一种改进型交叉算子和自识别高变异算子新型遗传算法的研究

为有效地解决遗传算法收敛性和多样性的矛盾,在分析算子结构的基础上,提出了一种新型的遗传算法.该算法的核心在于,一方面通过父子竞争保留优秀个体和改进型交叉算子保证收敛性,另一方面对参与交叉的基因段进行基于海明距离相似度检测提高交叉操作的有效性;最后,采用基于基因位多样度的自识别高变异率算子来改善种群的多样性.实验证明,改进的算子显著地提高了收敛速度和搜索全局最优解的能力.     

一种遗传算法交叉算子的改进算法

为了有效克服遗传算法收敛速度慢和易陷入局部极值点的缺点,提出了一种遗传算法交叉算子的改进算法,即采用自适应交叉概率,给不相关大的个体赋予较大的被选概率的配对方式进行交叉操作;在适应度比例轮盘赌的基础上辅以父子竞争的选择操作.二元多峰值Schaffer函数优化的仿真实例结果表明:与保留最优个体策略的遗传算法相比,改进算法能有效减少无效的交叉操作,收敛速度和全局搜索能力都得到了较大提高,其平均收敛代数和收敛到最优解的概率都优于保留最佳个体策略的遗传算法.     

采用群体统计学习的量子进化算法

针对传统量子进化算法采用精英个体作为吸引子,存在种群学习范围窄、优秀基因易丢失的缺陷,提出了一种采用群体统计学习的量子进化算法.该算法抛弃了传统量子进化算法中的精英保留策略,通过截断、比例、竞赛选择等方式对进化过程中优秀群体统计分析后构建整个种群的吸引子,避免了以单一个体为单位的学习方式,能较为全面地从整个优秀种群学习知识,并保留群体的优秀基因信息.同时,吸引子每代更新,避免了采用精英保留策略易陷入局部极值的问题.通过测试实验表明,提出的算法搜索精度和效率提高,收敛速度更快,算法综合性能提高.     

用一种改进遗传算法求解带时延约束的组播路由问题

提出一种改进的遗传算法,用以求解带时延约束的组播路由问题.该算法综合考虑了路由费用和路由时延,并给出了一种适应度评价函数,在算法中采用了最佳个体保留、自适应交叉以及非线性排序选择等多种优化机制.仿真结果表明,该算法是可行的,有效的.     

粒子群遗传融合算法

提出一种融合粒子群算法和遗传算法改进优化算法,该算法首先采用一种自适应弹性粒子群算法,弹性地修正粒子速度的幅值,有效地避免了粒子群算法的早熟收敛问题。再与遗传算法融合,模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,先采用自适应弹性粒子群算法获得进一步的提高。再经过提高、交叉、变异三步,获得最优解。以动态系统FCRNN的设计为例,改进算法收敛速度快,误差精度高。     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

基于遗传算法的智能组卷研究与实现

通过研究提出了一种基于遗传算法的智能组卷算法,对基本的遗传算法进行了两次改进,既充分扩大搜索范围,又保证每次迭代都保留好的个体。其次,对遗传算法中的交叉概率和变异概率按个体的适应度大小进行自动调整。这样,既不会破坏高适应度的个体结构,又克服了搜索速度缓慢的现象,从而有效地提高了组卷的速度和质量。实验结果表明:改进的算法明显改善了算法全局寻优能力,加快了收敛速度,并具有较高的鲁棒性。     

一种改进的遗传算法解决旅行商问题

标准遗传算法在解决旅行商问题时效率不高，容易陷于局部最优解。为了解决这一问题，提出了一种改进的遗传算法。改进后的算法在选择操作时，采取了精英个体保留策略和锦标赛方法，扩大染色体的选择范围，加大了适应度好的染色体被选中的概率；交叉操作时加入父染色体中边的信息；在参数选择上，使交叉概率和变异概率与染色体的个体适应值联系，保护适应度好的染色体进入下一代。用程序实现了两种算法，通过比较，改进后的遗传算法提高了解决旅行商问题的效率。     

基于改进遗传交叉算子的高心墙堆石坝参数反演

受基因工程选择性克隆优秀基因片段的启发,提出一种基于基因片段差异度的自适应交叉算子(genetic crossover based on the difference of gene fragment,DGFX)。在改进的交叉算子中,随机确定基因片段长度,计算父代个体对应基因片段的差异度,根据差异度选择基因片段进行交叉操作,能有效避免近亲繁殖,减少无效交叉操作,加快收敛速度。此外,根据演化代数自适应调整基因片段长度系数,增强算法全局收敛能力。将该交叉算子与帕累托交叉算子、启发式交叉算子运用标准测试函数进行对比分析。研究结果表明:利用DGFX交叉算子时能快速收敛到全局最优解,且算法鲁棒性强、精度高。将DGFX交叉算子运用于瀑布沟心墙堆石坝堆石体力学参数反演,利用反演的力学参数进行计算,各测点计算值和实测值在发展趋势和数值上均吻合较好,说明DGFX交叉算子运用于多变量、强非线性复杂岩土工程位移反演中的优越性,具有良好的实际应用价值。     

NSGA-II中重复个体的控制

由于NSGA-Ⅱ引入了精英策略,为保留父代中优秀个体直接进入子代,在每一代将父代和子代所有个体混合后再选择新种群,所以在新种群中很容易产生重复个体.而进化种群中出现重复个体意味着搜索区域的重叠,使得算法探索新可行区域的效率降低.考虑到计算复杂度和增强解集的有效性,提出了一种删除策略对NSGA-Ⅱ算法进行了改进.算例表明该改进算法能获得分布更加均匀的解集,且具有更强的稳定性.     

