一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

一种改进的量子遗传算法

针对量子遗传算法存在储存量大和易陷入局部最优解等问题,提出一种新的量子遗传算法。该算法采用角度编码方式表示染色体从而减少编码的存储空间;引入小区间方法初始化量子种群, 使量子染色体均匀分布于初值空间;利用改进的旋转门对种群进行更新操作;采用动态的量子步长调整策略实现自适应搜索;引入量子交叉和量子变异操作防止早熟问题。通过典型的多峰值函数优化实验表明该算法具有收敛速度快、全局寻优能力强和计算时间短的特点,可以用于多峰值函数优化问题。     

一种基于PSO思想的改进量子遗传算法

文章提出一种基于PSO思想的改进量子遗传算法.将PSO中的合作机制和记忆功能引入到QGA中,构造种群个体与当前最优解的距离参量,根据每个个体与当前最优解距离大小智能地控制旋转角的大小,使旋转角能够根据个体的进化差异选择不同旋转角的自适应调整进化过程,从而使算法始终保持合适的搜索网格,加快算法收敛,同时也可以保证能够收敛...     

一种基于量子遗传算法的多播路由算法

提出了一种基于量子遗传算法QGA（quantum genetic algorithm）解决多播QoS（quality of service）路由问题的算法．介绍了量子遗传算法的基本原理,给出了算法实现的方法和具体流程,并进行了量子遗传算法在多播路由选择优化方面的仿真实验,证明了量子遗传算法优于常规遗传算法．     

一种改进的量子遗传算法研究

提出一种改进的量子遗传算法(IQGA)。在编码方面提出了一种根据所求问题精度动态确定量子染色体基因长度的编码方法,考虑了计算解的精度和搜索效率的平衡关系。探讨了量子旋转角度的动态调整及策略,使算子在不同的情形下实现粗搜索和细搜索的结合。通过对量子变异操作的组合实现异后在一个更大的邻域范围内进行搜索,确保算法在合理的计算代价内有潜能搜索到高精度的解。最后,用IQGA对选取的若干基准测试函数进行测试。测试结果表明,相对于已有文献算法数据来说由IQGA得到的最好解、最好解的平均值以及收敛代数等均更具优势。     

一种新量子遗传算法及应用

基于量子位测量的二进制量子遗传算法,在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率。针对这一问题,提出了一种基于量子位相位编码的量子遗传算法。该方法直接采用量子位的相位对染色体进行编码,采用量子旋转门实现染色体上相位的更新,采用Pauli-Z门实现染色体的变异。在该方法中,由于优化过程统一在空间[0,2π]n进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性。以函数极值优化为例,仿真结果表明该方法的搜索能力和优化效率明显优于普通量子遗传算法和标准遗传算法。     

一种改进型遗传算法的网格工作流调度研究

用有向无环图表示的网格工作流调度问题是一种典型的NP-完全问题,因而,有效的调度算法是必不可少的。为解决这一问题,提出了一种改进型的遗传算法。运用适应度差的染色体与最优个体进行二级优先杂交和变异,不仅保障了种群的多样性,也提高了种群的收敛速度。采用Gridsim工具进行模拟后,证实该算法较标准的遗传算法更适用、更有效。     

一种基于改进型遗传算法的关联规则提取算法及其应用

对关联规则的数据挖掘和遗传算法进行了概述,阐述了关联规则数据挖掘的现实意义,提出了一种采用改进型遗传算法的关联规则提取方法,并给出了具体的算法,最后结合一个具体实例进行了应用。     

一种改进型遗传算法在电网规划中的应用

为了建设智能电网,本研究对传统遗传算法进行了改进,考虑了多种目标函数和约束条件。改进后的算法能根据优胜劣汰的原则进行搜索和优化,特别适合于整数型变量的优化问题。将该算法应用到某市15节点系统中进行测试后发现其具有很快的收敛速度和最优的运算结果。通过比较发现,利用优化算法得到的最优方案与实际电网规划中运用工程归算方法得到的计算结果相同,这说明本算法具有很好的适应性。     

一种基于自适应遗传算法的二自由度PID调节设计

提出了一种自适应遗传算法,并将其成功地应用于仅需两个参数的二自由度PID调节器设计,使系统同时具有了最优的目标值跟踪特性和干扰抑制特性.仿真结果表明了该方法的有效性及可行性.     

