带油耗率的车辆路径问题的改进量子遗传算法研究

针对实际生活中车辆油耗会随着运载量的变化而变化,建立带油耗率车辆路径问题的数学模型,以最小化总成本为目标函数。将运输过程中随运载量变化的油耗率转化成交叉概率,自适应地改变交叉概率,提高算法的全局搜索能力;考虑车辆满载率,设计一种与运载量相关的变异概率,使其逐渐减小并使群体迅速集中,可以抑制早熟。基于以上方法构造的一种自适应遗传算法,实例进行仿真表明,提出的算法在收敛速度和寻优结果两方面略优于自适应遗传算法和遗传算法。     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

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.     

基于隔离小生境的自适应遗传算法研究

基本遗传算法存在着收敛速度慢、易陷入局部最优等缺陷.针对这些缺陷,本文通过对自然界中隔离机制和自适应技术的研究,发现隔离机制对于改善种群的多样性等方面有良好的作用,而交叉概率和变异概率不仅与自身的适应度值有关而且同进化代数有较大关系.本文结合隔离小生境的知识和自适应技术提出了一种基于隔离小生境技术的自适应遗传算法,并通过函数测试表明该方法能够有效改善种群多样性,提高算法的全局寻优能力和收敛速度.     

变异率和种群数目自适应的遗传算法

提出了针对个体变异率和种群数目的2种自适应方法.算法中个体变异率根据其适度值在种群中的排序自适应调整,使优良个体具有较小的变异率继续进化,而使种群中较差个体具有较大变异率,增强了种群搜索能力.同时根据种群个体适度值方差动态调整变异率曲线,种群数目调整则根据最优个体更新率动态增大,以动态适应解空间的规模避免采样误差造成的进化停滞.通过在不同尺度的NK Landscape上与传统的简单遗传算法(SGA)比较可得,2种自适应方法的引入对遗传算法的寻优能力有了明显改进.     

基于云自适应遗传算法的改进BP算法

针对标准BP算法对初始权值敏感、收敛速度慢、易陷入局部极小等问题,结合正态云模型云滴的随机性和稳定倾向性,以及遗传算法的全局搜索能力、收敛速度快等特性,提出了云自适应遗传改进BP算法.该算法首次将云模型和遗传算法结合调整神经网络的权值和阈值.由X条件云发生器产生改进的自适应交叉概率和变异概率.实验结果表明:云自适应遗传改进BP算法比标准BP算法收敛速度快.     

基于自适应退火遗传算法的船舶管路布局优化方法

采用自适应遗传算法来确定标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其不但能根据个体适应值的大小进行自适应修正,而且能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.同时引入模拟退火思想,通过对标准遗传算法接受算子的退火处理,使其在搜索过程中除了接受优化解以外还以Metropolis准则接受恶化解,提高了种群的多样性,有效地增强了全局寻优能力.通过对适应值函数的退火拉伸,调整了进化前后期的适应值差异,从而加速了寻优过程.最终以形成的自适应模拟退火遗传算法进行船舶管路的三维布局优化,仿真实验表明,该算法不但加快了寻优速度,而且与标准遗传算法相比全局收敛率提高了近30%.     

基于自适应HereBoy算法的电路进化设计实验研究

针对电路进化设计演化后期种群收敛速度放慢等问题,采用自适应Here Boy算法,融入遗传算法的群体概念,研究自适应因子在进化算法中对演化收敛速度的影响。运用类神经网络的电路模型和矩阵编码方法对组合电路进行编码,建立了电路编码到电路功能的映射关系,采用外部进化方式进行电路适应度值评估,引入自适应遗传算子提高算法收敛速度和种群多样性。二位二进制乘法器电路的进化结果表明,该方法较传统Here Boy算法在电路进化设计进程中电路平均演化代数及演化时间明显减小,在进化后期,随着种群演化代数增加适应度值平均涨幅提高。     

基于自适应遗传算法的矿山设备系统优化

提出了基于自适应遗传算法的矿山装备系统优化算法模型,采用多参数级联符号编码,其变异率和交叉率可根据群体适应度自调整而具有更好的收敛效果和全局搜索能力。根据矿山设备系统的实际特点,对算法模型中的交叉率和变异率等关键算子和操作步骤作了较详细叙述。理论上分析了自适应遗传算法在解决此类问题上的可行性。矿山生产企业根据矿山设备系统优化模型的自适应遗传运算结果,优化设备系统,可以达到提高矿山投入产出比,有效提高矿山产能的目的。     

BP网络自适应学习率研究

分析了自适应学习率BP算法，并对其进行了总结分类，针对每一类介绍了几种具体的自适应学习率BP算法。最后结合XOR问题把一种自适应学习率BP算法和标准BP算法进行了比较和评价。     

基于期望生存率的动态自适应粒子群算法

针对惯性权重线性递减粒子群算法(LDPSO)不能适应复杂的非线性优化搜索过程的问题,提出了一种动态改变惯性权重的自适应粒子群算法(DAPSO).在该算法中引入期望生存率的概念,并根据它对粒子群算法搜索能力的影响,将惯性因子表示为期望生存率的函数.每次迭代时算法可根据当前粒子群平均期望生存率的大小动态地改变惯性权重,从而使算法具有动态自适应性.对6个典型函数的测试结果表明,DAPSO算法的收敛速度明显优于LDPSO算法,收敛精度也有所提高.     

