探索曲面结构的小生境遗传算法

提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和约束交叉算子GC，定性地分析了它们的作用机制，给出了基子仿真实验数据的遗传算法收敛速度和全局收敛可靠性的定量计算方法。仿真实验数据表明，PLS能有效地提高搜索速度并维持足够的种群基因多样度，GC可有效地微调解的质量，使改进的遗传算法的全局收敛速度和收敛可靠性均显著地优于标准遗传算法，并具有良好的鲁棒性和稳定性．     

基于自适应遗传算法的脑电信号特征选择

针对脑机接口(BCI)研究中脑电信号的特征选择问题,本文提出了一种自适应的遗传算法(AGA).它与标准遗传算法(SGA)的区别在于对交叉和变异概率进行自适应选择.在SGA中,采用固定的交叉和变异概率,因而容易造成早熟和局部收敛; 而AGA对两种概率的自适应选择保留了种群的多样性,并且有利于全局收敛.为检验提出方法的有效性,将其与基于SGA的特征选择方法以及基于Fisher距离的滤波选择方法进行了比较,实验结果表明AGA的分类精度明显高于其它方法,获得了最好的模式识别性能.     

基于遗传算法的相控阵雷达最优化调度研究

任务调度是相控阵雷达工作流程的核心环节,也是雷达设计的重要内容,本文提出了一种基于遗传算法的任务调度模型。在与典型作业车间调度比较的基础上,分析了相控阵雷达调度的流程和时序,然后利用层次分析法研究了最优化调度模型的目标函数,并且结合双门限思想给出了时间、能量和计算机约束条件,为下一步应用遗传算法求解相控阵雷达调度模型奠定了基础。     

基于遗传算法和径向基函数神经网络的转炉炼钢模型

针对转炉传统模型的弱点 ,本文在转炉建模过程中引入了遗传算法和径向基函数神经网络 ,由遗传算法辨识转炉过程的脱碳与升温模型 ,并利用径向基函数神经网络及时补偿辨识模型的误差。实际结果表明这一方法效果明显。     

基于遗传算法寻优的PID控制技术及应用

以电液比例机械手为研究对象,提出一种基于遗传算法寻优的PID控制算法,并进行了计算机仿真和试验研究.结果表明,根据遗传算法寻优设计的PID控制器具有较强的鲁棒性,即使在外部环境恶劣的条件下,系统的控制性能仍具有较好的动态品质和稳态精度.     

Global exponential stability for delayed cellular neural networks and estimate of exponential convergence rate

Some sufficient conditions for the global exponential stability and lower bounds on the rate of exponential convergence of the cellular neural networks with delay (DCNNs) are obtained by means of a method based on delay differential inequality. The method, which does not make use of any Lyapunov functional, is simple and valid for the stability analysis of neural networks with delay. Some previously established results in this paper are shown to be special casses of the presented result.     

并行遗传算法的新进展

并行遗传算法将并行计算机的高速并行性和遗传算法固有的并行性相结合 ,极大地提升了遗传算法的求解速度和质量 .在主从式、细粒度和粗粒度这三类遗传算法并行化模型中 ,粗粒度模型以其较小的通讯开销和对种群多样化 ,获得了最广泛的应用 .本文概括了基于模式定理和有限状态马尔可夫链的遗传算法理论 ,总结了前人在粗粒度模型下开展的理论分析和实践应用 ,并指出并行遗传算法的研究将向异步化 ,理论化和模型化的方向发展 ,而有限状态马尔可夫链是构建并行遗传算法可执行模型的有力工具.     

