Optimal Polygonal Approximation of Digital Planar Curves Using Genetic Algorithm and Tabu Search

Three heuristic algorithms for optimal polygonal approximation of digital planar curves is presented.With Genetic Algorithm (GA), improved Genetic Algorithm (IGA) based on Pareto optimal solution and Tabu Search (TS), a near optimal polygonal approximation was obtained.Compared to the famous Teh-chin algorithm, our algorithms have obtained the approximated polygons with less number of vertices and less approximation error.Compared to the dynamic programming algorithm, the processing time of our algorithms are much less expensive.     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

格雷码混合加速遗传算法及其性能分析

通过在格雷码遗传算法进化过程中加入单纯形法学习算子,并利用格雷码遗传算法和单纯形法所得到的优秀个体群,作为变量新的变化范围,逐步缩小搜索空间,自动向最优解收缩,提出了求解非线性规划问题全局解的一种快速算法--格雷码混合加速遗传算法(GHAGA).为了在可行域内能得到全局最优解,在参数的定义域内投放了大量的均匀随机初始点作为初始群体.给出了GHAGA算法实施的详细步骤,建立了GHAGA相应的收敛定理,并分析了该算法的全局优化性能.理论分析和数值模拟表明,GHAGA具有精度高、收敛速度快的特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的较好的非线性规划方法.     

多种群蚁群遗传算法在车间调度中的研究应用

蚁群算法和遗传算法都属于仿生型优化算法,是解决调度问题的强有力的工具。本文针对多目标车间调度问题提出了一种多种群蚁群算法和遗传算法想结合的算法,算法的第一部分用多种群蚁群算法求得各个目标函数的最优解,第二部分把求得的解作为遗传算法的初始种群求得多目标问题的Pareto最优解。仿真结果,该算法有较好的有效性、稳定性和订单适应能力。     

基于智能算法的磁流变阻尼器位置优化

为了控制20层Benchmark建筑在地震作用下的非线性地震反应,采用改进的遗传算法确定MR阻尼器的优化设置位置.将标准遗传算法的遗传操作作相应改进,并进行给定数量的MR阻尼器优化配置的数值仿真分析,解决多约束非线性整数优化问题.结果表明,采用改进的遗传算法进行MR阻尼器位置设置优化后的半主动控制,能有效地降低结构在地震荷载作用下的响应,进一步提高了平均控制效果.     

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.     

基于快速MCVI算法实现CR信道接入*

在认知无线电(CR)技术中,无线网接入是一个极为重要的问题。针对这一问题,当前主流的解决思路包括博弈算法和基于部分可观测马尔科夫决策过程模型(POMDP)的算法。相比于博弈算法,基于POMDP模型的算法具有更好的环境适应性。在此背景下,本文提出了基于POMDP模型的快速蒙特卡罗值迭代算法(Fast MCVI)解决无线网接入问题。与其它解决POMDP模型的算法不同,该算法可解决值连续状态空间下的POMDP模型,具有更好的可靠性和稳定性。另外,相比于传统MCVI算法,快速MCVI算法使用非可支配排序遗传算法(NSGA2)进行优化,加快了算法收敛速度,使其在相同运行时间内能获得更好的决策结果。实验证明,通过值连续状态空间的POMDP模型对CR接入问题建模并使用快速MCVI算法进行决策,网络吞吐率比传统MCVI算法提高了1~1.7个百分点,比贪心算法提高了2.8~5个百分点。     

A GA-Based Approach for FMS Machine Loading Planing

The machine loading problem in flexible manufacturing system isaddressed in this paper. The problem is modelled as a mixed integer program. A Genetic Algorithm (GA) approach is developed to yield an optimal solution. In the genetic algorithm, chromosomes are encoded in term of operation routes. A point-to-point crossover search operator together with a Cyclic Shifting Mutation (CSM) operator is designed to adapt to the problem. At last computational experience with the model is presented, and the results show that our genetic algorithms are very powerful and suitable to machine loading problems.     

一种基于基因遗传算法的诊断问题求解方法

基因遗传算法是一种基于达尔文进化论思想的新的优化算法，它是对生物进化过程中繁殖、变种和自然选择等规律的模拟。作为一种进化论的数学模型，基因遗传算法在解决大空间的搜索和组合优化问题等方面具有独到的功效。本文在概率因果诊断模型的基础上，应用基因遗传算法解决了诊断中具有组合瀑炸数的多故障同时性诊断问题。     

改进蚁群算法求解单行设施布局问题

针对单行设施布局问题已有算法结构复杂、对算法参数有较大依赖性、求解效果欠佳的问题, 提出一种改进的蚁群算法。该算法采用基于目标函数值的自适应等级划分策略, 实现了信息素增量优胜劣汰、改进信息素的更新规则。通过简化状态转移概率函数, 降低计算量和算法对参数的依赖性, 引入精英候选集, 提高优良设备的选择概率。同时, 采用基于插入式邻域结构的爬山寻优算法作为局部搜索进行深度搜索。仿真结果表明, 求解28 个大规模的测试例子时, 该算法总的平均运行时间分别为混合遗传算法的14%, Lin-Kernighan 算法的5%, 分散搜索算法的50%, 说明该算法可在短时间内较稳定地得到高质量的近优解, 性能优越于其他算法。     

