一种快速自适应遗传算法及其仿真研究

遗传算法(Genetic Algorithm, GA)是一种模拟自然界生物进化过程与机制的一种优化搜索算法,有着广泛的应用前景。但是,简单遗传算法(Simple Genetic Algorithm,SGA)的收敛速度较慢,稳定性差,容易“过早收敛”。针对这些问题,本文提出了相应的解决办法,称为快速自适应遗传算法(Fast Self-Adaptive Genetic Algorithm, FSAGA),并通过仿真说明了算法的收敛快速性和全局收敛性都有了明显的改善。     

顾及负载平衡的并行多种群自适应遗传算法

自适应遗传算法采用在遗传进化的过程中动态调整各种遗传参数和遗传算子的手段,以达到快速收敛同时避免早熟的目的.提出了并行多种群自适应遗传算法(PMAGA:Parallel Multipopulation Adaptive Genetic Algorithm),通过对种群规模、交叉率和变异率等遗传参数的动态调整使算法在保持种群多样性的同时,提高收敛速度;重点针对自适应调整过程中带来的负载失衡,加入了相应的迁移策略.最后,给出了并行多种群自适应遗传算法与简单遗传算法(SGA:Simple Genetic Algorithm)和孤岛遗传算法(IGA:Island-based Genetic Algorithm)的收敛性能和并行性能比较.     

混合遗传-模拟退火算法在公交智能调度中的应用

公交行车调度是公交企业运营的核心内容，关系到公交企业的经济效益与社会效益。兼顾企业与乘客的利益建立了公交车辆行车计划模型，将遗传算法与模拟退火算法相结合组成混合遗传．模拟退火（GA-SA）算法，并对公交行车调度进行优化。实例仿真计算表明该算法具有比标准遗传算法更好的效率，是优化公交调度问题的一个有效途径。     

求解FJSP的自适应免疫遗传算法

借鉴生物免疫系统的免疫调节机理,提出一种求解柔性作业车间调度问题的自适应免疫遗传算法(AIGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过引入免疫算子和种群的自适应调节策略,保持了群体的抗体多样性.实验结果表明,该算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,能有效解决柔性作业车间调度问题.     

基于模拟退火算法求解VRPSPDTW问题

在经典的车辆路径优化问题的基础上,考虑顾客有同时取货和送货的需求,且每个顾客都有独立的时间窗,研究带时间窗和同时取送货的车辆路径问题(VRPSPDTW)。提出模拟退火算法求解该问题,算法使用Residual capacity and radial surcharge(RCRS)算法求得初始解,通过模拟退火过程和4种局部搜索方法(路径内搜索:2-opt法和or-opt法;路径间搜索:swap/shift法和2-opt*法)进行优化,并选取Wang和Chen测试数据集中的15个算例对算法性能进行测试。测试结果表明,提出的模拟退火算法优于Wang和Chen的遗传算法,能有效地求解VRPSPDTW问题,并且可以被灵活的扩展解决其他车辆路径问题和组合优化问题。     

电子侦察卫星任务调度方法

基于电子侦察卫星任务规划问题的特殊性,提出了规划预处理的基本方法,并基于合理假设建立了问题的多目标规划模型;设计了一种改进的遗传退火算法对模型进行求解,为防止最优解的丢失,引入了基于精英保留的选择机制,同时该算法有效避免了遗传算法局部优化能力差及模拟退火算法易陷入局部最优等缺陷。最后,通过实例将该算法与遗传算法(genetic algorithm, GA)及模拟退火算法(simulated annealing algorithm, SA)相比较,结果表明该算法能有效解决电子侦察卫星的任务规划问题。     

基于实数编码遗传算法的空车流量分配优化方法研究

针对铁路空车流量分配优化问题求解的复杂性,提出了采用实数编码遗传算法(Real-codedGenetic Algorithm,简称:RGA)求解的智能优化方法.对空车流量分配优化问题的RGA算法的基本结构、个体与适应度函数的构造、遗传算子的设计和算法的基本特点等进行了深入研究,并结合铁路空车流量分配问题的实例分析验证了算法的有效性.     

基于GA-SA的低轨星座传感器资源调度算法

针对基于低轨预警系统的多目标跟踪,提出了兼顾跟踪精度与系统效率的传感器资源调度算法。首先,建立了目标跟踪模型。然后,以调度周期内后验克拉美罗下界(posterior Cramer-Rao lower bound,PCRLB)变化率、卫星切换率为指标,建立了传感器调度的混合整数规划模型,在此基础上,采用遗传(genetic algorithm,GA) 模拟退火(simulated annealing,SA)混合算法对调度模型进行优化求解,提高了对解空间的搜索能力与求解速度。最后,仿真试验表明本文调度模型的正确性与GA-SA混合优化算法的有效性。     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

GA-SA模型预测中国能源需求

为预测中国能源需求,本文提出了一种新的遗传算法(genetic algorithm)和模拟退火法(simulated annealing)混合方法,称为GA-SA,该方法能利用各自的优势,克服彼此之间的弱点.分析了GDP、人口、固定资产投资、能源效率、能源消费结构及居民生活水平六个主要能源影响因子后,使用1981至2012共32年间各因子及能源消费的观察数据,运用GA-SA方法优化非线性二次能源评估方程,得出了该方程的权重系数.结果显示,提出的方法和选取的能源因子构建的GA-SA模型预测的能源值与观察数据值及其接近,并与其它模型进行了比较,准确性上提高了至少两个数量级.运用提出的GA-SA模型预测了中国在2015和2020年时两种不同情景下的能源需求量,并提出了一些政策性建议.     

