一种改善遗传算法早熟现象的方法

讨论了遗传算法(GA)中遗传算子对于改善群体整体品质实现群体进化的作用以及遗传算法中早熟现象的成因．通过动态调整遗传算法中的交叉概率和变异概率引入自适应算子，并与局部退化算子相结合来抑制早熟现象．最后给出了算例，说明该方法对于改善遗传算法中早熟现象以及提高算法效率有良好的作用．     

自适应遗传算法

自适应遗传算法采用自适应的适应度函数、交叉概率及变异概率代替固定的适应度函数、交叉概率及变异概率,与基本遗传算法相比,结果证明改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力.     

基于遗传算法的水轮发电机组模糊调速器的研究

针对水轮机调节系统模糊控制存在的问题 ,结合遗传算法在水轮机组控制中的应用现状 ,提出了一种采用遗传算法在线优化模糊隶属度函数的方法。仿真结果表明 ,该方法可以自适应地跟踪控制对象的参数变化 ,有效地对模糊控制器进行在线优化 ,从而为水轮发电机组的在线智能控制提供了一条有效途径     

基于模糊控制技术的一种自动控制器

本文给出了一种利用模糊控制技术制造的自动控制器,该控制器是一个难于建模,又有诸多非线性因素的复杂系统,对于自动控制的精度要求不是很高。该控制器采用了模糊控制技术,在降低功耗和延长防护时间上,取得了很好的效果。本文主要对模糊控制在自动控制器中的应用进行了详细的设计分析,介绍了如何应用模糊控制在本系统中进行模糊的控制,并通过实际数据证明该方法的正确性。     

一种改进的遗传算法在函数优化中的应用

针对传统遗传算法在处理多峰值函数优化存在的"早熟"问题,以及在后期搜索效率低的问题,在对目前常见的几种种群早熟程度评价指标进行分析的此基础上,提出了一种新的种群"早熟"程度评价指标,并据此提出了一种改进的自适应遗传算法;最后将改进的遗传算法用于函数优化;实验表明:改进后的遗传算法有效地解决了过早收敛、局部搜索能力差和全局收敛 速度慢等问题.     

基于模糊遗传算法的电液位置伺服系统控制

电液位置伺服板簧实验系统是一个典型的非线性系统，采用传统的PID控制策略难以获得较好的控制效果。基于遗传算法的模糊遗传算法，利用遗传算法强大的空间搜索能力，对模糊隶属函数进行优化。仿真结果表明：该算法在电液位置伺服系统控制中取得了响应速度快、稳定性优越的效果。     

用遗传算法划分模糊量的语言变量覆盖范围

在模糊控制器设计中．模糊规则的确定以及模糊变量隶届函数的选取都是非常重要的，隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响。本主要介绍在模糊规则确定时用遗传算法划分模糊量的语言变量覆盖范围，利用调整已给定形状下隶属函数参数的方法改变各语言变量的语言值所覆盖范围，以模糊控制器的推理结果与专家经验控制结果的方差最小作为遗传算法进行优化的目标函数。     

基于遗传算法的模糊神经控制器的设计与仿真

根据遗传算法和智能控制的特点,提出了一种基于遗传算法的模糊神经网络控制器,遗传算法主要优化模糊神经控制器的隶属度参数和第三层的网络节点。对优化后的控制器进行了仿真比较研究.仿真结果表明,该控制器有较好的控制性能。     

一种新的基于模糊对比度的路面图像增强方法

通过对现有Pal 模糊增强算法的分析,指出其在隶属度函数定义与进行增强处理时渡越点选取时的两个缺陷,针对缺陷分别进行了改进性研究,提出了一种基于模糊对比度的路面图像增强算法,定义了一种新的指数型隶属度函数,并最终通过实例将其成功地应用于路面图像增强处理.     

一种快速寻优的新型改进遗传算法

在现有几种遗传算法(GA)的基础上,对GA中的适应度函数、交叉策略和变异策略做了进一步的设计,从而提出了一种新型改进GA。新型改进GA以群体的多样性与算法的收敛速度、全局与局部搜索能力的综合均衡为设计重点,较好地解决了一般GA收敛速度慢和局部搜索能力差的缺点。仿真结果表明:该算法与常用的标准GA和采用算术交叉算子的实值编码改进GA相比,有更快的收敛速度,更高的收敛精度及全局收敛概率。     

一种基于实数编码的亚级遗传算法

亚级遗传算法(自适应遗传算法)的主要思想是根据具体优化问题的不同,在适宜的范围内,自动调整遗传算法的控制参数(群体规模、杂交率、变异率),以找到优化相应问题的最佳参数值,进而得到适应性较强的最优解.通过对四例实验函数的优化比较试验,结果表明亚级遗传算法比传统遗传算法具有更好的收敛性和更高的精度.     

一种改进的自适应遗传算法

在对自适应遗传算法中选择、交叉、变异算子作用分析的基础上,提出一种新的自适应遗传算法,新算法基于实数编码机制,选择操作采用精英选择与轮盘赌相结合,变异和交叉操作采取根据适应度自适应地非线性调整变异和交叉概率的策略,同时提出进化的后期采取先变异后交叉的操作次序.仿真实验表明,新算法有效防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力.     

基于遗传算法的模糊关系确定方法及仿真

模糊系统的模糊推理方法常依赖于一系列由主观决定的参数,如模糊隶属函数、模糊关系矩阵等．如何确定这些参数会直接影响系统的性能．为了能对这些参数进行优化,文中采用一种新型的模糊推理方法,在此基础上,利用遗传算法产生出模糊推理方法中的最优参数．同时,在进化演变的搜索过程中,使用不断调整适应函数的手段,解决了遗传算法过早收敛于次优解的问题,提高了遗传算法的搜索精度．     

一种混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

基于模糊c-均值算法和遗传算法的新聚类方法

为了得到最佳聚类数和相应的每一类中的样本,文中首先介绍了一种新聚类方法,用该方法构造了一个既考虑类与类之间的分散程度、又考虑同一类紧凑程度的目标评价函数;再运用模糊c-均值算法(FCM)进行迭代,求得每一类的中心和隶属度值;然后运用遗传算法搜索全局极值点;最后运用该算法对我国全要素生产力进行了模糊分类．     

确定规划最短时间的遗传算法

对遗传算法中新一代的选择使用不同的策略，比较研究了所得结果．同时，对遗传算法与确定最优规划的方法做了比较．     

自适应概率问题的空间遗传算法的研究

求解约束条件下的高度和分配的最优解是一个ＮＰ难题,因此提出了一种基于自适应概率参数模型的问题空间跗算法,它较好地解决并发进行硬件资源调度与分配问题,使得在给定的输出控制数据流图中找到使目标函数最小的位置。最后以求解方程中的资源调度为例,用实验验证了该算法的有效性。     

一种基于 GA 的模糊控制器直接设计方法

提出了一种利用计算机设计模糊控制器的直接方法，该方法运用ＧＡ（遗传算法）进行控制器参数寻优，具有设计速度快、人工干预少的特点．仿真说明采用该方法结果优于ＰＩＤ控制．