基于SVM-RFE的水稻抗病基因筛选

提出一种改进的回归特征消去支持向量机特征选择方法(SVM-RFE)对水稻的抗病基因进行筛选. 实验结果表明: 在预测得到的20个与水稻抗病/敏感相关基因中, 有3个基因与已知的水稻抗病基因紧密相关; 2个基因与已知的水稻抗病基因有一定的相关性. 通过该方法能找到影响水稻生长状态（正常/染病）的基因.     

基于大脑不同区域的阿尔茨海默症基因表达数据分析

提出了采用Tukey双权函数作为FastICA(Fast Independent Component Analysis)方法的非线性函数,对阿尔茨海默症(Alzheimer’s disease, AD)多个脑区域基因表达数据进行显著基因提取,揭示其基因表达调控关系.针对传统聚类方法基于全局聚类且只能将某个基因聚类到某一类的缺陷,改进的FastICA方法能够对基因表达数据进行快速有效的双向聚类,能够满足同一个基因可能参与不同信号传导通路的生物特性.同时考虑到人脑中海马区、内嗅皮质区、颞中回及视觉皮层区均与学习与记忆功能密切相关,将算法对多个脑区域进行基因表达调控综合分析.结果表明,大量炎症反应是AD致病的重要因素之一.     

1种基于复合形法的改进遗传算法

提出了1种基于复合形法的改进遗传算法,分析该算法与遗传算法相结合的思想和流程;通过算法测试函数Rosenbrock测试改进的算法;通过与常规算法的对比,验证该传算法的优越性,并将该算法应用到一种间歇反应器的温度优化问题中.该算法可为常规的单目标或多目标优化问题提供借鉴.     

微波催化连续反应实验系统的温度控制

采用了一种新型的模糊控制方法 ,对微波催化连续制药反应温度进行智能控制·该模糊控制系统具有单变量二维输入、增量型输出和多组自调整量化比例因子等特点·为了提高运算速度 ,设计控制系统时建立模糊控制表 ,系统运行时进行在线查询此控制表·采用多组因子自调节的方法 ,减小模糊控制的死区 ,提高控制系统的精度·用工业计算机作为控制器 ,通过软件实现该控制算法 ,在实验中调整控制周期和各组因子的具体值·实验结果表明 ,该系统的稳态误差范围为± 1℃ ,控制精度和系统稳定性达到了微波催化反应对温度控制的要求     

一种改进的引入修正矩阵的波束赋行算法

提出了一种改进的引入修正矩阵的波束赋行算法.改进的算法在原有的多波束赋行算法(GOB算法)的基础上,通过引入修正矩阵,纠正业务波束在扇区边缘的指向偏差.理论分析和仿真结果表明改进的算法相比原算法提高了业务波束在扇区边缘的指向准确度,对系统性能有一定的提升.     

基于改进的模拟退火算法求解0／1背包问题

提出了一种改进的具有变异和倒位算子的模拟退火算法,并将其用于求解0／1背包问题,其性能较标准模拟退火算法和贪心算法都有很大的改善．通过大量的数值实验,证明了文中改进的模拟退火算法求解背包问题的有效性和实用性．     

文本分类中的特征选取算法

分析了常用的几种特征选取方法，提出了改进互信息算法。实验结果显示改进的互信息算法是可行的。     

基于GPU改进的并行人工蜂群算法

相对于先前的并行人工蜂群算法进行了一些改进,主要采用OpenCL本地内存、并行规约等技术,提出了一种基于图形处理器（GPU）改进的并行人工蜂群算法．该算法将采蜜蜂映射为OpenCL一个工作项,跟随蜂采用右邻域优先的局部选择机制．实验结果表明：文中提出的改进并行人工蜂群算法提高了算法的执行效率,收敛速度得到提升．     

面向排课系统的遗传算法改进研究

为了解决实施学分制对排课所造成的困难,改进了排课系统中使用的遗传算法。基于遗传算法的原理以及在排课系统中的应用,指出了交叉和变异概率选择的盲目性,并提出了遗传算法中染色体编码设计和含动态调整参数的交叉变异概率选择的改进措施。采用仿真实验的方式验证了改进后的遗传算法,结果表明,改进算法减少了无效的染色体和交叉变异操作,提高了收敛速度和全局搜索能力,克服了遗传算法的早熟和局部收敛的问题。     

蚂蚁算法及其在机械优化设计中的应用

在蚂蚁算法基本原理的基础上,通过引入蚁群更新、沿途搜索等策略,对算法进行了改进. 用C语言设计了蚂蚁算法程序,通过典型优化设计问题进行了验证,并给出了机械优化设计实例. 实例表明,改进后的蚂蚁算法全局收敛能力强,程序运行可靠.