高性能自适应调整参数的遗传算法

分析了适应值选择算子中参数对遗传算法的个体选择和搜索性能的影响,提出了一种高性能自适应调整选择算子参数的遗传算法,修正了交叉概率和变异概率的自适应形式,并讨论了它们的变化机理.实验证明,该算法提高了算法搜索能力和解的精度,能有效地避免局部极小.     

基于RBFNN和GA的重叠峰分辨新技术

根据光谱线型函数和色谱峰型函数的(近似)径向对称性和紧支性,首先构造了以线型或峰型函数为基函数的径向基函数神经网络(RBFNN),在RBFNN学习算法中引入了基于可行域约束和共享小生境技术的遗传算法(GA),从而使RBFNN具有了结构自学习和参数优化的能力.最后将具有结构自学习能力的RBFNN成功地引入至谱图的重叠峰解析辨识研究中,试图建立一种适应光谱和色谱谱图重叠峰解析辨识的统一架构,并达到了预期的目的.为了提高解析辨识的成功率,避免遗传算法的盲目搜索,文章还将参数的约束关系作为罚函数引入至遗传算法的适应值函数中,极大地限制了解的空间,减少了病态解发生的概率.     

一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.     

微小通道表面射流冲击冷却系统实验研究

根据电子器件的高热流密度散热需求,设计了阵列式射流与微小通道热沉相结合的闭环回路冷却系统,并进行流动及换热性能测试.通过实验探索了系统运行工况参数如流量、背压、工质除气和入口过冷度对冷却性能的影响;比较了不同结构尺寸参数(射流孔形状、射流孔直径d、射流高度H)下热沉换热及流动性能的差异.实验数据与现有文献中经验关系式的预测结果相符.     

改进型自适应遗传变异算子

通过分析二进制遗传算法中基因频率对种群多样性的影响，提出了一种新的能维持种群多样性，且具有自适应变异概率的变异算子，该算子染色体每一基因位上的变异概率由其基因位上的基因频率自适应决定．仿真实验表明该算子不但能保持种群的多样性．而且能有效提高算法的收敛速度．     

量子隐形传态电路的优化设计

利用遗传算法完成量子隐形传态电路的优化设计,提出一种新的一维编码模式,即利用码的位置信息来存储量子门的位置信息. 这种编码模式与其他模式相比效率更高,编解码更方便,能很好地反映量子电路的结构,且容易推广到多位量子电路. 设计了合适的适应度函数,分两部分判断电路的功能和性能,详细探讨了遗传算法的改进及相应实验结果,得到了更优的电路结构.     

差分进化算法的参数研究

简要介绍了差分进化算法,对影响算法性能的主要参数种群规模,缩放因子和交叉因子进行了系统的实验,分析了各个参数对算法性能的影响及其最优选取问题,并给出了一些有益的结论,对运用差分进化算法时的参数选取有参考价值.     

基于遗传算法的模糊滑模控制在永磁直线电机位置控制中的应用

针对永磁直线电机控制中的推力扰动及参数变化问题,设计了一种改进的自适应模糊滑模变结构控制器(AF-SMC).利用遗传算法优化模糊变量的隶属度函数曲线.仿真和实验结果表明,与经典PID算法和一般模糊滑模控制算法相比较,新的算法具有更好的响应性能和抗干扰能力,抖振降低.     

基于高斯相似度分析的最大后验非线性变换HMM自适应算法

由于训练环境和识别环境的失配,识别系统的性能会严重下降,为此提出了基于高斯相似度分析的最大后验概率非线性变换的环境自适应算法,它可以减小由于环境的失配所引起的系统性能的下降.在该算法中,首先将HMM模型中的高斯分量进行相似度分析并建立二叉树,然后根据数据自适应调整变换类数,在每一类内利用分段线性回归近似非线性变换将训练环境下的HMM变换到识别环境,减小环境的失配,变换参数的估计采用了最大后验概率估计(MAP).数字语音识别实验证明:该环境自适应算法的识别性能优于带有高斯相似度分析的MLST、MAPLR和MLLR等算法.     

无缝线路稳定性计算参数的变异性影响分析

针对无缝线路轨道稳定性的计算参数(道床横向阻力、轨道原始弯曲、钢轨温升幅度、扣件阻矩系数)具有明显的随机性,对计算结果影响较大的实际情况,运用概率,采用单参数敏感性分析法,保持各参数的平均值不变,通过改变它们的变异系数.基于蒙特卡洛方法,对设计参数进行敏感性分析.分析结果表明,计算参数中的道床横向阻力、轨道原始弯曲、钢轨温升幅度对于无缝线路稳定性可靠度具有较高的敏感性,而扣件阻矩系数对可靠度的影响较小.     