基于自适应遗传算法的渠系优化配水模型研究

针对现有的建立在假定下级渠道配水流量相等基础上的渠道优化配水模型与绝大多数渠系实际配水要求不相符合等问题,研究了下级渠道流量不等时的渠系优化配水模型及其求解方法,并通过实例对基于自适应遗传算法和基本遗传算法的模型求解方法进行了比较。结果表明,与传统方法编制的配水方案相比,提出的模型和算法确定的渠系优化配水方案斗渠配水时间搭配合理、支渠配水流量均匀,符合优化配水原则;利用自适应遗传算法求解模型,能在进化过程中按个体优劣和群体分散程度自动调整遗传控制参数,可显著加快收敛速度和提高计算稳定性,具有较高的工程应用价值。     

自调整非线性遗传算法

通过对简单遗传算法的理论分析，得出了复制、杂交、变异等算子的每次作用均相当于对所作用的个体进行一次线性变换。因此，通过对传统遗传算子进行修改，作者提出了非线性遗传算法。本文发现规范化操作对算法的计算效率有很大的影响，并且给出各遗传算子的一种等价线性表示。因此，如果针对不同的优化问题动态的进行规范化操作及遗传算子的选择，将会大大提高算法的效率。本文提出一种新的自调整非线性遗传算法(Self—Ajusting Nonlinear Genetic Algorithm,SANGA)，该算法通过规范化操作的动态选择，结合简单的遗传算子，对算法的效率有很大的提高。仿真结果表明该算法的有效性。     

基于Baldwin效应的自适应有性繁殖遗传算法及其仿真研究

为了解决传统遗传算法存在的局部搜索能力差、早熟收敛、随机漫游等问题,提出一种基于Baldwin效应的自适应有性繁殖遗传算法。该算法模拟自然界普遍存在的有性繁殖现象,引入个体亲子间的适应度信息传递,并按照个体的性别差异以及种群间竞争与协作关系,对有性遗传操作进行自适应调整。同时,借鉴生物学中的Baldwin效应理论,引导个体后天正向或反向学习。通过与标准遗传算法和自适应遗传算法的仿真实验比较,证明了这种改进遗传算法的有效性。

Abstract：

Aimed to overcome the problems of traditional Genetic Algorithms,such as poor capabilities in local search,premature convergence,and stochastic roaming,a sexual reproduction adaptive Genetic Algorithm based on Baldwin effect was presented.The proposed algorithm simulated sexual reproduction and enables the transmission of fitness information from parent individuals to the offspring.Based on competition,cooperation,and innate difference between two sexual subgroups,the proposed algorithm adaptively adjusted sexual genetic operators.Meanwhile,inspired by the acquired reinforcement learning theory based on Baldwin effect,the proposed algorithm guided individuals to forward or reverse learning to adapt individuals＇ acquired fitness.Compared with Standard Genetic Algorithm （SGA） and Adaptive Genetic Algorithm （AGA） by numerical simulations,the proposed algorithm is proved more effective and advantageous.     

基于基因权重动态调整遗传算法的编码

针对标准遗传算法中交叉算子容易破坏定义长度较长的优良模式的弱点，提出了一种动态排序编码方法，以提高交叉算子的效率。首先对当前代种群确定基因权重，然后根据基因权重对基因位置进行动态排序，使优良基因变得集中，从而克服了标准遗传算法中交叉算子的弱点。为了避免陷入局部最优，对变异算子进行了改进。最后做了大量实验，并根据实验结果对该方法进行了评述。     

基于牛顿-遗传混合算法的几何约束问题的求解

将几何约束问题转化为非线性方程组的形式。传统的求解几何约束问题的牛顿法具有较好的局部收敛性,但是对于一些强非线性方程,传统数值法容易导致求解失败,有效性较低。而遗传算法具有较好的全局收敛性。将遗传算法和牛顿法结合起来,引入牛顿-遗传混合算法来求解几何约束问题。在遗传算法中嵌入一个牛顿算子,以发挥传统数值算法在计算速度与计算精度上的优势。将该混合算法应用于几何约束求解,实验表明该算法在解决完备约束和欠约束问题上都获得令人较满意的结果。     

连续系统优化的嵌套分割算法实现

首先介绍了嵌套分割算法(NP算法)用于离散系统优化的思想和方法,然后提出了连续系统优化的NP算法实现的思路和方法,并通过将其用于一个经典问题的解决,说明了NP算法应用于连续系统优化的可行性,同时展示了NP算法在连续系统优化中优越的全局寻优能力.     

两种人工智能方法应用于地热热泵系统辨识

本文分别采用神经网络和遗传规划这两种人工智能方法去解决地热热泵系统的辨识问题。由试验所得的检验数据可知,用这两种方法得到的模型的平均误差在7%以内。这说明单纯采用人工智能方法对地热热泵系统进行辨识是可行的。同时通过对两种方法的分析比较得出,遗传规划方法有潜在的能力去解决HVAC领域中的系统优化设计和调控的问题。