基于神经网络的客车车身结构参数优化

为尽量减轻车身结构的质量,改善结构应力状况,提出了人工神经网络理论和遗传算法相结合应用于客车车身结构参数优化的方法。把正交表组合的结构参数作为输入矢量,ANSYS软件计算出的客车车身静动特性作为输出矢量。在对网络进行训练的基础上,建立了矩形梁构件的高度、宽度和客车车身的强度、刚度、频率之间的数学模型,以此作为优化问题的约束条件,用遗传算法求得结构参数全局最优解,试验结果证实了该方法切实可行。     

用于函数优化的正交Multi-Agent遗传算法

将Multi Agent系统、遗传算法和正交试验设计方法相结合,提出了一种混合进化算法———正交Multi Agent遗传算法。它以Multi Agent系统为基础,通过Agent间的相互作用与每个Agent所具有的知识和自学习功能来提高算法的全局优化能力和收敛速度;同时利用正交试验设计方法产生较好的初始种群和设计正交交叉算子以获得更好的后代;针对正交试验设计产生初始化种群在函数维数很高时需很大存贮空间的缺点,提出了子空间分割法来产生所需的初始化种群,它只需要原来存贮空间的十分之一。首先,对维数为30或100的12个标准测试函数进行仿真试验,结果表明正交Multi Agent遗传算法具有很强的全局优化能力和较快的收敛速度;其次,算法对这些标准测试函数进行高维优化(高达200维),实验结果表明正交Multi Agent遗传算法具有较好的高维搜索能力。     

自适应遗传算法的改进及在系统辨识中应用研究

为解决传统遗传算法早熟及收敛速度慢的问题，提出了一种改进的自适应遗传算法。通过对一典型的大海捞针粪（NiH）问题的试验，证明了改进后的遗传算法在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中，辨识结果表明该方法具有参数辨识精度高，抗噪声能力走，对输入信号通用性强，也适用于非线性系统参数辫识的优点，具有重要的工程使用价值。     

基于遗传算法的特征结构配置及其在导弹控制中的应用仿真研究

本文研究采用遗传算法求解线性多变量系统在输出反馈作用下的特征结构配置及其在导弹控制系统中的应用问题。遗传算法是一种基于自然选择和群体遗传学机理的参数搜索方法。采用遗传算法求解特征结构配置问题，具有适用广泛和计算稳定等特性。对导弹控制系统的仿真结果表明，这种方法是有效的。     

解多目标优化的均匀正交遗传算法

在多目标优化中，各目标通常相互冲突且不可公度，其最优解(常称为Pareto最优解)往往有无穷多，如何在最优解集合中求出一组分布均匀且数量充足的代表解供决策者选择十分重要,论文将均匀设计、正交设计与遗传算法相结合给出了解多目标优化的一种新方法，并证明了其全局收敛性,新方法用少的计算量便可求出一组在最优解集合中分布均匀且数量充足的最优解,计算机仿真也表明这种方法对不同的试验函数均可用少的计算量求出一组在最优解集合中分布均匀且数量充足的最优解。     

一种改进遗传算法及在多目标优化中的应用

基本遗传算法在求解大规模多目标优化问题时会出现早熟和搜索效率低等问题。针对这些问题,对基本遗传算法引入了邻域操作、自适应策略和混沌优化等多种改进策略,研究设计了一种有机结合各种改进策略的改进遗传算法流程。应用实例的仿真试验表明改进算法可行,且在求解大规模多目标优化问题时较基本遗传算法具有精度和速度优势。     

核Fisher判别分析多参数自动优化算法

针对智能优化算法原理复杂,相关参数设置困难的缺点,尝试利用拟牛顿法对核Fisher判别分析多个核参数进行自动优化。根据经验风险最小准则构建目标函数。为保证目标函数连续且可导,通过连续的sigmoid函数将离散的二进制输出转化为连续的概率输出。利用正交表选取初始核参数点。实验结果表明,所提算法具有同遗传算法相近的分类性能,且收敛速度快,原理简单,可以很好地应用于核Fisher判别分析多个核参数优化。     

