基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

一种求解非线性约束优化问题的新方法

针对标准遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法,求解复杂非线性约束优化问题.算法根据实数编码的特点,依据概率分布函数构造杂交算子,结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法有效维持群体多样性,防止和克服进化中的“早熟”现象,同时采用不需要惩罚因子的直接比较惩罚函数方法,对约束条件加以处理.通过算例数值实验,验证了算法在提高解的精度和加快收敛速度方面都有明显改善.     

算术杂交算子的问题相关性

针对实数编码遗传算法中的算术杂交算子是否存在问题相关性进行了实验研究.首先,用几种常用的算术杂交算子对测试函数进行优化实验,结果表明,选用何种算术杂交算子算法更有效与具体优化问题有关,即算术杂交算子存在问题相关性,且它随变异概率的变化而呈现比较复杂的变化.其次,提出了根据算术杂交算子在无变异时的优化效果以及有变异时与变...     

自适应搜索的改进遗传算法及其应用

提出了一种具有自适应搜索能力的快速收敛遗传算法。在计算过程中，设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整，并且通过引入进化策略中的自适应高斯变异算子，对变异算子进行改进，加速了算法的收敛性。为了验证算法的可行性和鲁棒性，对一个高维多峰函数的极小值搜索问题进行了求解，并将算法进一步应用于离心叶轮的形状优化问题。计算结果表明，该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷，在收敛性和鲁棒性方面均优于传统的实数编码遗传算法。     

改进遗传算法在压缩机优化设计中的应用

对标准遗传算法进行了有益的改进,使得算法避免了早熟和陷入局部最优·采用混合编码的方法,使算法更适用于工程实际·设计的重组和筛选算子用于初始种群的形成使得初始解分布更加合理,有益于提高算法的计算效率和收敛性,在算法实现中遗传算子的选择采用了适用于二进制编码的单点交叉按位变异和适用于实数编码的算术交叉非均匀变异的混合算子,使得遗传算子能够适用于实数和二进制两种编码方式·并且尝试了将改进的遗传算法用于滑片式压缩机参数的优化,结果表明,经过改进的遗传算法有效可靠,经过优化的压缩机参数合理·     

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.     

基于分层遗传算法的电力变压器优化设计

在研究了分层遗传算法的基础上,分析了该方法动态编码及动态调整遗传算子的优点,提出了一种改进的交叉变异机制.该机制在交叉操作时,不能在关联变量内部选择交叉点,在变异操作时,如果其中一个变量发生了变异,则与其关联的变量也要同时进行变异操作,并且可以将所有个体限制在有效的搜索空间内.文中将分层遗传算法应用于电力变压器优化的问题中,与单层遗传算法相比,在相同计算量的情况下,多层遗传算法成本节约1.83%,负载损耗下降1.01%.     

一种基于实数编码的改进遗传算法

在介绍基于实数编码遗传算法的优点和分析原有遗传操作机制存在缺陷的基础上,重点研究了实数编码的改进线性交叉算子,提出了一种改进遗传算法(MGA)·该改进线性交叉算子的优点是在交叉之后,一个子代位于两父代之间,另一子代位于靠近较好的父代的一侧,使解向好的方向发展,并且都是可行解·通过对几个典型的实例计算并与其他基于实数编码的遗传算法进行比较,结果表明,本算法在求解优化问题的收敛速度和精确性方面具有优势·     

基于多父辈交叉的次序编码遗传算法及其性能

介绍6种应用于次序编码遗传算法的多父辈交叉(MPX)算子.利用3个典型的旅行商问题(TSP),测试和比较各个算子和不同的父辈数对于遗传算法优化性能的影响,测试结果显示出不同于基于多父辈交叉的二值编码和实数编码遗传算法的结论.对于3个测试问题,交叉算子父辈数的增加不一定能引起算法优化性能的改善;同时,也并没有一个交叉算子表现出明显优于其他算子的性能优势.     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

小生境遗传算法的改进

为了避免小生境遗传算法存在的早期成熟和陷入局部极值点等问题,提出了一种改进的小生境遗传算法.该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,并在变异量的确定上引入了梯度的概念.通过在Shubert函数的全局最优化问题上的验证,并与常规遗传算法和小生境遗传算法比较,改进后的算法提高了搜索速度,能有效跳出局部极小值,并搜索到全局最优值.     

