基于附加隐性遗传效应遗传算法的约束优化问题研究

遗传算法是一种模拟生物进化论的自然选择和遗传学的基因遗传机理而发展出来的一种全局优化算法.本文作者提出附加隐性遗传效应遗传算法,通过具体算例,对基本遗传算法与附加隐性遗传效应遗传算法的优化结果进行比较分析,证明了附加隐性遗传效应遗传算法在求解优化领域的约束优化方面,表现出更好的算法性能.     

离散变量模糊优化的组合形遗传算法及应用

为解决离散变量结构优化客观追求的应该是"满意解"的问题,提出离散变量模糊优化的模型,构造了离散变量模糊优化的对称解法.把离散组合形算法作为组合形操作算子融合到遗传算法中,构造一种离散变量结构优化算法-组合形遗传算法.在建立的对称模糊优化模型中,利用交模糊判决,将模糊优化问题转化成非模糊优化问题来求解,然后运用组合形遗传算法进行非模糊优化问题的求解.最后通过算例证明该方法具有良好的效果,为工程结构优化设计提供具有参考价值的理论依据.     

遗传算法在组合优化中的应用

针对组合优化中规模较大问题用传统的优化方法求解耗时较长的缺点,将遗传算法应用于0-1规划中,用基于二进制表示的罚函数法和修正方法处理背包问题;并对指派问题进行遗传算法设计,使这两个问题得到很好的解决,从而说明了遗传算法具有超越传统方法的优势,为解决此类问题提供了一种新的手段,是传统方法的补充和完善.     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

基于六模糊控制器的自适应遗传算法

为了提高遗传算法对满意解的搜索和优化能力，采用基于模糊逻辑的自适应控制策略，提出了一种符号编码的自适应遗传算法。该算法可自动均衡搜索和优化关系，采用6个模糊控制器实现对选择、交叉、变异操作的动态参数组合控制。试验和理论分析表明，六模糊控制器的组合控制方式可以综合两模糊控制器或三模糊控制器独立控制的性能。对旅行商(TSP：Traveling Salesman Problem)问题的求解结果表明：该算法在解决类似于TSP的组合优化问题时，具有比标准遗传算法更好的性能。     

利用遗传算法优化人工神经网络权值

遗传算法是一种新的、基于自然选择和基因遗传学原理的随机搜索算法．针对神经网络中BP算法学习效率低且收敛速度慢以及容易陷入局部最优等不足，文章提出利用遗传算法对BP神经网络中的神经元间的连接权值进行优化的方法．试验结果表明，用遗传算法优化BP神经网络的连接权值后收敛速度快，并有效的解决了BP算法容易陷入局部最优的问题．     

基于遗传算法的神经网络权值优化

针对BP算法学习效率低、收敛速度慢，以及易陷入局部最优等缺点，提出了一种新型的、基于自然选择和基因遗传学原理的随机搜索算法——遗传算法(Genetic Algorithm)，并论述了它在BP神经网络中权值优化的问题。仿真结果表明，用遗传算法优化BP神经网络的权值收敛速度快，并有效解决了BP算法易陷入局部最优的问题。     

基于变异因子粒子群优化的组播路由算法

带时延约束的组播路由问题是一个非线性的组合优化问题，已被证明是一个NP-完全问题。论文提出了一种基于变异因子的粒子群优化算法用于解决带时延约束的组播路由问题。仿真结果显示，该算法具有代价性能良好，收敛速度快，不易陷入早熟的特点，在寻优速度上优于遗传算法，具有很强的鲁棒性和实用性。     

基于遗传算法求解旅行商问题

提出一种基于生物进化论的寻优方法─—遗传算法,用以求解著名的组合优化难题─—旅行商问题,此算法与传统求解TSP问题的方法相比,具有简单、强壮、高效、高速的特点,每次皆可收到一个满意的结果,若不考虑内存限制,原则上对任何规模的对称欧几里德平面TSP问题具有通用性。     

协同进化在遗传算法中的应用研究

协同进化在遗传算法中的应用直接催生了协同进化遗传算法(CGA)的产生,它是近几年来新兴起的一种智能优化算法,主要用于解决复杂的组合优化问题。     

基于混沌的协作型协进化方法

在协作型协进化算法的基础上,提出了基于混沌的协作型协进化方法。该算法加入了进化是否发生停滞的判断,并在发生停滞时进行混沌映射。用经典的函数优化问题进行仿真实验,其结果表明了该算法的有效性。     

