基于拟下降方法的遗传算法及其收敛性

在遗传算法中嵌入一个传统下降算子,且保留最好个体,利用最好个体的记忆信息对搜索过程进行指导,从而得到既有较快收敛速度,又能以较大概率得到全局极值的用于函数全局优化的混合算法.定义了适当的适应度函数和子代个体的选择算子,且从拟下降观点证明了算法的收敛性.数值计算结果表明了本算法显著优于遗传算法和传统下降算法.     

元胞空间结构下的文化算法

针对以往文化算法种群空间没有地域的概念,信念空间缺少文化的进化机制,以及求解优化问题时寻优精度不高且易陷入局部最优等缺陷,提出一种新的基于元胞空间结构的文化算法. 将元胞空间网格分别嵌入文化算法计算框架中的种群空间和信念空间以模拟文化算法的双层进化体系;对于种群空间,将进化个体分布于下层元胞网格,并对网格进行地域划分,使每个地域内的个体均以差分进化算子独立进化;对于信念空间,将进化信息放入与种群空间地域对应的上层元胞网格当中,利用文化的扩散机制实现文化的进化. 实验结果表明,该算法具有收敛精度高以及全局搜索能力强等优点,在处理高维复杂优化问题时同样具有优势.     

一种有约束的多层布线通孔优化算法

提出一种以多层布线的通孔优化为目标、同时满足相交约束的算法. 当群体收敛到一定程度时,根据惩罚项选择个体,直到产生完全满足约束条件的可行解. 让群体在可行解的范围内进行精确搜索,得到全局最优解. 采用稳态繁殖和最佳个体保存法提高算法的效率. 该算法可避免产生不可行解,解决收敛速度和全局搜索性之间的矛盾,得到满意的通孔优化效果.     

基于改进遗传算法的多元函数优化计算

研究了基本遗传算法在多元函数优化问题中存在的缺陷,提出了一种改进的遗传算法,使用适应值比例变换方法,在交叉与变异算子,染色体基因解码方式等方面做了改进,通过对难以优化的多元函数的优化计算,证明了该算法有良好的全局搜索能力和较快的收敛速度。     

一种基于网络安全控制的蜂群算法应用研究

本文基于网络安全控制的蜂群算法（BCA），针对该算法中的不足之处基于Boltzmann选择机制提出了一种改进的基于网络安全控制的蜂群算法（BBCA）用来优化多变量函数．研究证明该算法能够在充分保证群体多样化的同时加速整个算法的收敛速度，从而提高算法的全局收敛率．     

基于改进GA和OTSU的图像分割算法

图像分割是图像处理、模式识别和人工智能等多个领域中一项关键技术.文章利用改进遗传算法与改进OSTU算法相结合对二维图像分割进行了全局优化,使算法在保持群体多样性的同时加快收敛速度,提高算法全局收敛的稳定性,实现了图像的自动最佳阈值的分割.     

改进遗传算法及其在平面度误差评定中的应用

针对平面度误差评定的特点,提出了一种新颖的基于实数编码的改进遗传算法.该算法采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子,算法简单、鲁棒性强,优化效率高.同时给出遗传算法评定平面度误差时目标函数数学模型的建立方法.最后,通过不同评价方法对同一平面的平面度误差进行评定,结果证明该方法不仅能收敛到全局最优解,而且具有较快的收敛速度.     

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．     

具有对偶知识的文化算法

传统文化算法的知识对于进化过程的影响是统一进行的,而知识的趋同性导致算法易早熟收敛于局部最优解. 为此,提出一种新的由当前种群最优个体及其所在区域,以及当前个体共同确定的对偶知识. 当对偶知识指导个体进化时,不同个体的进化方向由相对应的对偶知识所确定. 对复杂函数进行了测试,所得数据表明该算法有良好的全局收敛能力及解决高维优化问题的能力.     

基于非精确信息的QoS组播路由遗传算法

提出了一种新的启发式遗传算法以求解基于非精确状态信息的QoS组播路由选择问题.该算法以基于非精确状态信息的单播QoS路由算法PC-ISI (premise-controlled,inaccurate state information)为基础,将基于非精确状态信息的QoS组播路由问题与遗传算法有机结合,通过初始群体的筛选、自适应罚函数的运用以及启发式交叉和变异等一系列策略,能有效地提高算法的搜索能力和收敛速度.仿真实验也说明该算法性能良好.     

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。     

食物的利用率与一类田鼠种群的稳定性

本文在文献[4]对Turchin-Batzli捕食者一食饵系统动力学行为分析的基础上，对受食物利用率影响较大的田鼠种群稳定性情况进行了理论分析和数值模拟．     

一类捕食系统解的存在性与唯一性

讨论了一类2种群捕食与被捕食数学模型,其中食饵具有2个阶段即幼年和成年,并且捕食者只对成年食饵进行捕食.给出了该系统存在非负解的充分条件.     

基于混沌克隆的混杂多目标免疫优化算法

针对遗传算法求解高维多目标问题时易于早熟、陷入局部搜索等缺点.本文借鉴生物免疫系统的混沌现象及其自适应性和并行性,提出一种混杂多目标免疫优化算法(HMIOA).算法基于混沌映射产生初始抗体群并利用混沌规律克隆优秀抗体;根据抗体的被控度和抗体间的拥挤距离设计抗体的亲和力;算法在进化过程中对不同子群采取不同突变方式;借助Average linkage聚类法更新记忆细胞等.数值实验中,选取两种著名的多目标进化算法和一种克隆选择算法,应用于4种不同类型的高维多目标优化问题,比较结果表明:HMIOA所获Pareto有效面较大的控制其他算法所获Pareto有效面,且有效面的分布较均匀.     

一种新的多移动机器人协调路径规划方法

针对动态环境中多移动机器人路径规划问题,提出了一种基于知识的遗传算法。该算法路径表示简单,所设计的基于知识的遗传算子并入了领域知识和局部搜索技术,同时,把领域知识并入初始种群,大大提高了遗传算法的效率;将协调路径适应值矩阵引入基于知识的遗传算法,实现了多移动机器人协调路径规划。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

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.     

生态扩散系统的概周期问题

本文研究非自治两种群扩散捕食系统,该系统由n个斑块组成,食饵种群可以在n个斑块之间扩散,而捕食者种群在一个斑块中,不能扩散．本文结合运用Liapunov函数,得到该系统唯一存在全局渐近稳定的正概周期解的条件,     

带有交错扩散的捕食模型的非常数正解的存在性

研究了一类带交错扩散的捕食模型稳态问题非常数正解的存在性．证明了猎物的自扩散率较大或者交错扩散率较大的时候，强耦合系统至少存在一个非常数正解．     

一类食饵具有线性投放率的稀疏效应捕食模型的定性分析

讨论了食饵带有线性投放率的稀疏效应捕食系统,利用定性理论分析了奇点的性态,得到了极限环的存在性和唯一性及系统全局渐近稳定的充分条件,反映出在一定条件下食饵捕食种群将趋于稳定.