一种改进型遗传算法及其在规则提取中的应用

传统的遗传算法在处理复杂的优化问题时容易早熟收敛,陷入局部最优解。为此将免疫原理引入遗传算法,提出了一种新的亲和度定义策略——正弦型亲和度,该策略在对适应度调整时,前期有近似线性的抑制作用,后期则变得平缓。据此设计了一种改进型遗传算法,以提高遗传算法的全局寻优和局部搜索能力。实验结果表明,改进型遗传算法在处理高维多峰函数的收敛速度和收敛精度方面均优于基本遗传算法。以发动机稳定工作状态为例,应用改进型遗传算法实现了飞行状态分类规则的自动获取。测试结果表明,只要训练样本选取得当,获取的规则简洁、有效。     

基于改进型遗传算法的水质溯源问题

针对污染源排放位置、时间、排放总量的问题,以一维物质对流扩散方程和遗传算法理论为基础,构建污染物位置和排放时间的溯源模型。在传统遗传算法的基础上,按照适应度函数值的大小进行排序,引入"权重系数法"的概念,生成产生子代的新规则,优化种群质量,以控制种群进化方向。进一步基于解耦技术,建立了污染源排放总量的优化模型,推求污染源释放总量。试验结果表明,改进后的遗传算法能准确地追踪到污染源的排放位置和排放时间,与传统方法相比,其搜索效率更高,计算更加稳定。     

基于改进型遗传算法的FIR滤波器设计

基于最大误差最小化原则,利用改进型遗传算法设计了一线性相位的FIR低通滤波器.经过仿真结果比较,说明改进型遗传算法比自适应遗传算法更快更好地收敛到全局最优解.     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

基于信息熵的量子免疫遗传算法

针对目前的量子进化算法在高维函数优化时容易陷入局部最优,利用信息熵的概念,将量子进化算法和免疫遗传算法进行改进与融合,提出一种基于信息熵的量子免疫遗传算法.该方法对抗体采用相位编码,用信息熵准确地度量量子比特的不确定信息;提出了一种按变量的种群熵降序排列的邻域搜索策略;对于抗体之间的相似度,给出了一种按个体熵相同变量位数的度量方法;用繁殖概率对抗体的多样性进行评价,并分别以函数优化问题和VRPSDP问题进行了仿真验证.研究结果表明:该算法收敛速度快,求解精度高.     

一种基于正交实验设计的遗传算法

将正交实验设计法与遗传算法结合,介绍了正交初始化的种群和正交的交叉算子,得到一种正交遗传算法.经仿真实验,该算法收敛性和解的质量均优于标准遗传算法.     

一种基于遗传算法的分类方法

数据挖据的目的是从数据库中获取知识。本文针对挖据目的,提出了一种基于遗传算法的分类方法,并应用于实例,得到了很好的结果。     

一种基于人机交互的退火遗传算法

针对工程中存在的许多具有大规模、非线性、非凸等复杂特性的全局优化问题,在退火遗传算法的基础上,通过将人工方案和算法方案相结合,提出了一种基于人机交互的退火遗传算法,算法首先通过人机合作方式产生初始群体,并在随后的演化过程中,根据个体的适值自动地将人工个体从移民池中引入到算法群体中,引入的人工个体在同其他个体广泛交叉后,按Metropolis法则形成新群体,从而改善群体的质量并引导算法向更富希望的方向搜索,改进的自适应算子提高了算法的整体搜索能力,该算法具备演化算法的优点,并能发挥人的主动性,显示了求解复杂优化问题的应用潜力,算例的仿真结果验证了算法的有效性。     

一种基于遗传算法的数据挖掘新方法

文章首先对相关理论进行了概述,阐明了数据挖掘和遗传算法的产生与发展以及他们的相互结合,接着提出了BP神经网络的原理及其不足之处。然后提出了一种遗传算法和BP神经网络相结合的算法,并讨论了该遗传算法的编码方法、遗传算子的设计和适应度函数的构造,并把算法运用在数据挖掘技术中。