优化反向传播神经网络的自适应遗传算法

探讨了用遗传算法优化反向传播神经网络的问题。通过对不同遗传操作的分析和改进,提出了一种能有效进行局部搜索和全局搜索的自适应遗传算法。计算结果表明,该算法能快速地求出问题的全局最优解,且具有较好的计算精度。     

混合遗传-模拟退火算法在电网规划中的应用

遗传算法是一种根据自然界优胜劣汰的进化机理进行搜索和寻优的方法．在求解电网规划问题时,基于遗传算法在电网规划计算中可能陷入局部收敛而无法达到全局最优,本文引入模拟退火技术,并提出了混合遗传－模拟退火算法．计算结果表明,经改进后的新算法能使计算跳出局部收敛而达到全局最优的目的     

运用改进遗传算法的输电网规划

遗传算法对许多问题是有效的，但普通遗传算法只能保证全局最优解的出现而不能保证每次都收敛于全局最优解，其原因是在搜索过程中出现的全局最优解不能保留下来，针对这一问题，本文将改进自适应代沟方式的遗传算法用于输电网规划中，一方面保证了计算结果有多个解可供选择，另一方面加快了搜索速度，提出了搜索性能，算例表明了这种改进方法的优越性。     

统计公差分析与综合的数论序贯优化方法

当前统计公差分析与综合中常采用遗传算法对装配件中各零件公差进行优化,以平平衡产品成本与合格率的比例。利用遗传算法进行优化虽然可以获得全局最优解,但计算量过大。文中提出利用基于数论网络点集的数论序贯优化算法进行公差优化。与Ｍｏｎｔｅ Ｃａｒｌｏ方法产生的随机点集相比,数论网格点集的分布更为均匀,实例计算结果表明：序贯优化算法在保证获得全局最优解的同时,还显著地降低了计算量,计算量为遗传算法的１／５或     

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...     

基于量子退火算法的无线传感器网络节点定位

经典模拟退火、遗传算法等是无线传感器网络节点非测距定位广泛使用的方法,但是它们都存在:①容易陷入局部最优,难以实现全局最优,定位精度不高;②计算较复杂,能耗较多等问题.提出了基于量子退火算法的无线传感器网络节点定位方法,利用量子隧穿效应,可以较快地穿透能量势垒由局部最优到达全局最优,简化了计算,提高了计算速度.通过仿真实验验证,该算法与传统的遗传算法和经典模拟退火算法相比,提高了精度,降低了能耗.     

一种改进的遗传算法及其应用

遗传算法在实际应用中容易出现早熟收敛和搜索结果精度不高的问题。针对早熟收敛和最优值精度低,采用了对搜索参数进行动态调整的优化计算。在进化的全过程中,算法始终保持较强的全局搜索能力和局部寻优能力。测试结果表明,对遗传算法的此种改进是有效的,不易陷入局部最优,并能大大提高最优解的精度。     

微分进化算法在暴雨强度公式参数优化中的应用

用微分进化算法对暴雨强度公式参数进行优化, 并将其计算结果与传统方法、优选法以及加速遗传算法的计算结果作比较, 实例计算结果表明微分进化算法的拟合效果最好;相比于加速遗传算法, 微分进化算法提高了收敛速度, 有效地克服了不成熟收敛, 更容易收敛到全局最优解.     

遗传算法及其在平面度误差求解中的应用

对标准遗传算法提出了一些改进,并应用于计算满足最小区域法的平面度误差．采用实数值编码,其计算结果的精确度非常高,理论上可以获得全局最优解．改进的遗传算法简单明了,收敛速度快,在计算机上容易实现,可用于三坐标测量机等测量平面度误差的数据处理．     

遗传算法在低副瓣天线阵综合中的应用

应用遗传算法进行低副瓣天线阵的综合。针对低副瓣天线阵综合的特点,通过构造适当适应度函数,大大减少了计算量,通过对适应度函数进行非线性变换,增强了遗传算法的搜索能力,由于遗传算法固有的稳并行性、鲁棒性和简单易行等特点,提高了计算效率,可以获得全局最优解,并且收敛稳定,获得了良好的结果。