基于自适应HereBoy算法的电路进化设计实验研究

针对电路进化设计演化后期种群收敛速度放慢等问题,采用自适应Here Boy算法,融入遗传算法的群体概念,研究自适应因子在进化算法中对演化收敛速度的影响。运用类神经网络的电路模型和矩阵编码方法对组合电路进行编码,建立了电路编码到电路功能的映射关系,采用外部进化方式进行电路适应度值评估,引入自适应遗传算子提高算法收敛速度和种群多样性。二位二进制乘法器电路的进化结果表明,该方法较传统Here Boy算法在电路进化设计进程中电路平均演化代数及演化时间明显减小,在进化后期,随着种群演化代数增加适应度值平均涨幅提高。     

遗传算法求解清运车辆路径优化问题

提出一种基于遗传算法的求解清运车队车辆路径优化问题方法.对具有时间约束的路径采用整数编码,并利用AOE网验证其有效性.利用多分组多目标交叉进化方法,对具有不同适应度值的分组个体采用不同交叉算子,提高算法进化速度和搜索范围.仿真结果表明,算法可行有效.     

基于实数编码免疫思维进化算法的PID参数整定

在思维进化算法与人工免疫系统的克隆选择算法基础上提出了一种基于实数编码的免疫思维进化算法（IMEA）,并将其应用于PID参数的整定。阐述了免疫思维进化算法的基本原理,对免疫思维进化算法PID参数整定进行了仿真研究,并与遗传算法和思维进化算法进行了比较。仿真结果表明所提算法具有快速收敛性,能够很快找到PID参数的最优组合,具有很高的应用价值。     

基于二进制编码的改进杂交策略

通过分析发现,遗传算法二进制编码串中不同基因位的改变对个体的影响程度大小不等.提出一种改进的杂交算子,对编码串中各个基因位赋予不同的杂交点选择概率,使得群体在进化初期可以搜索到更大的解空间,提高算法的全局搜索能力;在进化后期适当降低高位基因的杂交点选择概率,使得搜索不致偏离最优解,同时提高低位基因的杂交点选择概率,增强算法在局部范围的搜索能力.仿真结果表明,同标准遗传算法相比,改进算法具有寻优精度高、稳定性好、收敛性强等优点.     

基于相似度的可变编码长度遗传算法

遗传算法是基于生物进化原理的普适性全局优化算法。分析了编码长度对遗传算法的影响，提出相似度的概念以评价交叉操作的效率，并提出一种基于相似度的可变编码长度的遗传算法。改进方法不仅具有以任意精度达到全局最优值的能力，而且可以显著提高遗传算法的效率。测试函数的应用证明了改进算法的有效性。     

进化算法的PID参数最优设计

提出用进化算法最优设计PID参数的方法,获得最优设计结果,分析控制系统常用性能指标作为进化评价函数的不足,构建控制系统新的评价函数,为使优化模型简化,设计参数采用实数编码及归一化处理,进化算法使用新型的,以基因为单位进化的遗传算法,数值实验表明,设计结果得到显著改善。     

基于模式块的多值编码遗传算法

针对遗传算法易陷入局部解,收敛速度慢的缺陷,以模式理论为依据,对种群基因进行统计构成模式块。按层采取不同的变异进行模式块的保护,促进新模式块的生成,形成一种基于模式块的多值编码遗传算法进化性能改善方法,使算法有效并快速跳出局部解。以多重选择背包问题为例验证了改进算法的有效性。     

基于改进差分进化算法的RBF神经网络优化方法

提出了一种新的RBF神经网络训练方法——改进差分进化算法,并用改进差分进化优化的神经网络对非线性系统进行逼近.采用改进差分进化算法对RBF神经网络的中心值、宽度和权值进行了优化.仿真实验结果表明,改进的差分进化算法具有比遗传算法更强的非线性系统逼近能力.     

用遗传算法求解课程表问题

课程表问题是NP完全类问题.近些年来人们尝试着用进化算法求此问题.本文根据大学编排课表的特点设计了一种全新的编码和适应值函数,并应用遗传算法求解.试验说明了该方法的可行性和有效性.     

用遗传算法求解课程表问题

课程表问题是NP完全类问题.近些年来人们尝试着用进化算法求此问题.本文根据大学编排课表的特点设计了一种全新的编码和适应值函数,并应用遗传算法求解.试验说明了该方法的可行性和有效性.     