一种求解TSP的生物信息启发式遗传算法

遗传算法是解决旅行商问题（traveling salesman problem，TSP）的通用路径优化算法之一。为解决传统遗传算法收敛速度慢且解不稳定的问题，提出一种生物信息启发式遗传算法（bioinformation heuristic genetic algorithm，BHGA）。通过优化适应度函数和初始种群，引入生物信息学中的基因序列对比手法进行交叉重组排序，采用基因逆转操作进行变异，对遗传算法进行改进，使算法能够加快收敛速度，得到更优路径解。利用BHGA对TSPLIB数据库中算例进行求解，实验仿真结果表明：该算法在中小型规模的TSP中求解效果好且结果稳定。     

一种可用于数值优化的一维智能体遗传算法的研究

针对复杂寻优问题,提出了一种新的遗传算法-一维智能体遗传算法(CAGA).该算法采用一维链式智能体网络结构,实现动态邻域竞争选择、正交交叉和自适应变异,可更好的保持种群多样性,从而获得较优的优化精度.实验采用了多个多维复杂函数进行了优化实验,结果表明,该遗传算法比其他多个著名优化算法可获得更优的优化结果.     

基于方差分析变量约减的指令制导回路误差分配方法

针对引入惯导设备的指令制导系统中的误差分配问题,构建了指令制导回路误差优化分配的数学模型,利用方差分析法进行了变量约减,改善了传统优化设计中优化参数过多的问题。采用基于带精英策略的非支配排序遗传算法的Pareto多目标遗传算法,并利用动态罚函数法处理多约束情况,改善了优化求解过程仿真时间过长和局部收敛的问题。以某指令制导系统和惯导设备的误差参数为例,用此方法对制导精度和总费用两项指标进行优化。结果表明,优化方案的各项性能指标均满足设计要求,与优化前方案相比,优化目标有很大程度的改观,制导精度提高近30%,总费用降低近40%。该优化方法有效且通用性强,可为其它制导方式的误差优化分配问题提供设计依据。     

Convergence Rate and Convergence of Genetic Algorithms

IntroductionTheanalysisfortheconvergencerateandconvergenceofthegeneticalgorithmsisveryimportanttounderstanditsproperties.Manyresultshavebeenmadeinthispield.A.E.Eib..[1]hasprovedthataclassofabstractgeneticalgorithms(AGA's)convergewithprobabilityoneunderelitistselection.G.Rudolphl']hasstudiedtileasymptoticconvergenceofthecannonicalgeneticalgorithms(CGA's),buttheresultsdonotcoverthecaseofelitistselection.SomeotherimportanttheoreticalanalysesforGA'shavebeencontributedbyD.B.Foge'[']andX.Qi['…     

求解混合流水车间调度的改进贪婪遗传算法

针对最小化最大完工时间的带有不相关并行机的混合流水车间调度问题,提出了改进贪婪遗传算法。首先,该算法染色体编码采用基于工件加工顺序的编码,解码提出了两种设备分配方案,并考虑到不同阶段加工设备配置不同对算法的影响,采用了正序解码和逆序解码加再调度并用的解码策略。其次,提出贪婪交叉算子和贪婪变异算子,这些算子不仅承担改进种群,增加种群多样性的功能,同时还具有较强的局部搜索能力。最后通过正交实验确定算法的参数设置,与已有算法对已知案例的求解结果进行了比较,说明了该算法的有效性。同时实验表明了正序和逆序解码策略的必要性以及正序或逆序解码的时机。     

基于数值积分的离散过程神经网络算法及应用

为解决离散过程神经网络的训练问题,提出了两种基于数值积分的离散过程神经网络训练算法.分别采用三次样条积分和抛物插值积分直接处理离散样本和权值的时域聚合运算,采用梯度下降法实现网络参数的调整.以漫湾水电站的月径流数据预报为例,实验结果表明,两种算法性能接近,均优于基于正交基展开的过程神经网络.     

