改进免疫遗传算法用于图像阈值分割

在图像阈值分割中,基于遗传算法的分割方法存在着运行速度慢、易形成未成熟收敛等缺点.针对这一问题对其进行了改进.改进的免疫遗传算法在免疫算子中引入疫苗接种机制,极大地提高了收敛效率,对交叉概率和变异概率进行了改进,避免了局部收敛,以保证改进算法能收敛到全局最优值.实验结果表明,改进的免疫遗传算法比传统的算法提高了运行效率,解决了全局搜索不收敛和局部搜索不到最小值的问题,并具有更好的收敛稳定性.     

一种抑制早熟收敛的改进遗传算法

遗传算法在许多优化问题中都有成功的应用,但其本身也存在一些不足.针对遗传算法的早熟收敛问题,本文在分析基本遗传算法的遗传算子和控制参数的基础之上提出一种改进算法.改进的遗传算法采用了实数编码、算术交叉算子、非均匀变异算子,并对控制参数进行了较合理地选取.改进遗传算法前期能均匀地搜索解空间,后期能对局部进行越来越细微的搜索,并使个体可以进入最优点的吸引域,在一定选择条件的作用下,算法后期可使群体逐渐集中到最优点的吸引域内,从而防止了遗传算法的过早收敛.理论和实例分析均表明,改进后的遗传算法在一些性能上明显优于基本遗传算法,较好地避免了遗传算法的早熟收敛,提高了遗传算法的进化效率,具有良好的有效性和可行性.     

小生境技术对遗传算法的改进作用研究

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象.本文扼要分析了遗传算法的运行机制,提出一种基于小生境改进遗传算法;对复杂函数的遗传优化仿真实验数据表明,改进的遗传算法不但具有良好的全局收敛可靠性,而且具有快的收敛速度.     

基于改进遗传算法的作业车间调度问题研究

为了解决遗传算法的早熟收敛问题,提出一种改进遗传算法.通过设定种群过早收敛指标,在种群出现过早收敛时,及时的对其进行优化.仿真示例说明了该遗传算法在求解Job-Shop生产调度方面的可行性和有效性.     

基于改进CGA的配电网重构

针对遗传算法易早熟收敛和易产生大量不可行解的问题,提出了一种基于改进的克隆遗传算法(CGA)的配电网重构方法.该方法对克隆遗传算法进行了3点改进:通过简化网络结构,缩短了算法中染色体的长度;采用基于环路的编码方式,避免了产生大量不可行解;改进克隆遗传算法的选择算子、基因移位和突变操作,克服了早熟收敛的问题,提高了算法的收敛速度.本文以网损最小为优化目标对算例进行了重构,同时与基于遗传算法及粒子群算法的配电网重构进行了比较,算例结果表明:改进的CGA具有较高的寻优性能,应用于配电网中可以起到减小网损的作用.     

基于改进自适应遗传算法求解移动机器人路径的优化问题

通过对遗传算法进行自适应改进,计算出能够随时适应的遗传算子,克服了传统遗传算法的早熟收敛问题.通过运用序号法设定各货位在工作环境中的位置,建立移动机器人拣选作业的数学模型,运用改进自适应遗传算法对初始路径进行改进,得出最优解,并运用Matlab遗传算法工具箱对此进行仿真.实验结果表明,此方法收敛速度快,可以获得全局最优...     

遗传算法的爬山法改进

针对遗传算法在处理多峰优化问题时容易发生早熟现象的问题,采用了动态调整交叉概率值和变异概率值的方法,引入爬山法在迭代过程中进行局部寻优,仿真实验对比分析了标准遗传算法和改进遗传算法的性能.研究结果表明:改进后遗传算法的收敛速度较快,得到结果误差值比较小.研究结论证明在相应的进化阶段采用合理的概率值,利用爬山法对遗传算法局部寻优,可以避免早熟现象,提高遗传算法收敛速度和精度.     

基于改进自适应遗传算法的仿真研究

交叉概率Pc和变异概率Pm是遗传算法中重要的参数,自适应遗传算法中Pc和Pm能根据个体适应度差异自适应地调节其大小,在快速收敛和全局最优之间获得了较好的平衡,但自适应遗传算法对于进化初期不利.改进的自适应遗传算法避免了进化初期较优个体处于停滞不前的状态.分别用3种算法对典型的测试函数进行训练,仿真结果表明:改进的自适应遗传算法在收敛速度和寻最优解方面是最优的.     

基于改进伪并行遗传算法的函数优化

针对遗传算法早熟和收敛速度慢的问题,在已有的伪并行遗传算法基础上对遗传操作进行改进。采用3个测试函数对改进的算法进行验证,结果表明改进的算法在函数的平均适应度值、平均运行代数、收敛概率等方面都取得了较好的结果。     

实数编码遗传算法的改进及并行化实现

针对实数编码的遗传算法容易掉入局部极值、收敛速度慢等缺点,提出一种改进的实数编码的遗传算法,并对其进行了基于GPU的并行化实现.通过4个典型的遗传算法性能测试函数进行测试,结果表明,改进后的算法可以有效地跳出局部极值点,并能加快算法的收敛速度;在求解复杂的高维函数时,并行化后的改进算法可以显著减少算法的运行时间.     

