带有梯度信息的遗传算法在求解非线性方程组中的应用

提出一种改进的求解非线性方程组的遗传算法.将梯度信息引入遗传算法,通过改变高斯变异参数不断调整搜索范围,逐渐搜索到包含最优解的区域,利用梯度信息提高解的精度.数值模拟结果表明,改进后的算法具有较强的局部搜索能力和全局优化能力,能够提高求解的精度与速度.     

遗传算法在求解含错方程组中的应用

找到含错方程组中满足方程个数最多的解一直是一个比较困难的问题,本文探讨了利用遗传算法进行求解的可行性,并通过一个实例比较了遗传算法采用两种交叉算子求解的差异,结果表明遗传算法解含错方程组是一种可行而有效的办法     

改进量子遗传算法求解非线性方程组

非线性方程组的求解在科学技术和工程应用中经常遇到。将非线性方程组的求解问题转化为函数优化问题,并应用改进量子遗传算法求解此优化问题。数值模拟的结果验证了该方法的可行性和有效性。     

遗传算法在求解超定方程组中的应用

只有在极特殊的情况下超定方程组才有精确解,一般情况下都是求超定方程组在某种意义下的近似解.使用两种非数值算法———遗传算法和模拟退火算法求得超定方程组的最小二乘解,对它们的原理、参数设置进行了比较分析,数值实验的结果显示这两种方法是非常有效的.     

利用改进的遗传算法求解非线性方程组

提出一种改进的求解非线性方程组的浮点遗传算法,算法通过把非线性方程组的求解问题转化为约束优化问题,然后将局部搜索信息引入遗传算法,通过改进的变异算子不断调整搜索区域,最终搜索到含有最优解的区域,再利用局部搜索信息提高解的精度.数值实验结果表明,改进后的浮点遗传算法具有较好的全局优化能力和局部搜索能力,且提高了求解的速度和解的精度.     

遗传算法在求解全局优化问题中的应用

遗传算法是一种基于生物进化机制和原理并引用随机理论的优化搜索方法－ 它具有全局收敛特点,可以被用来解决各种复杂的实际问题－ 如工程优化设计、人工智能和决策系统等－ 本文在讨论遗传算法的基本原理框架的基础上,提出相应的编码方法和计算适应值方法－ 为了平衡ＧＡｓ的深度和广度搜索矛盾,修改遗传算子,最后给出示例     

遗传算法求解非线性方程组的应用研究

针对传统非线性方程组解法的初始点敏感、收敛性差等问题,结合遗传算法和拟牛顿法的优点,提出了一种用于求解非线性方程组的混合遗传算法.该算法具有遗传算法的群体搜索和全局收敛性,有效地克服了拟牛顿法的初始点敏感问题;同时引入拟牛顿迭代法对精英个体进行局部强搜索,克服了遗传算法收敛速度慢和精度差的缺点,使得算法具有较高的收敛速度和求解精度.选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对不同算法进行了比较.计算结果表明所设计的混合算法有着可靠的收敛性和较高的收敛速度与精度.     

遗传算法的改进及其在方程组求解中应用

选择、交叉和变异是遗传算法的几个主要操作算子，它们构成了遗传操作。对遗传操作提出了改进方案、即对于交换操作：如果两个子代的适应度均比父代大就交换，如果子代的适应度一个比父代大而另一个比父代小则保留大的子代而还原小的子代为父代．如果子代的适应度均比父代小则取消此次的交换。变异操作中对每个父代的多个位置逐个变异．如果子代的适应度比父代大则变异，否则不变异。通过解线性方程组和非线性方程组证明丁该方法能够使得遗传始终向着理想的方向，避免了算法陷入死循环，并且收敛速度非常快。     

两阶段遗传算法在求解TSP问题中的应用

为了提高利用遗传算法求解TSP(traveling saleman problem)问题的能力,给出了一种种群多样性的定义,提出了一种利用2个阈值在贪婪优化遗传算法和退火单亲遗传算法间切换的两阶段遗传算法,从而可以在保持种群多样性的基础上优化种群.两阶段遗传算法在种群多样性下降到一定程度时,转换遗传方式,在继续寻优的同...     