基于HGSAA的机会阵雷达离散频率编码波形设计

机会阵雷达(opportunistic array radar, OAR)是一种以平台隐身性设计为核心的新体制雷达,设计适用于OAR系统的正交波形是研究的一个重要方面。对常规的雷达正交波形编码的搜索方法进行改进,使用混合遗传模拟退火算法,寻找出具有低自相关和互相关特性的雷达离散频率编码集合;并且考虑到算法适应度函数的重要性,引入灰关联度综合评价法则对其加以关联分析,根据关联度来引导算法搜索的方向,使产生的波形具备较好的性能。仿真结果表明,该算法可行且高效,在搜索最优离散频率编码方面优于其他搜索算法。     

Orthogonal genetic algorithm for solving quadratic bilevel programming problems

A quadratic bilevel programming problem is transformed  into a single level complementarity slackness problem by applying  Karush-Kuhn-Tucker (KKT) conditions. To cope with the complementarity  constraints, a binary encoding scheme is adopted for  KKT multipliers, and then the complementarity slackness problem  is simplified to successive quadratic programming problems,  which can be solved by many algorithms available. Based on 0−1  binary encoding, an orthogonal genetic algorithm, in which the orthogonal  experimental design with both two-level orthogonal array  and factor analysis is used as crossover operator, is proposed.  Numerical experiments on 10 benchmark examples show that the  orthogonal genetic algorithm can find global optimal solutions of  quadratic bilevel programming problems with high accuracy in a  small number of iterations.     

遗传算法在模糊系统优化设计中的应用研究

在模糊系统的变节点自适应模糊神经网络实现的基础上,提出一种混合GA优化算法。该算法采用混合编码策略,利用GA对模糊规则和隶属函数同时优化,而对结论参数则用最小二乘法估计。算法综合了GA强大空间搜索能力和传统优化方法的快速收敛和高精度的优点,在保证全局优化能力的条件下,综合考虑了模糊控制器的复杂程度、训练速度和控制精度。仿真结果及应用表明了该算法的有效性。     

针对任意非高斯信号的快速固定点盲波束形成方法

峭度最大化盲波束形成算法的性能受步长调节参数的选择影响很大,尤其是在信道和信号参数未知的条件下,很难选择合适的步长。针对以上问题,提出了两种新的不需要步长调节参数,而且同样适用于任意非高斯信号的快速固定点的盲波束形成算法。首先通过白化对数据进行预先处理,然后以峭度最大化和波束形成器的权值正交化来构造代价函数,采用复数近似牛顿方法对代价函数优化,得到新的盲波束形成算法。与峭度最大化盲波束形成算法相比,该算法误差小、收敛速度快,不需要任何步长调节参数,更适用于信道和信号未知的环境。仿真实验验证了算法的有效性。     

基于改进遗传算法的正交匹配追踪信号重建方法

针对压缩传感现有重建算法的缺陷:重建速度慢,在给定迭代次数的条件下进行重建,缺乏自适应性等,提出了一种改进的遗传算法与正交匹配追踪算法相结合的方法来构造重建矩阵。首先采用改进的遗传算法从测量矩阵的列中以最优染色体的形式选出与当前冗余向量最大程度相关的列,然后从测量矩阵中减去最优染色体部分并反复迭代,直到满足重建精度。实验结果表明,与现有的重建算法相比,在满足相同的重建精度条件下,该方法所需要的重建时间减少了5 s左右,所需要的测量矩阵规模减小了约10%,而且能在待重建信号稀疏度未知时自适应地控制迭代停止时间。     

基于个体相似度交叉率自适应的遗传算法

标准遗传算法的交叉运算以固定的交叉率进行操作。即不管遗传个体之间的相似程度，所有个体的染色体均以不变的概率进行交叉。本文根据交叉配对个体之间的相似度值自适应地确定交叉率，相似度值大的交叉个体以较小的概率进行交叉．而相似度值小的个体以较大的概率进行交叉。通过这种方法，可以提高遗传寻优计算的效率，加快遗传算法的收敛速度。