运用GA和FFT确定稀疏阵列的激励幅度

针对天线单元沿阵列中心非对称分布的稀疏直线阵列(单元从间距为半波长的规则栅格中稀疏),讨论了以激励幅度分布为决策变量,以最大相对旁瓣电平为优化目标的遗传算法(genetic algorithm,GA),运用个体的真值编码及其中间重组的交叉方法改进了遗传算法的收敛性能。由于阵元间距是栅格的整数倍,因此GA中凭借离散傅里叶变换,使适应度函数的计算可利用高效的FFT算法。仿真中对一个154阵元、孔径约100倍波长的非对称稀疏线阵的激励幅度进行优化,使其副瓣电平下降了1.36dB。两个仿真实例证实了算法的有效性。     

基于反双曲正切函数的跟踪微分器设计与应用

通过引入反双曲函数与终端吸引子函数,构造了一种新型跟踪微分器。反双曲正切函数在平衡点较近处优异的线性特性可以保证系统收敛的平滑性,远离平衡点处的非线性特性能保证收敛的快速性。通过引入终端吸引子函数,降低了高频信号引起的抖振,增强了噪声抑制能力。通过扫频测试总结得出了参数整定规则后,与典型的跟踪微分器进行对比仿真,测试了所设计新型跟踪微分器的性能。最后,在控制器设计时,基于所提出的新型跟踪微分器构造了干扰观测器。通过仿真对比,证明所构造的干扰观测器实现了对模型不确定项的有效估计。     

自适应试验遗传算法研究与应用

均匀设计与遗传算法相结合已有许多成功例子,但在应用中均匀设计表一般囿以固定形式而使二者的结合缺乏灵活性和普适性.为此提出应用亚遗传算法获得若干个任意水平数的均匀设计,并将其以3种方式嵌入标准遗传算法中:1)初始种群的均匀性分布;2)进化过程中对变量空间均匀性投点搜索;3)应用均匀设计进行调优试验,同时还增加了正态随机和摄动调优等试验操作技术,以上形成了基于试验设计、具有自适应能力的试验遗传算法.算例表明,通过以上方法改进的遗传算法可较好地保持种群多样性,寻优效率有较大提高,并能自动适应算法对搜索精度的要求.     

一种快速收敛的改进粒子群优化算法

采用离散线性系统的状态方程,根据系统稳定性理论,推出了保证牡子群优化算法收敛性的参数设置压域。在收敛性理论分析的基础上,提出了一种快速收敛的改进粒子群优化算法,它是基于二阶系统按最佳胆尼比的思恕来设定粒子群速度更新公式中的惯性权重。通过标准测试函数的性能测试,验证了改进粒子群优化算法的收敛性和快速性,并和惯性权重线性递减的标准粒子群优化算法进行了比较。仿真结果表明,该算法具有可靠的收敛性能和更快的收敛速度。     

广义遗传算法及其在水流参数反演中的应用

针对基本遗传算法难以实际应用的困难,吸收加速遗传算法的思想,提出一种考虑隔代遗传、模仿自然界中“附势”行为的广义遗传算法,它能够保持优秀个体的多样性,利用祖辈中的优秀个体变量变化空间作为下一代个体的繁殖空间.广义遗传算法概括了基本遗传算法和加速遗传算法,对它的参数进行不同设定时,可以设计出更多种类的遗传算法.将这种算法用于水流参数反演问题中,结果表明广义遗传算法收敛速度快,反演精度高,因此具有良好的应用前景.     

以熵序列收敛作算法停止判据的码书训练算法

以LBG算法为代表的传统码书训练算法基本上都用量化失真序列收敛作算法停止条件。提出了一种简单、快速的新算法。该算法的基本思想为 ,不必计算量化失真 ,直接用区域序列对应的熵序列收敛作停止条件。与经典的LBG算法相比 ,该算法结构更简单、速度更快、更容易理解。我们用典型的测试图像Lena、Barbara作实验 ,实验结果表明 ,该算法的PSNR与著名的LBG算法相差小于 0 1dB ,但它的运行速度比LBG快两倍以上。     

杂合遗传算法与计算智能

基于遗传算法的杂合系统是将遗传算法引人已有的系统算法、启发式优化策略及领域知识获取与优化等问题时,产生的一种新型的综合性算法结构设计策略．本文对遗传算法与神经网络、遗传算法与模糊逻辑,以及遗传算法与专家系统的杂合等问题进行了系统的研究与评述.     