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。     

基于复数编码遗传算法的竞争性协进化策略

将基于复数编码的遗传算法引入竞争性协进化的理论研究中,提出一种竞争性协进化的新策略,即:在仿真实验中,采用2个基于神经网络结构控制的移动机器人,并将它们投入到一个陌生的环境中.其中,一个机器人扮演猎手,另一个扮演猎物,猎手对猎物进行捕捉,最终得到每一代的最好猎手机器人和最好猎物机器人以及它们的适应度曲线.在这个竞争性协进化系统中,基于复数编码的遗传算法主要用于对机器人控制系统的神经网络进行进化.计算机仿真结果表明,与基本遗传算法相比,基于复数编码的遗传算法具有更强的进化能力.     

遗传神经网络法及其在机器人误差补偿中的应用

针对某打磨机器人的位姿误差分析,提出一种采用二进制和实数值混合编码的遗传BP网络法,同时优化网络结构和权值矢量;网络结构采用二进制编码保留了粒度编码方法的优点,对连接权值系数的实数编码进行Solis&Wets运算使新的遗传算法具有进化规划和进化策略的优点;结合遗传算子和Solis&Wets算子生成后代的方法以及最佳个体保留策略使得遗传搜索空间的群体多样性更好,加快了遗传算法的收敛速度;采用动态参数编码方法替代Vittorio粒度编码方法,既提高了连接权系数的优化精度,又避免了Vittorio粒度变化所引起的适应度的剧烈不连续变化.仿真和实验结果均表明该算法能有效克服遗传算法的非成熟收敛,提高机...     

差分进化算法应用于图像恢复

针对传统的图像恢复方法存在的缺陷和不足,提出了一种基于差分进化算法的图像恢复方法。该方法的思路是,利用差分进化算法简单、通用和鲁棒性强等优点提高求解效率,优化图像恢复效果。通过将差分进化算法应用于图像恢复,并把恢复后的图像与使用遗传算法恢复的图像进行对比分析,实验表明了差分进化算法的稳定性、图像的清晰性明显优于遗传算法,基于差分进化的图像恢复具有良好的性能和显著的效果,因此差分进化算法比遗传算法更适用于图像恢复问题。     

遗传算法求解最大团问题研究

最大团问题是NP难解的,用遗传算法求解的关键是如何设计有效的评估函数.首先从理论上分析编码规则及适应函数对个体进化的影响,提出个体基因适应函数和个体适应函数多重评估方法,并设计求解算法.数值实验表明,算法具有较好的通用性和较高的性能.     

遗传算法中二值编码与多值编码的比较

编码是遗传算法首先要解决的问题。传统的编码方式是二值编码,但对于很多问题,使用多值编码,具有许多的优点。本文对二值编码和多值编码作了比较,并指出多值编码所具有的特点,为遗传算法在编码的选取上提供指导。     

遗传算法引入进化方向算子的一个改进及应用

为了有效找到全局最优,将“进化方向”引入到遗传算法中被认为是非常有用的。文中提出了一个新的进化方向算子,用于对标准遗传算法进行改进,该算子依据父代个体和当代个体的进化方向产生子代个体,进化方向的求取无须计算梯度。算子的作用对象是个体中的变量而不是染色体中的基因,因而适合于采用任何形式编码的遗传算法场合,包含该方向进化算法被用于二维多峰函数的极大值搜索问题,进行了对比验证,将新算法进一步应用于离心压     

一种基于Rough集的启发式人工选择算法

在传统二进制编码遗传算法(GA)的基础上,提出一种基于Rough集的启发式人工选择算子和人工选择算法。利用粗糙集对遗传算法的历史数据进行分析,发现重要基因位,获得重要模式信息,并以此为启发式信息,选择优秀模式进行人工育种,从而对复杂优化问题进行有效求解。采用该算法对典型测试函数进行了验证,算例结果表明,人工选择算法加速了常规遗传算法进化速度,提高了收敛效率。     

基于遗传算法的自适应块匹配运动搜索算法

提出了一种应用于视频压缩编码中的基于遗传算法的块匹配运动搜索算法。为了加速搜索进化过程并更好地与具有不确定性的进化过程相匹配,该算法引入了一些新的自适应遗传机制,包括初代个体选择,父代个体选择以及进化结束判决等。这些自适应机制充分利用了视频图像自身的相关性。仿真结果表明,该算法可以实现较为精确的块匹配运动搜索,同时保持较低的运算复杂度。     

一种软件测试算法的改进及对比实验

为了进一步优化软件测试的时间与效率,设计了二进制编码的微粒群优化的算法改进,构建了算法的原理与步骤,利用VC++6.0平台进行了4种不同结构的基准程序软件测试实验。结果表明:与遗传算法相比,改进设计算法在较大数据范围情况下运行时间更短;设计方法只需要遗传方法约五分之四的进化代数和进化时间就能完成覆盖目标路径的数据。上述研究结果对于计算机软件缩短开发时间具有明显的实际意义。