对学生进一步学习而选择适合自己的研究方向提供权衡依据.