一种基于混合遗传算法的有源噪声控制方法

提出了一种基于混合遗传算法的格型IIR滤波器结构的有源噪声控制方法.混合遗传算法将遗传算法与随机搜索算法结合起来,可以改善基本遗传算法的局部搜索能力,克服基本遗传算法存在未成熟收敛问题.本文选择UNDX交叉算子作为遗传算法的主要算子,在保留当前最佳个体的同时,再对该最佳个体用随机搜索法搜索优化个体.这样既保证了算法的全局收敛性,又提高了收敛速度.仿真结果表明,该算法可以有效地实现噪声控制.     

解决影片递送问题的改进混合遗传算法

影片递送问题(简称FDP)是一个典型的NP-Hard组合优化问题.遗传算法是一种生物自然选择与遗传机理的随机搜索与优化方法.论文针对影片递送问题的特点,在遗传算法中引入新的交叉算子,同时对进化个体进行可行化及结合2-opt邻域搜索也提高了运算效率,设计出一种改进的混合遗传算法.具体实例测试表明在解决FDP时新算法的有效性.     

基于布谷鸟算法的给水管网调压阀优化设计

针对城市给水管网漏损日益严重的问题,采用压力管理的策略,通过在管网中安装调压阀降低管网压力,从而达到减少管网真实漏损的目的.利用一个新的优化算法布谷鸟算法,建立管网调压阀优化模型,确定调压阀的数量、最优安装位置以及最优操作方式,并在算例管网中与遗传算法进行对比测试.结果显示:布谷鸟算法由于其调节参数少,随机搜索路径优,在调压阀优化设计中显示了更优秀的优化能力,显示了强大的算法应用可扩展性,使得对真实管网通过最优化算法来确定最佳阀门控制策略成为可能.     

排课算法问题求解探讨

排课问题是一个在组合基础上有限制且多目标的优化问题,并已被证明为一个和网络处理器有关的NP难问题。遗传算法是一种在生物界自然选择和进化机制基础之上发展而来的高度并行、self-adaptive的随机搜索算法,是近似求解网络处理器的难问题的一种有效方法。研究将遗传算法应用于解决排课问题。     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题 ,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作 ,较大地提高了寻优效率和寻优能力 ,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度法以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系统可靠性优化设计问题 ,通过定义隶属函数 ,把问题转化为清晰的普通优化问题利用改进的算法求解 ,以提高求解的精度和可靠性     

一种免疫进化算法及仿真研究

遗传算法(GA)作为一种高效并行随机搜索方法,具有很好的全局寻优能力;但是GA存在易陷入局部最优、个体多样性不足等缺点.正是基于GA的诸多问题,定义了一种计算抗体相似度和选择概率的新方法,并在遗传算法的基础上借鉴生物免疫系统的免疫记忆、浓度调节、抗体促进与抑制等机理以及分组变异思想,提出了一种新的免疫遗传算法.该算法用于优化复杂函数以及PID控制器,并与其它算法进行了比较.实验结果表明,该算法具有很好的全局收敛性能和搜索速度快等优点.     

基于网鱼算法的边坡最小安全系数搜索

边坡最小安全系数搜索是极限平衡方法分析边坡稳定性的关键步骤.针对目前发展的最新网鱼算法在应用于多变量优化问题时存在的巨大耗时等问题,采用较少点的直线连接初步形成滑动面,再使用样条函数法细化滑动面,采用较少的优化变量来模拟土坡滑动面,可大大减少网鱼算法的搜索耗时.对一典型复杂土坡进行了实例分析,分析结果验证了方法的可行性.     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作,较大地提高了寻优效率和寻优能力,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系数可靠性优化设计总是,通过定义隶属函数,把问题转化为清晰的普通优化问题利用改进的算法求解,以提高求解的精度和可靠性。     

遗传算法研究综述

遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度有效的随机搜索算法.近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注.本文介绍了遗传算法的主要特点、基本原理及其设计步骤,并指出了相关的研究方向.     

融合粒子群优化算法与蚁群算法的随机搜索算法

针对PSO算法与蚁群算法的优缺点,提出一种融合PSO算法与蚁群算法的混合随机搜索算法.该算法充分利用PSO算法的快速、全局收敛性和蚁群算法的信息素正反馈机制,达到优势互补,将这种优化方法拓展到求解连续空间问题,并通过实例来验证该算法对于单峰、多峰函数都能取得较好的优化效果.     

一种改进的和声搜索算法及其应用

为了克服和声搜索算法(Harmony Search Algorithm,HSA)方向性差和收敛速度慢的缺陷,提出一种新的和声搜索算法。新算法设置一个主种群和多个子种群,主种群和子种群分别采用全局差分HSA和局部差分HSA进行优化,所有种群通过排序循环划分方法进行协同优化。随机3—SAT测试实例和三个典型Benchmark函数上的实验表明,新算法是可行的、有效的。     

Objective Variation Simplex Algorithm for Continuous Piecewise Linear Programming

This paper works on a modified simplex algorithm for the local optimization of Continuous Piece Wise Linear(CPWL) programming with generalization of hinging hyperplane objective and linear constraints. CPWL programming is popular since it can be equivalently transformed into difference of convex functions programming or concave optimization. Inspired by the concavity of the concave CPWL functions, we propose an Objective Variation Simplex Algorithm(OVSA), which is able to find a local optimum in a reasonable time. Computational results are presented for further insights into the performance of the OVSA compared with two other algorithms on random test problems.     

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。     

遗传算法中的加速进化技术

自20世纪80年代以来,遗传算法在工程优化领域获得了广泛应用,遗传算法对数学模型要求不高,具有一定的隐性并行性,能同时在搜索空间大范围搜索,因而不易陷入局部最优解,然而,在实际应用中发现,仅有交叉算子和变异算子的传统遗传算法,局部搜索能力不强,容易出现种群早熟,进化结束时往往收敛到最优点附近而达不到全局最优点,为此借鉴了传统优化方法中的搜索技术,开发了几种算子用以强化遗传算法的局部搜索能力。算例表明,这几种算子能提高遗传算法的搜索性能,不论是搜索效率还是解的质量均有所提高。     

基于遗传算法的区域雷达网优化布站方法

为提高区域雷达网探测能力和抗综合电子干扰、抗隐身技术与隐身飞机的威胁,抗低空、超低空突防及抗反辐射导弹(ARM)能力,提出了一种基于遗传算法的雷达网优化布站方法.建立区域雷达网优化布站的数学模型,给出遗传算法在该优化问题中的求解过程和步骤,为加快求解速度对遗传算法进行了改进,并进行了雷达组网仿真,将分析结果与应用模拟退火算法计算的结果进行了比较,结果表明该方法能够快速得出多种优化布站方案,并具有易操作性.     

LHS抽样遗传算法

文献研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是：导向以高适应度模式为祖先的＂家族＂方向。以此结论为基础,利用拉丁超立方体抽样（LHS）的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。     

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(...     

基于单亲遗传算法的智能组卷研究

智能组卷是一个多约束目标的组合优化问题。针对传统遗传算法(TGA)在组卷解决问题方面存在的不足,提出了一种基于单亲遗传算法(PGA)的组卷方法,简化了遗传操作过程,并且不要求初始群体具有广泛多样性,不存在“早熟收敛”问题,仿真结果表明这种方法是有效的。     

多层前传神经网络的随机训练算法

基于承机射线法,本文提出了一种对动态网络大新的多层前传神经网络的训练算法。