改进的多目标遗传算法在无人机机翼结构优化中的应用

现有的多目标遗传算法往往只能求得整个非劣曲线的一部分,同时局部搜索能力差,收敛速度较慢。为了解决这些问题,提出了一种改进算法,该算法将非劣分层遗传算法(NSGA)与向量评估遗传算法(VEGA)的优点结合起来,并且提供了一个利用往代信息构造搜索方向的局部搜索算子,有效扩展了非劣曲线的范围,加快了收敛速度。以某无人机机翼结构的多目标优化问题为例,证明本文改进算法可以较为快速地获得一个分布均匀的非劣解集。     

改进麻雀搜索算法优化支持向量机的井漏预测

在钻井过程中，受地质环境，钻井技术等多种因素的影响，容易发生井漏事故。为预防井漏事故，减少因钻井事故带来的损失，本文提出了一种改进麻雀搜索算法（ISSA）优化支持向量机的井漏预测方法。首先，在发现者位置更新公式中引入了一种改进的自适应非线性惯性递减权重，提高算法全局搜索能力； 其次，在警戒者位置更新公式中引入莱维（Levy）飞行策略，减少算法陷入局部最优的风险。为验证改进算法的寻优能力，将麻雀搜索算法（SSA）、遗传算法（GA）、灰狼算法（GWO）以及改进的麻雀搜索算法（ISSA）在8个基准测试函数上做了对比实验。实验结果表明，改进的麻雀搜索算法（ISSA）在寻优精度，稳定性等方面都较其它算法更为优异。最后，将改进的麻雀搜索算法用于优化支持向量机（ISSA-SVM）的惩罚参数 和核参数 ，进行井漏事故的预测。结果表明，ISSA-SVM预测准确率为97.7654 ，相比于麻雀算法（SSA）-SVM、遗传算法（GA）-SVM以及灰狼算法（GWO）-SVM预测准确率都高，且收敛速度快，迭代次数少，能够高效、快速预测井漏事故，提高钻井效率和可靠性。     

协同设计中的任务调度算法及实现

 在协同设计子任务间形成的任务前趋图的基础上,面向协同设计的实际需求,采用了两个任务调度算法：改进的AGA（Adaptive Genetic Algorithm, 自适应遗传算法）及GASA（Genetic Simulated Annealing Algorithm,遗传-模拟退火算法)。分别给出了算法的详细实现,分析并比较了算法与其它任务调度算法的效能。最后,针对较大规模的任务实例对这两个算法进行了横向比较,分析了它们的时间效率和适用场合。     

改进花朵授粉算法

智能系统试图模拟人类专家来解决复杂的现实问题。问题的领域从工程、工业到医学、教育都各不相同。在大多数情况下,系统需要根据多个输入进行决策,但是搜索空间通常很大,因此很难使用传统的算法进行决策;元启发式算法可以用作寻找最优解的一种工具。因此,改进元启发式技术和现有算法是必要的。本文介绍了一种改进的花朵授粉算法(FPA)。将标准的FPA与克隆选择算法(CSA)结合,应用到23个优化基准函数上,并对其进行测试。将改进算法与五种著名的优化算法(模拟退火、遗传算法、花授粉算法、蝙蝠算法和萤火虫算法)进行比较。实验结果表明,相比标准FPA和其他四种方法,改进花朵授粉算法能够找到更精确的解。     

遗传算法在路基边坡稳定分析中的应用

路基边坡稳定性评价的关键是如何确定最危险滑裂面的位置并计算与之相对应的安全系数,是非线性优化问题。为克服传统优化分析方法容易陷于局部最优解的缺点,本文利用模拟自然进化过程的遗传进化算法来搜索最危险滑动面,提出了一种路基边坡稳定性分析的遗传进化调优算法,它是一种全局优化分析方法。     

一种阵列天线零点形成的新方法

提出了一种新型的幅值扰动形成零陷的方法，通过在幅值扰动的过程中引入遗传算法来进化寻优，从而达到在指定方向形成一定深度零陷的目的．为了克服基本遗传算法易于早熟和局部寻优能力较差的不足，采用了改进的小生境遗传算法．该零陷形成方法克服了传统零陷形成方法零陷深度不足、副瓣电平高等缺陷．仿真表明，该方法能较好地达到设计要求，且有较好的收敛速度和稳定性．与其他一些方法相比较，该法有更广阔的应用前景．     

融合正弦余弦算法的蝴蝶优化算法

针对蝴蝶优化算法存在收敛速度慢、求解精度差和易陷入局部最优等缺陷,提出一种融合正弦余弦算法的蝴蝶优化算法。首先在蝴蝶自身认知部分引入非线性自适应因子,其次重新定义香味浓度计算公式,最后在局部搜索阶段引入改进的正弦余弦算法。通过19个基准函数的测试,实验结果表明,本算法在收敛速度、寻优精度和鲁棒性方面均优于蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)、正弦余弦算法(Sine Cosine Algorithm,SCA)、樽海鞘群算法(Salp Swarm Algorithm,SSA)、狼群算法(Grey Wolf Optimizer,GWO)和布谷鸟搜索算法(Cuckoo Search Algorithm,CS),与其他改进蝴蝶优化算法相比,在寻优精度方面也具有一定优势。     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

遗传算法在岩土工程反演问题中的应用

综述了岩土工程反演的基本过程，并在介绍遗传算法研究进展的基础上，将遗传算法与传统优化算法进行比较，然后给出几种遗传算法的改进策略，同时介绍了遗传算法在岩土工程反演领域中经常使用的几种改进方法，最后通过实例验证了遗传算法是求解岩土工程反演问题的有效方法。