求解L_4(2~3)的遗传算法

通过分析正交阵列和遗传算法的特性,给出了正交阵列L4(23)的遗传算法的求解方案:确定编码的表示、选择算子、变异算子及适应度函数.实验表明,采用遗传算法求解L4(23)是可行的,有望求解更高阶的二元正交阵列,为正交阵列的求解问题提供了新的思路.     

求解一类非线性规划问题的混合遗传算法

提出了一种求解目标函数和约束条件均二阶可导的非线性规划问题的混合计算智能算法．该算法是把一种浮点数编码遗传算法和约束变尺度法相结合提高求取全局解的速度和概率．在该算法中，选择、交叉和变异等遗传操作算子是以非线性规划问题的一个惩罚函数为求解对象，目的是把解引向全局解附近，为约束变尺度算子提供初值；而约束变尺度算子直接以原非线性规划问题为求解对象，以发挥其局部搜索能力强的优点，数值实验表明，混合算法是一种可靠、高效的全局优化算法．     

广义区间值Pythagorean三角模糊集成算子及其决策应用

针对连续集合上决策变量的隶属度和非隶属度之和超过1的决策问题,提出区间值Pythagorean三角模糊数,并且分析其广义集成算子的决策应用。首先,引入区间值Pythagorean三角模糊数的概念,得到其运算法则。其次,推导区间值Pythagorean三角模糊数的加权平均算子、加权几何算子、有序加权平均算子、有序加权几何算子、广义有序加权平均算子以及广义有序加权几何算子,介绍它们的相关性质。最后,构建出基于广义区间值Pythagorean三角模糊集成算子的多属性决策模型,并且根据实例对广义有序加权平均算子和广义有序加权几何算子进行稳定性分析,运用图像直观地证明在处理决策问题时前者优于后者,说明决策模型的有效性和可行性。     

锥度量空间中增算子的不动点定理

在锥度量空间E中通过E上的泛函引入了半序,而使得E成为一个半序锥度量空间.然后在E上定义了单调算子并研究增算子的不动点存在性问题,得到了一些不动点存在性定理.所得结论推广了部分文献中的相应结果.     

一种新的改进的判定图同构的遗传算法

针对判定图同构的遗传算法存在收敛速度慢和误断率高的问题,提出了一种新的改进的判定图同构的遗传算法。算法设计了新的适应值函数,通过设计交叉算子避免亲近繁殖,设计变异算子对变异的无方向性进行优化。实验表明,新算法具有合理性和高效性。     

非瞬时脉冲分数阶微分方程边值问题解的存在性与唯一性

非瞬时脉冲所描述的突变会持续停留在一个有限的时间间隔内,这种现象在临床医学、生物工程、化学和物理等领域都普遍存在。为了能够更深刻、更精确地反映事物的变化规律,研究了一类具有非瞬时脉冲的分数阶微分方程边值问题解的存在性与唯一性。首先,通过建立与边值问题等价的积分方程,定义了算子,并证明了其全连续性;然后,运用Schauder不动点定理得到了边值问题解存在的充分条件;最后利用压缩映射原理得到解的唯一性定理。     

启发式进化规划及其在最优潮流中的应用

针对连续变量优化问题，将进化规划同传统的梯度寻优技术相结合，设计了一析的启发式进行规划算法。它在保留了原进化规划特点的同时，又具有有较高的解题效率，并将它用于解算电力系统最优潮流，在优化编码、适合度函数及变异一取值方面进行了研究，结果表明获得了近乎全局最优的解。     

求解大规模可靠性问题的改进差分进化算法

针对差分进化算法典型变异算子的局限,设计了全局加速的变异算子,进而提出全局加速的自适应改进算法.新变异算子能够均衡全局搜索与局部搜索,提高寻优效率.根据差分向量与整个种群分布范围的关系,有针对性的设定变异率值,减缓搜索范围缩小的趋势,保持较高的种群多样性.采用两区间选择策略,通过学习和比较自适应地调整交叉率,使其满足进化搜索的需要,同时提高算法的通用性.将改进算法应用于大规模可靠性问题中,实验结果表明,改进算法在解决大规模系统可靠性问题时具有更好的寻优效果.     

一个基于粒子群算法的淋巴瘤形态参数分类器

对自适应粒子群算法引入变异算子,并对其进行改进,将其应用到淋巴瘤形态参数的分类问题上.主要讨论了基于粒子群算法的淋巴瘤形态参数分类器的编码、适应度函数的构造及分类器的设计.实验结果表明,该方法能有效地进行淋巴瘤细胞形态参数的分类.