一种改进的遗传算法

传统的遗传算法有两个严重的缺点，即不能有效地克服过早收敛现象，以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法，它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合，提出模拟退火遗传算法。实验结果表明，该算法在性能上有较大的提高。     

一种基于遗传算法的高精度模糊控制器

为了提高模糊控制器调节系统稳态精度的能力，对常规PD型模糊控制器进行分析，找到了产生稳态误差的主要原因。采用根据个体适应度来自适应调节交叉率和变异率的遗传算法来优化模糊控制器中的隶属函数和量化因子的初始值，并同时根据控制查询表的输出在线调整量化因子。理论分析和仿真结果表明这种方法是可行的。     

一种连续探索型遗传算法的设计与应用

提出了一种连续探索型遗传算法，它不仅能提高简单遗传算法的收敛速度，而且能有效地保证种群的多样性，并在全局范围内搜索解空间，得到最优解。将算法应用于多峰值函数的优化，仿真表明了该算法的有效性和效率性。     

PD型模糊控制器稳态误差的一种补偿策略

针对一类具有自衡特性的SISO系统，借助其开环阶跃输入稳态响应所提供的信息设计了一个新颖的PD型模糊控制器．其基木思想是：合理确定模糊逻辑控制系统的结构和参数，使系统处于稳态时控制器的输出等于或近似等于某个先验知识确定的值，该值能将系统输出维持在设定值的一个微小邻域内．通过增加前馈环节，调整误差及其变化率在调节过程不同阶段中的比重，提高了系统的快速性．经仿真实验证明该控制器具有良好的稳态性和鲁棒性．     

一种免疫遗传算法研究及应用

为克服标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷,文章提出了一种免疫遗传算法(IGA),即在父代优秀个体群的基础上叠加一个服从正态分布的随机变量来产生子代个体,以此综合体现父代优秀个体的遗传性和免疫性。研究表明,IGA对SGA的改进是有效且可行的,显示出稳健的全局优化、计算量少和求解精度高等特点,具有较高的应用价值。     

一种稳态淘汰多目标演化算法

近年来，多目标优化问题求解已成为演化计算的一个重要研究方向。而基于Pareto最优概念的多目标演化算法则是当前演化计算的研究热点。多目标演化算法的研究目标是使算法种群决速收敛并均匀分布于问题的非劣最优域。介绍了多目标优化的概念，在比较分析了目前较成功的多目标演化算法的基础上，提出了一种新的解决数值优化问题的稳态淘汰演化算法。     

结构优化设计中的组合遗传算法

针对标准遗传算法存在的早熟收敛、随机振荡和收敛速度慢等缺陷,采取改进措施.利用混沌序列的随机遍历性生成初始种群,并把相对差商算法的优化解加入到初始种群中,改善初始种群的性能.采用适应度的指数尺度变换改进传统的适应度评价函数.相对差商算法局部搜索能力强,而遗传算法具有较强的全局搜索性,发挥两者的优势,提出组合遗传算法.把相对差商算法作为一个与选择、交叉、变异平行的遗传算子嵌入到改进遗传算法中,提高局部寻优能力,防止早熟收敛.通过十杆平面桁架的数值算例来验证组合遗传算法应用的可行性和有效性,组合遗传算法的优化结果也远好于标准遗传算法和改进遗传算法.     

一种改进的遗传算法

传统的遗传算法有两个严重的缺点,即不能有效地克服过早收敛现象,以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法,它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合,提出模拟退火遗传算法,实验结果表明,该算法在性能上有较大的提高。     

一种长链结构稳态哌啶氮氧自由基的性能

合成了长链结构的氮氧自由基,并通过电子自旋共振(ESR)测试证明了产物的结构。通过膨胀计试验证明了长链型稳态哌啶氮氧自由基对以A IBN为引发剂,60°C下热引发的苯乙烯本体聚合有明显的阻聚作用。紫外吸收光谱测试表明该长链型氮氧自由基对引起塑料老化的,波长在230~350 nm之间的紫外光有强烈的吸收。TG测试证明该氮氧自由基有良好的热稳定性,将有可能作为一种优良的塑料光稳定剂使用。     

一种基于遗传算法的模糊神经网络结构和参数优化

提出一种基于遗传算法的三阶段优化策略。在给定初始参数基础上,利用基于十进制编码的遗传算法实现模糊神经网络的结构优化,用基于二进制编码的遗传算法实现模糊神经网络的参数优化。仿真结果表明上述优化策略是有效的。     

遗传算法选择操作的递归实现

选择操作是遗传算法中体现“适者生存”的关键一环．最常用的选择方式是“轮盘赌”法．其传统实现建立在逐项比较的基础上，算法复杂度为Ｏ（ｎ２）．通过把各码链适应值转换为一组具有线性序的区间，从而可利用二分查找法实现“轮盘赌”选择操作的递归算法，使时间复杂度下降到Ｏ（ｎｌｏｇ２ｎ）．     

