基于GCOA算法的带时间窗车辆路径规划问题研究

GCOA算法是对遗传算法的重大改良,不仅加快了遗传算法的收敛速度,而且从一定程度上避免了遗传算法陷入局部最优,并增大了遗传算法获得最优解的能力。本文首先介绍了GCOA算法,然后通过具体问题的解决对比传统遗传算法与GCOA算法,得出GCOA算法在收敛速度及结果优化两方面的有效性,最后将GCOA算法应用于求解VRPTW问题上,得出最优化结论。     

一种改进的基于实数编码的遗传算法

对传统遗传算法在编码方案及遗传操作中存在的局限性以及非成熟收敛现象，提出一种改进的基于实数编码的遗传算法，该方法以实数编码代替二进制编码，有效地解决了传统遗传算法中海明悬崖，计算精度等问题，根据适应度值父染色体进行变异操作，减轻传统遗传算法中变异操作所存在的盲目性，并对遗传算法可能出现的非成熟收敛现象进行预测，从而能极大的避免非成熟现象的产生。     

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。     

基于改进遗传算法的Volterra核辨识研究

本研究提出了一种基于改进遗传算法辨识Volterra级数模型的方法.该方法根据Volterra核与系统输出的相关程度来调整模型结构,利用重启策略与自适应搜索范围解决进化停滞与算法早熟收敛等问题.通过仿真试验将改进遗传算法与标准遗传算法、量子粒子群算法进行比较.结果表明,该方法在辨识精度、收敛速度及抗噪性能等方面明显优于...     

基于混合遗传算法的无人机航线规划

针对航线规划中的路径组合爆炸问题进行了分析和讨论,运用遗传算法提出了解决方案,并对遗传算法的过早收敛问题,结合模拟退火算法设计出航线规划混合遗传算法,改善了算法的性能,最后通过仿真分析验证了其有效性。     

基于遗传算法的输油管道压力信号自适应滤波

通常检测到的输油管道压力信号存在着信噪比较低的问题,通过应用实数编码的改进遗传算法对最小均方误差(LM S)自适应滤波器的权值向量W进行寻优,避免了收敛步长μ选择不当所引起的误差;遗传算法的并行操作也有效地防止了W在递推过程中收敛于局部最优解.仿真结果表明,该方法简单,运行时间短,去噪效果良好,可为泄漏检测和定位提供可靠的数据.     

基于改进GA-BP神经网络的种苗需求预测

为避免目前种苗市场大量浪费和无序发展的情况,分析了种苗市场出现结构性供需矛盾的原因,提出了利用神经网络模型预测未来人工造林面积、确定所需林木种苗数量的方案。在标准遗传算法的基础上,提出了改进的多子代遗传算法,通过增加子代数量提升种群整体适应度,并用于优化BP神经网络。实验结果显示,在对神经网络收敛速度和预测精度的性能优化上,多子代遗传算法较标准遗传算法分别提高了17.9%和66.7%。     

自然遗传算法及其性能分析

在为种群大小遗传算法的基础上引入“种群阈值”及“移民”等概念,并采用动态调节交配率及变异率等措施,提出了一种自适应的遗传算法。该算法通过模拟自然界的“生老病死”过程来实现问题求解,并力求解决遗传算法的参数控制及过早收敛等问题。且介绍了该算法的基本思路,并对其性质进行了分析。     

基于改进遗传算法的车辆路径问题研究

车辆路径问题是一个典型的组合优化类问题,而传统的算法无法满足顾客需求对物流运输提出的要求.遗传算法是求解此类问题的方法之一,针对遗传算法容易出现早熟收敛,以及车辆运送的时间限制,该文采用改进的遗传算法对有时间窗的车辆路径问题进行分析,实验验证了算法的有效性.     