一种新的基于免疫算法的多用户检测

提出了一种新的免疫算法，将匹配滤波器的输出判决信号作为一条染色体放入初始种群，使得初始种群中包含最优解的概率大大增加；选择疫苗时，将接种了疫苗的个体的适应值小于父代适应值的个体，按一定的概率接受该个体，克服了GA欺骗问题．仿真结果表明该算法在收敛速度和误码率方面都优于基于遗传算法的多用户检测．     

基于遗传/自适应神经网络混合算法求解作业车间调度问题

本文针对一类加工时间可变的调度问题,用遗传算法和基于约束满足的自适应神经网络混合算法进行了研究.遗传算法迭代生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,最后结果证明了本文算法的有效性.     

近场条件下的MIMO雷达阵列优化

在近场条件下运用遗传算法对MIMO雷达阵列进行优化. 构造优化MIMO阵列近场方向图旁瓣的适应度函数,提出一种基于FFT的快速算法用以高效评估适应度,采用“成对交叉策略”保证遗传算法进化过程中阵列稀疏率恒定. 对有无对称约束两种情况下的阵列优化结果进行比较,分析表明,若在MIMO阵列优化中加入对称
约束,则优化针对的聚焦点所在距离上所有角度均小于该点的目标,用优化所得之阵列扫描它们时可保持性能.     

应用遗传算法的电大尺寸载体附近天线阵方向图综合

采用矩量法结合一致性几何绕射理论分析电大尺寸载体附近天线阵列的辐射方向图,并使用遗传算法对阵列的方向图进行综合. 以有限长圆柱导体附近由半波振子组成的十元天线阵为例,用这种方法对阵元馈电电压的幅度和相位进行优化,得到了预期的方向图. 与单纯的低频或者高频算法相比,该算法具有计算速度快、精确度高、优化效果好的特点.     

一种稳健的目标提取与跟踪算法

融合了GVF-Snakes算法与基于细粒度的遗传算法,提出了一种稳健的目标轮廓提取与跟踪算法.该算法通过使用边界约束替代能量计算改进了GVF-Snakes算法,降低了算法计算复杂度,提高了它的搜索速度;另外,通过引用细粒度遗传算法来筛选控制点序列,提高了算法对极端凹陷边缘和噪声干扰轮廓的提取能力.通过合成和自然图像的目标轮廓提取和跟踪实验,证明了本文提出的算法具有鲁棒性和精确性.     

遗传算法求解组合优化问题研究

利用遗传算法（ＧＡ）的机理分析，提出了求解旅行商问题（ＴＳＰ）的一整套进化策略，并对算法对有效进行了分析，计算机模拟结果表明ＧＡ是求解组合优化问题的一种有效方法。     

基于蚁群信息素的混合遗传算法

针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.     

基于延迟策略的产品族设计与供应商选择优化

针对实施延迟策略的供应链中的产品族模块配置优化与供应商选择问题,提出一个在组装阶段延迟的产品族模块配置优化及产品定价的优化方法,并在产品族设计前端从产品族整体角度考虑来选择供应商,对供应商选择进行优化。构建遗传算法来解决所提出的0-1非线性模型,并以某品牌打印机的案例对模型和遗传算法做了说明。最后证实了在实施延迟策略的生产过程中,产品族设计与供应商选择问题之间不是完全独立的,两者之间通过模块选择相互影响。结果表明,考虑产品族模块配置与供应商选择问题的关联不仅能够减少生产的成本、降低风险,还能提高产品质量。     

一种新的多移动机器人协调路径规划方法

针对动态环境中多移动机器人路径规划问题,提出了一种基于知识的遗传算法。该算法路径表示简单,所设计的基于知识的遗传算子并入了领域知识和局部搜索技术,同时,把领域知识并入初始种群,大大提高了遗传算法的效率;将协调路径适应值矩阵引入基于知识的遗传算法,实现了多移动机器人协调路径规划。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

基于交互信息的混合特征选择算法

针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择(hybrid feature selection based on mutual information,MIHFS)算法,该算法以K-最近邻算法的分类准确率作为衡量所选特征分类性能的评价指标,有效...