遗传算法与神经网络的结合

阐明了遗传算法和神经网络结合的必要性和可行性,提出用多层前馈神经网络作为遗传搜索的问题表示方式的思想。用遗传算法和神经网络结合的方法求解了短期地震预报问题,设计了用遗传算法训练神经网络权重的新方法,实验结果显示了遗传算法快速学习网络权重的能力,并且能够摆脱局部极点的困扰     

Adaptive adjustment of iterative learning control gain matrix in harsh noise environment

For the robustness problem of open-loop P-type iterative learning control under the influence of measurement noise which is inevitable in actual systems, an adaptive adjustment algorithm of iterative learning nonlinear gain matrix based on error amplitude is proposed and two nonlinear gain functions are given. Then with the help of Bellman-Gronwall lemma, the robustness proof is derived. At last, an example is simulated and analyzed. The results show that when there exists measurement noise, the proposed learning law adjusts the learning gain matrix on line based on error amplitude, thus can make a compromise between learning convergence rate and convergence accuracy to some extent: the fast convergence rate is achieved with high gain in initial learning stage, the strong robustness and high convergence accuracy are achieved at the same time with small gain in the end learning stage, thus better learning results are obtained.     

An anisotropic nonconforming finite element scheme with moving grids for parabolic integro-differential equations

A Crank-Nicolson scheme based on nonconforming finite element with moving grids is discussed for a class of parabolic integro-differential equations under anisotropic meshes. The corresponding convergence analysis is presented and the error estimates are obtained by using the interpolation operator instead of the conventional elliptic projection which is an indispensable tool in the convergence analysis of traditional finite element methods in previous literature.     

基于差分进化的混合蛙跳算法

为高效处理3D视线跟踪技术中的非线性优化问题,使系统满足实时准确及稳定性需求,以差分进化(differential evolution, DE)为核心,结合混合蛙跳算法(shuffled frog leaping algorithm, SFLA)及Nelder-Mead单纯形法算法思想,提出了一种新型混合算法,即DE-SFL-NM混合算法。利用无穷乘积的性质对DE-SFL-NM进行了收敛性分析,并得出依概率收敛结论。使用包含单、多模态的10个基准测试函数的数值实验结果进行比较,验证了该算法在收敛速度、求解精度及鲁棒性能方面的有效性和进步性。同时,应用DE-SFL-NM快速且精准地求解了3D视线跟踪系统中的角膜曲率中心。     

雷达海杂波反演大气波导的改进回溯搜索算法

了克服基本回溯搜索算法在大气波导反演问题中出现的收敛速度慢、容易陷入局部最优的缺点,提出一种基于反向学习机制和正交交叉机制的改进回溯搜索优化算法。该算法利用反向学习机制来选择较好的初始化种群,而正交交叉机制用来帮助算法加强全局搜索能力,避免算法陷入局部最优,从而提高算法的精度。通过常见测试函数的优化问题以及大气波导的反演问题来检验算法的性能。结果表明,所提算法具有较高的精度和较快收敛速度。     

End-to-end rate-based congestion control with random loss: convergence and stability

The convergence and stability analysis for two end-to-end rate-based congestion control algorithms with unavoidable random loss in packets are presented, which can be caused by, for example, errors on wireless links. The convergence rates of these two algorithms are analyzed by linearizing them around their equilibrium points, since they are globally stable and can converge to their unique equilibrium points. Some sufficient conditions for local stability in the presence of round-trip delay are obtained based on the general Nyquist criterion of stability. The stability conditions can be considered to be more general. If random loss in the first congestion control algorithm is not considered, they reduce to the local stability conditions which have been obtained in some literatures. Furthermore, sufficient conditions for local stability of a new congestion control algorithm have also been obtained if random loss is not considered in the second congestion control algorithm.