基于遗传算法的机组优化组合研究

为降低发电机发电成本,采用改进的遗传算法研究发电机组优化问题。首先将爬山法应用于遗传算法,使得改进后的遗传算法不仅具有搜索速度快、鲁棒性强等优点,而且收敛迅速,精度高;然后将改进算法应用于发电机机组优化。模拟仿真表明,该算法收敛性好,适应性强,具有很好的实用价值。     

一种新的基于免疫算法的多用户检测

提出了一种新的免疫算法，将匹配滤波器的输出判决信号作为一条染色体放入初始种群，使得初始种群中包含最优解的概率大大增加；选择疫苗时，将接种了疫苗的个体的适应值小于父代适应值的个体，按一定的概率接受该个体，克服了GA欺骗问题．仿真结果表明该算法在收敛速度和误码率方面都优于基于遗传算法的多用户检测．     

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．     

近场条件下的MIMO雷达阵列优化

在近场条件下运用遗传算法对MIMO雷达阵列进行优化. 构造优化MIMO阵列近场方向图旁瓣的适应度函数,提出一种基于FFT的快速算法用以高效评估适应度,采用“成对交叉策略”保证遗传算法进化过程中阵列稀疏率恒定. 对有无对称约束两种情况下的阵列优化结果进行比较,分析表明,若在MIMO阵列优化中加入对称
约束,则优化针对的聚焦点所在距离上所有角度均小于该点的目标,用优化所得之阵列扫描它们时可保持性能.     

基于模式定理的遗传算法参数研究

为了解决遗传算法(GAs)的参数选择问题,分析了自然进化各阶段对物种的影响,探讨了影响模式生存的各种因素,引入了模式形成概率(PCS)的概念.通过分析模式的形成概率对算法性能的影响,从理论上建立了遗传算法参数与其性能之间的联系.提出了一种基于逻辑算子的遗传算法(GALO),并在实验中从多方面对GALO进行性能测试.实验结果验证了理论分析的正确性.     

多枝域电磁场问题快速投影分解法的收敛性分析及应用

对求解枝连区域上电磁场问题的投影分解法和快速投影分解法的收敛性进行了分析和比较,并证明了快速投影分解法的收敛速度要快于一般的投影分解法.实际应用表明,快速投影分解法的收敛速度大大加快,其迭代次数大约只有原来的三分之一左右.     

集值映射空间各种收敛拓扑的统一描述

文献[1]首次刻画了集值映射空间中关于各种收敛性的网的极限类及与之对应的各种邻近结构,本文则进一步探计这些收敛性能否确定与之相伴的拓扑。首先,我们借助一致空间的一致覆盖族定义了一致空间中的(*)包含动算并应用它给出了建立集值映射空间中各种收敛概念及其相伴拓扑的一种统一的框架。其次,我们具体论述了集值映射空间中十二种收敛性的相伴拓扑。最后,我们指出上述拓扑中的四种相伴拓扑均可分别重合于集值映射空间的某个一致拓扑。     

加速牛顿迭代收敛方法的修正

提出了加速牛顿迭代收敛的新方法,构造出一类多因子牛顿迭代格式,通过选取最优因子使得该格式具有高阶收敛性和较小的误差常数.     

基于管网监测点的水质工况复核

在已有水质模型和部分水质监测点实测数据的基础上,根据最小二乘原理,建立了给水管网水质(以余氯为对象)工况复核模型,并用改进遗传算法对其求解.通过实例证明用改进遗传算法对水质工况复核能快速、精确地确定供水管网某时刻各节点的余氯浓度.     

关于一类组合型三角求和算子的最佳一致逼近

对两类Bernstein型三角求和算子进行线性组合，构造了一个新的算子．证明了该算子在全实轴上一致收敛于任意以2π为周期的连续函数，并且得到了算子的最佳收敛阶，最后给出了算子的最高收敛阶．在收敛性方面，本文构造的新算子明显优于其他算子．     

自适应遗传算法在桁架结构优化设计中的应用

交叉算子与变异算子是遗传算法中产生新个体的主要手段。针对简单遗传算法中交叉概率与变异概率随进化过程恒定不变的缺点，采用自适应的交叉、变异概率研究了针对离散变量结构优化设计的遗传算法。以在应力约束条件下的静定桁架与超静定桁架结构为算例，比较了改进交叉、变异算子前后的优化结果，并将计算结果与满应力设计方法所得结果进行了比较。结果表明，自适应遗传算法对离散变量结构优化是有效的、可行的。