自适应最小误比特率滤波算法研究

针对数字通信系统,介绍了一种新的滤波算法。该算法基于最小误比特率(MBER)准则,并利用梯度下降法实现。通过采用内核密度估计的方法来估计误码率函数,可将其推广到自适应的最小误比特率(LBER)滤波算法。仿真结果表明,LBER具有良好的收敛性能和误码性能,可以广泛应用于均衡、波束成形、检测等。     

GOP-Level Bit Allocation Using Reverse Dynamic Programming

An efficient adaptive group of pictures(GOP)-Ievel bit allocation algorithm was developed based on reverse dynamic programming(RDP).The algorithm gives the initial delay and sequence distortion curve with just one iteration of the algorithm.A simple GOP-level rate and distortion model was then developed for two-level constant quality rate control.The initial delay values and the corresponding optimal GOP-level bit allocation scheme can be obtained for video streaming along with the proper initial delay f...     

H.264视频流量的自适控制

多媒体在因特网络中实时传播,常因网络的带宽限制造成传输过程中数据包丢失.如何提高多媒体传输的质量是一个重要而有挑战性的任务.现提出了一种新颖的基于丢包率判决来自适应控制H.264视频流量的传输方法.实验表明该方法解决了有效带宽变化对视频传输的影响,很大程度上提高了多媒体传输的质量.     

内部收益率的数值解法

讨论求解内部收益率的一种数值计算方法,并与牛顿迭代法及二分法比较,从理论分析和实证分析的角度证明了该算法很大程度上提高了计算的精度。     

一种基于缓冲区阈值调整的动态自适应码率选择算法

基于HTTP的动态自适应流媒体(Dynamic adaptive streaming over HTTP,DASH)是一种可利用Web服务器提供在线高质量视频流的自适应码率流技术,决定了视频播放性能。传统动态自适应码率选择算法存在考虑因素单一、播放缓冲区长度受限、带宽不稳定等问题,因此,改进与优化动态自适应码率选择算法十分必要。针对客户端缓冲区长度受限和带宽不稳定造成的视频播放卡顿现象,综合考虑网络带宽和客户端缓冲区因素,提出一种基于缓冲区阈值调整的动态自适应码率选择算法(Dynamic adaptive rate selection algorithm based on buffer threshold adjustment,BT-DARA)。该算法首先通过获取不同视频段大小和下载速率,计算网络吞吐量并对视频下载时间进行预测,然后结合缓冲区视频片段长度状态进行码率选择。特别地,在视频播放过程中对不同阶段采取不同的视频码率选择策略,并在客户端缓冲区达到临界值时动态调整缓冲区阈值参数,以此增加缓冲区长度,减少码率切换次数,确保视频播放的稳定性。实验结果表明,该算法能提高视频播放的码率,保证视频播放质量和稳定性,减少了视频开始播放的启动时间,为用户提供良好的视频播放体验。     

系数矩阵对阵正定的线性方程组的松弛的迹平均法

针对系数矩阵对称正定的线性方程组,为了更快地求解并保证迭代格式的收敛性,提出了松弛的迹平均法,给出了其收敛性条件,并进一步研究了松弛参数s与迭代格式收敛速度的关系.得出随着松弛参数s的增大,收敛速度加快.     

一种稀疏度拟合的图像自适应压缩感知算法

针对运用压缩感知理论对图像进行自适应压缩采样时,采样率及稀疏度阈值确定具有很强的主观性,提出一种稀疏度拟合的精确自适应采样算法.该算法通过循环迭代来确定各个稀疏度下满足PSNR要求的最低采样率,利用最小二乘法对稀疏度及采样率数据进行拟合,得到稀疏度-采样率选取的最佳目标函数.基于TVAL3重构算法对上述自适应采样算法进行了实验仿真,结果表明,重构图像的PSNR均高于用相同值的固定采样率重构的PSNR值,其中纹理特征区分明显的图像此PSNR差值能达到3.5 dB以上.相比粗糙自适应算法,平均采样率比其降低的同时,重构图像仍得到了更高的PSNR值.