采用新杂交运算的遗传算法在求解优化问题中的应用

以遗传算法为基础，提出了一种利用混沌模型产生随机控制开关，以此控制杂交运算，从而能快速地求解０－１规划问题，并获得全局最优解。     

应用自适应混合遗传算法求解病态线性方程组

简单遗传算法(SGA)在进化的后期由于种群个体的多样性急剧降低,可能会收敛于局部最优解,即出现早熟现象。针对简单遗传算法的早熟问题,从选择、交叉和变异三个遗传算子入手,设计了自适应遗传算子。同时为了克服SGA局部搜索能力差的缺点,结合共轭梯度法,实现了一种自适应混合遗传算法(Adaptive GA-conjugate gradient,即AGA-CG)。以核磁共振测井曲线线性化后的大型病态方程组为测试实例,对AGA-CG算法进行了验证。实验结果表明:AGA-CG算法是求解大型病态线性方程组的一种有效算法。     

关于无穷维线性方程组的ABS算法

ABS算法是一类求解线性与非线性方程组的投影算法，已被用于许多最优化问题的求解。笔将求解线性方程组的基本ABS算法应用于l2空间上的算子方程，得到求解无穷维线性方程组的ABS算法的相关性质及其解的一般形式。     

用实数编码遗传算法解非线性方程组

将非线性方程组的求解问题转化为求最大值问题,设计出选择算子,杂交算子,变异算子,加速收敛的最佳个体保留策略和预防早熟的灭绝与移民算子,利用实数编码遗传算法求出了非线性方程组的解,数值例子表明了该方法的有效性。     

基于求解非线性方程组的并行遗传算法的设计

作者将非线性方程组的数值求解问题转化为线性约束最优化问题,然后利用遗传算法求解该最优化问题。为防止遗传算法过早收敛,作者将遗传算法改进为自适应并行遗传算法.数值模拟实验表明,该文的算法从另一个角度为求解非线性方程组提供了一条比较有效的途径.     

一个超线性收敛的广义投影序列方程组算法

讨论了非线性不等线约束最优化问题,在较温和条件下,采用广义和投影和序列线性方程相结合的技术,建立一个新的可行下降算法,证明了算法的全局收敛性和超线性收敛性。该算法每交迭代只需解２个线性方程组。     

一种解线性方程组的新方法

利用初等行变换给出了线性方程组的一种新解法,此方法可以直接得到齐次线性方程组的一个基础解系;对于非齐次线性方程组,此方法不仅可以判断方程组是否有解,而且在有解时还可以同时得到方程组的一个特解和对应的齐次线性方程组的基础解系.     

非线性最优化中超线性收敛的序列线性方程组方法

提出了一个超线性收敛的序列线性方程组方法（ＳＳＬＥ）．此方法与现有的序列二次规划（ＳＱＰ）方法相比，其优点有：（１）由于新方法每一次迭代只需计算三个系数矩阵完全相同的线性方程组，因此迭代的计算量减少且算法的稳定性提高；（２）每一次迭代产生的点是可行的；（３）具有一步超线性收敛速度。     

求解病态线性方程组的混合算法

首先通过变分原理将求解线性方程组的问题转化为等价的求解无约束函数最优化问题的极小值.通过研究BFGS算法和模拟退火算法的优缺点,鉴于BFGS的良好的局部搜索能力以及模拟退火法的全局搜索能力,提出了一个BFGs-SA的混合算法.数值实验表明该混合算法校正了BFGS的局部搜索能力,达到了全局最优解,从而得到了原病态线性方程组的解.     

解一类不定线性方程组的分块QR方法

本文应用矩阵分块技巧结合QR分解方法讨论了不定线方程组的解存在唯一的充分必要条件,并提出一种计算量较小的计算方法