多峰函数优化的混合遗传算法

研究了2种基于最速下降法和遗传算法的求解多峰函数优化问题的混合遗传算法,以Schaffer函数的全局优化问题和收敛概率、平均收敛时间和平均收敛值等评价指标检验了混合算法的性能.结果表明混合算法的性能优于单独的遗传算法或最速下降法,采用随机方式选择局部优化个体的混合遗传算法性能在总体上优于从每代群体中选择适应度高的个体进行局部优化的混合遗传算法.     

基于遗传算法的RBF神经网络设计

采用了遗传算法自动构造ＲＢＦ网络,把网络结构的形式作为一个子集选择问题来解决,并提出了新的遗传操作算子来改进遗传算法,加快了收敛速度,提出了算法的实用性,文中介绍了遗传算法的结构与优化原理,并给出了ＲＢＦ网络结构的生成方法,用仿真结果证明了本算法的可行性。     

求整体优化全部解的区间排除遗传算法

为了改善单纯遗传算法中的模式欺骗和早熟现象,应用区间算法和遗传算法的理论、方法构造了一种区间排除混合遗传算法,并采用二阶Lipschitz扩展作为检验极值的条件,用计算实例验证了本算法在一类整体优化问题中具有收敛到全部解的优良性能,检验条件简单、容易实现,明显提高了收敛的速度、可靠性,很好地解决了模式欺骗和早熟现象.     

BP遗传算法在结构形状优化设计中的应用

利用遗传算法(GA)对桁架结构分别进行杆件截面和节点坐标的优化设计,利用BP网络的高度非线性映射能力来得到遗传算法的适应度函数值,替代优化中重复采用有限元分析的方法,降低计算花费时间,提高了算法收敛速度.通过25杆输电塔架算例的优化设计,验证了此方法的实际应用是可行的.     

用单亲遗传算法解决影片递送问题

遗传算法(简称GA)是基于生物进化原理的普适性全局优化算法，是解决NP难问题的一种行之有效的方法．但是，序号编码的遗传算法不能在任意两条染色体的任意位置进行交叉，必须使用PMX，CX和OX等特殊的交叉算子，这些算子实施起来都很麻烦且效率不高．针对这一问题，采用单亲遗传算法，取消交叉操作，强化变异作用．这样既简化了遗传操作，又克服了早熟现象．较成功的解决了影片递送问题，文中的算例表明，该算法是实际有效的．     

基于克服过早收敛的自适应并行遗传算法

为了克服遗传算法中存在的主要问题即过早收敛（过早收敛使得一些优秀个体或基因过早地被排除掉,从而导致搜索范围缩小及局部最优,影响了进一步搜索）,从控制参数的改进着手,提出了多种群并行进化及自适应调整控制参数相结合的思想。克服了以往定常参数单种群进化的不足,综合了不同特性种群进化的长处,使得过早收敛问题得以缓解,同时又提高了搜索的范围和效率。     

关于进化算法中连锁的研究

该文将生物遗传学中连锁的概念引入进化算法中 ,并对其作用进行了分析。作为一种启发式应用于遗传算法 ,然后以货郎担问题为例将连锁应用于遗传算法的具体过程 ,最后通过测试实验 ,对带连锁的遗传算法与不带连锁的遗传算法的实验结果进行比较。结果表明连锁可以加快算法的收敛速度 ,并且没有“早熟现象”。     

基于实数编码的遗传算法收敛性研究

基于群体搜索的遗传算法求解复杂优化问题具有独特的优势,现有遗传算法的研究大多集中在算法的设计和数值实验效果的比较上. 该文给出了求解一类复杂优化问题的遗传算法(RFGA)的基本框架,并用概率论的有关理论对RFGA的收敛性进行了研究,结果表明RFGA以概率1收敛到问题的最优解.     

基于粒子群优化和两性二倍体的遗传算法及其应用

分别采用粒子群生物进化原理和自然界生物两性繁殖原理，对传统遗传算法进行改进，得到两种新型的遗传算法，并分别应用于背包问题和标准测试函数上。实验结果表明，这两种算法在全局搜索能力和收敛速度上比传统遗传算法都显示出了绝对的优越性。     

一种基于遗传算法的BP神经网络算法及其应用

主要分析了神经网络和遗传算法的特点和存在的一些缺陷，研究了遗传算法和BP神经网络学习算法相结合的相关技术，设计并实现了一个基于遗传算法的BP神经网络算法BP—GA，已应用于肺癌早期细胞病理诊断系统中。实验结果表明，该算法具有较强的收敛性和鲁棒性，其应用效果很好。