遗传算法中的加速进化技术

自20世纪80年代以来,遗传算法在工程优化领域获得了广泛应用,遗传算法对数学模型要求不高,具有一定的隐性并行性,能同时在搜索空间大范围搜索,因而不易陷入局部最优解,然而,在实际应用中发现,仅有交叉算子和变异算子的传统遗传算法,局部搜索能力不强,容易出现种群早熟,进化结束时往往收敛到最优点附近而达不到全局最优点,为此借鉴了传统优化方法中的搜索技术,开发了几种算子用以强化遗传算法的局部搜索能力。算例表明,这几种算子能提高遗传算法的搜索性能,不论是搜索效率还是解的质量均有所提高。     

基于遗传算法的网格结构优化方法

为了加快遗传泊进化过程,提出了基于遗传算法和满应力准则进行网格结构优化的杂交算法,杂交算法能大幅度地减少单纯采用遗传算法进行网格结构优化的解空间,其结果表明杂交算法能明显地加快遗传算法的收敛进程。     

果酒品质评价的自适应量子粒子群LS-SVM模型

针对BP神经网络和遗传算法对果酒品质预测存在速度慢和精度低的缺点,建立了一种基于量子行为粒子群算法(QPSO)的最小二乘支持向量机(LS-SVM)的果酒品质预测模型。模型通过引入粒子的进化度和聚合度,动态调整收缩扩张因子,从而实现了算法的动态自适应性。仿真结果表明:基于自适应量子粒子群的LS-SVM果酒品质评价预测模型优于所比较的BP神经网络和最小二乘支持向量机两种模型,具有较好的泛化性能和预测精度。     

求解背包问题的并行混合遗传算法

针对基本遗传算法在求解大规模问题时，收敛速度缓慢、容易早熟的现象，借鉴生物区域性进化的原理，设计了一种基于星型迁移策略的并行混合遗传算法（Parallel Hybrid Genetic Algorithm，简称PHGA）．该算法采用高效的超贪心算子进行解码，使遗传进化过程从多个平均适应度较高的文明群体开始进化，并采用定期将各群体的最优个体输出给其他群体，使得最优个体共享，促进所有群体共同进化的共产主义迁移策略．在PVM环境下，对背包问题进行求解的实验，已取得超线性的加速比，并改进了解质量．     

自适应遗传算法及其在求解黎卡提方程中的应用

在分析遗传进化过程的基础上，提出了一种自适应遗传算法，应用于求解黎卡提方程，仿真结果表明，这一方法有效地解决了全局收敛性问题，在其应用中显示出优良的性能。     

基于遗传算法的铂电阻温度传感器非线性校正方法

遗传算法是具有全局寻优特点的一种新型最优化方法．针对铂电阻传感器经验公式的非线性问题使用遗传算法对其进行了优化研究．简要地介绍了遗传算法的基本原理和运算规则，具体地描述了使用遗传算法实现铂电阻传感器系数拟合的步骤和程序．作为一种有效的优化手段，能够完成优化软件具有的功能，具有一定的工程应用价值．     

人工免疫算法对遗传算法改进的仿真研究

遗传算法是一种很好的优化算法,但其本身存在着易早熟、效率低等不足.人工免疫算法是参考生物免疫系统机制的一种算法,它通常用于对其它算法的改进.论文用人工免疫算法对遗传算法进行改进,在遗传算法中引入浓度机制并从问题中提取疫苗.通过实验对比,它对遗传算法的改进取得了较好的效果.     

遗传算法优化最小二乘支持向量机的故障诊断

提出一种基于遗传算法分层优化多类最小二乘支持向量机(least squares supportveotor machine,LS-SVM)的故障诊断模型。首先将故障信号经验模态分解(empirical mode decomposition,EMD)为平稳本征模态(intrinsic mode function,I MF)分量,再选择表征故障调制特征的I MF分量并提取瞬时幅值能量作为故障特征输入到遗传算法分层优化好的采用多项式核的多类LS-SVM中进行故障识别。EMD分解可自适应分离故障调制信号;瞬时幅值能量矢量的不同表征各类故障的可分性;遗传算法分层优化惩罚因子和多项式核参数可以使LS-SVM摆脱对故障类型与模式编号映射关系先验知识的依赖,提高LS-SVM的故障预测精度和自适应诊断能力,并可以推广应用于线性、径向基、Sigmoid等核条件下的LS-SVM优化。一个深沟球轴承故障诊断实例说明该模型的有效性。     

解决影片递送问题的改进混合遗传算法

影片递送问题(简称FDP)是一个典型的NP-Hard组合优化问题.遗传算法是一种生物自然选择与遗传机理的随机搜索与优化方法.论文针对影片递送问题的特点,在遗传算法中引入新的交叉算子,同时对进化个体进行可行化及结合2-opt邻域搜索也提高了运算效率,设计出一种改进的混合遗传算法.具体实例测试表明在解决FDP时新算法的有效性.