一种高效混合遗传算法

针对基本遗传算法在优化应用中遇到的诸如局部搜索能力差、计算量大、对较大搜索空间适应能力差和早熟收敛等问题，将传统的单纯形搜索算法与遗传算相结合，提出了一种混合遗传算法，并在算法中增加了小生境淘汰运算和加速循环操作，典型测试函数数值算例验证表明，主方法不但可以有效地克服基本遗传算法的上述缺陷，而且计算速度和计算精度都有显著提高。     

一类改进的杰出者记录策略的遗传算法

利用适应度乘幂尺度变换的方法,从算法的性能和收敛速度改进了普通的杰出者记录策略的遗传算法,从理论上给出了收敛性的证明,最后给出了数值实例的验证.     

一种改进变异控制策略的遗传算法研究

早熟收敛问题是遗传算法中影响寻优效果的重要因素。分析了变异策略中由经验参考值确定的变异概率对样本多样性的影响，提出了采用自适应变异控制变异算子的方法，阐述了根据进化过程选择变异时机和变异概率的思路。通过实例计算结果的比较，证明了改进自适应变异算法可以有效地解决早熟收敛问题。     

FIR带通数字滤波器的有效实现

本文介绍了不对称和对称带通 FIR 滤波器。在单支路的实现中,滤波器由一个 RRS 滤波器和一个幅度均衡器级连组成;在两支路的实现中,每个支路由两个 FIR 节级连而成。在每一个支路中,第一个 FIR 节是成形滤波器,它有很稀疏的脉冲响应(这大大地减少了运算次数);第二个 FIR节是插入器,它把成形滤波器中不需要的通带频谱分量衰减到预给的阻带指标以下。用两个不同字长的 RRS 滤波器级连,可以使一个滤波器节的零点抵消另一个滤波器节的旁瓣峰值,并能减少计算的复杂性。这些结构能方便地调整带通滤波器的中心频率,并且具有良好的合入噪声和系数量化灵敏度特性。     

遗传算法研究证券组合投资的有效边界

基于遗传算法,搜索了证券组合投资中不同风险约束下的最优收益率的大小,实证研究了证券市场证券组合的有效边界曲线．另外给出了不同证券组合可能导致的组合风险和组合收益率的上下限．文中采用适当的方法,对原始数据进行预处理．     

一种基于遗传算法的分类规则挖掘算法

对遗传算法应用于分类规则挖掘问题进行研究,提出一种基于遗传算法和Apriori算法的混合分类规则挖掘算法,该算法的具体方案包括分类规则编码、适应度函数定义以及对进化后的规则的约简方法,最后通过实例仿真证明了该算法的有效性。     

基于改进型期望值选择的GA及程序实现

遗传算法(Genetic Algorithms,GAs)作为一种新的全局优化搜索算法,在各学科中有着广泛的应用,选择策略在GA的进化中具有重要的意义,直接决定GA进化结果的效率和效果,该文指出基于轮盘赌选择的遗传算法和基于传统期望值选择的遗传算法的不足,并在此基础上提出了基于改进型期望值选择的遗传算法(RevisedExpected Value Selection-GA,REVS-GA),提高了程序的简洁度,同时通过实验证明了REVS-GA有效地克服了“早熟”现象,并且执行的效率比传统算法高.     

一种改进的遗传算法求解TSP问题

提出一种基于顶点的候选表进行交配的遗传算法(Candidate Crossover Genetic Algorithm,CCGA)求解旅行商问题(TSP).遗传算法(GAs)是一种广泛使用的全局优化算法,并且已经成功地用于求解TSP.但是传统的遗传算法的交配算子缺乏指导性和启发性,交配算子随机的选择父体基因进行交配,导致GAs求解速度慢、解的精度不高等不足.通过分析TSP问题本身的特征,给出了一个使用已有的邻接边的信息和路径信息生成顶点的候选表,然后基于顶点的候选表进行交配的交配算子,使用该交配算子的遗传算法在求解TSP问题时性能上得到了很大的提高,通过TSP Lib上的测试样例将该CCGA和传统的遗传算法进行比较.比较结果表明CCGA具有更大的优势,它能使算法求解到近似最优解和最优解只存在很小的偏差.     

数字保护算法的FPGA实现方法

介绍了一种基于现场可编程逻辑陈列(FPGA)的数字保护算法的实现方法,将算法的实现平台由微控制器(M CU)转向FPGA,构成基于FPGA的数字保护算法专用芯片。仿真结果表明:当每周期取40个采样点时,完成全波傅氏滤波或最小二乘滤波算法仅需几个微秒,大大快于M CU的处理速度,因而可以有效地克服精度与速度之间的矛盾。