变异算子及其最优变异率

针对自然数编码的遗传算法,提出了一个新的变异规则,并研究了相应的最优变异率。对研究遗传算法具有一定的意义。     

基于二进制编码QPSO算法的移动机器人路径规划

在分析量子粒子群算法的基础上,针对离散搜索空间的问题,提出了二进制编码的量子粒子群算法.在算法中,重新定义了粒子的位置距离矢量,调整了搜索空间的迭代方程,并引入了多点交叉和精英保留的策略,保证全局收敛的同时加快粒子的收敛速度.并使用De Jong's测试函数对本算法和二进制粒子群算法进行了比较,最后使用二进制编码量子粒子群算法对机器人路径规划进行了仿真实验.     

自适应变异粒子群算法在交通控制中的应用

提出了自适应粒子群算法结合实数遗传算法中变异算子的混合算法，它能提高算法的收敛性和稳定性。同时，通过对交通路口的通行情况的研究提出了一种新颖的离散交通信号控制模型。此模型以交叉路口各方向车流支路为基本单元，以各支路车流信息为输入，得出交通信号控制的各项性能指标。在此模型的基础上，应用自适应变异粒子群算法实现交通信号优化控制及验证算法。仿真结果表明自适应变异粒子群算法能够有效实现交通信号优化控制。     

无定向拓扑连接的并行遗传算法及其变异算子改进

为解决巨量优化问题,在Internet平台下为并行遗传算法提出一个新的拓扑结构———无定向拓扑连接。该拓扑连接既允许驻留子种群的计算机节点中途退出,又允许新的计算机节点随时参与进化,增强了算法的鲁棒性和容错性能。针对传统浮点变异算子的不足,提出一种新的二元浮点补码变异算子,讨论了它在克服早熟收敛方面的作用。实验表明,提出的算法能显著提高寻优质量,节约寻优时间;新的变异算子能有效阻止遗传算法陷入局部极值,进一步提高了遗传算法的寻优能力。     

实数编码遗传操作机制的研究

分析了典型的实数编码遗传操作机制存在的缺陷，在此基础上提出了两种算法稳定、搜索效率高的遗传操作机制，针对3个著名的测试函数，应用这三种遗传操作机制分别进行了多次的性能测试，通过仿真结果的多方横、纵向比较分析，结果表明改进的遗传操作机制的有效性和合理性。     

基于基因权重动态调整遗传算法的编码

针对标准遗传算法中交叉算子容易破坏定义长度较长的优良模式的弱点，提出了一种动态排序编码方法，以提高交叉算子的效率。首先对当前代种群确定基因权重，然后根据基因权重对基因位置进行动态排序，使优良基因变得集中，从而克服了标准遗传算法中交叉算子的弱点。为了避免陷入局部最优，对变异算子进行了改进。最后做了大量实验，并根据实验结果对该方法进行了评述。     

基于一种加速收敛变异策略的交互式遗传算法

针对目前交互式遗传算法由于使用小规模的种群和较少的进化代数,容易导致算法的搜索能力有限、易陷入局部优化的问题,在引入一种加速收敛变异策略的基础上,提出一种新的交互式遗传算法。给出了算法设计实施中关键问题的处理,分析了算法的效率,并通过函数优化和服装设计问题的仿真实验验证变异策略和算法的有效性。     

宽带雷达目标的稳健二进制检测算法

由于宽带雷达的高分辨距离像(high resolution range profile, HRRP)对方位变化非常敏感,传统的基于散射点密度广义似然比(scatter density dependent generalized likelihood rate test, SDD GLRT)或二进制积累器(binary integration, BI)检测算法存在参数选择困难的问题。提出的稳健二进制积累器(robust binary integration, RBI)采用高低双门限,分别对HRRP进行量化,然后将过高门限的距离单元数加权后与过低门限的距离单元数求和,并将该值与第二门限比较做出最终判决。而后研究了RBI的虚警概率和参数选择的方法。实测数据仿真结果表明, RBI对高低熵值的HRRP都可保证稳健、良好的检测性能。     

进化策略中基于柯西分布的变异算子改进探讨

本文针对进化策略在解决比较复杂问题时出现收敛速度缓慢这一问题的原因进行分析,提出将原来变异算子中的用高斯随机变量产生的随机扰动量改用柯西随机变量产生的随机扰动量来代替的一种新的变异方法。     

基于定向变异算子的求解GA欺骗问题研究

为了提高求解GA欺骗问题的效率,在阐述了GA欺骗问题和研究现状的基础上,借鉴生物进化的相关机理,提出一种定向变异算子,并结合均匀变异和正态变异算子,进行了对比和实验计算。理论分析和数值仿真都表明该算子在处理连续型函数欺骗问题上具有较好的效果。     

基于遗传算法供水系统优化调度模型

研究了含有调速泵的供水系统直接优化调度问题.根据给水系统的网络特性,以测压点压力宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程,并以每一泵站每时段应有水泵运行求得的出水量和管网求得的需水量相等的条件建立了混合泵站供水系统的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解,提出了对各种约束条件处理的方法,针对遗传算法容易早熟等的不足,综合采用遗传算法和模拟退火技术以及自适应交叉和变异率的方法.最后算例计算表明该算法具有较强的适用性.     

一种新型保持种群多样性的遗传算法

针对遗传算法的“早期收敛”或“遗传漂移”，本文提出了一种新型保持群体多样性的遗传算法。该算法利用种群的熵和个体基因座的多样度来测度进化中种群的多样性，并将遗传操作与种群多样性联系起来，建立了遗传操作与种群多样度之间的函数关系式，使遗传算子中的主要参数能够随多样性函数和适应度函数的变化而自适应调整，从而提高了进化中种群的多样性和算法的搜索效率。仿真研究证明了该算法的优越性。     

基于遗传算法的火电机组制粉系统运行优化

提出了一种基于遗传算法的中储式制粉系统运行优化方法。通过遗传机理在有效参数调整范围内搜索系统运行的最优值,为现场实际运行提供指导。优化方法使用FORTRAN90编程实现,并对实际对象进行了优化计算和测试。结果表明该方法能有效地进行优化计算,能用于实际机组的运行优化。     

求解全局优化问题的智能遗传算法

提出了一种智能遗传算法,该算法融合了5种交叉算子、8种变异算子和5种灾变算子,能根据当前优化结果智能地选择交叉算子、变异算子和灾变算子,在不影响搜索过程随机性的前提下收敛于全局最优解。不同于传统遗传算法,本算法增加了对各种算子优化性能的统计,在优化过程中尽可能使用那些优化性能高的算子,从而提高了智能遗传算法的优化性能。为了验证本算法的性能,采用12种传统遗传算法和本算法同时对20个测试函数进行了求解。最终的数据实例表明,方法是可行的、正确的和有效的。     

利用遗传算法求解多项目资源平衡问题

基于遗传算法的基本原理,针对多项目资源平衡问题本身的特点,通过建立适当的数学模型,提出了解决多项目资源平衡问题一种全新的精确解法,并通过实际算例表明该算法的有效性.     

求解作业车间调度问题的改进自适应遗传算法

根据当前代种群中的最优个体应该保留,但也要一定交叉与变异概率的思想,提出了改进的自适应遗传算法,开发了工程应用软件包,应用于求解作业车间调度问题,显著提高了收敛速度.特别是在搜索过程中系统能够自动给定交叉概率和变异概率,符合工程实际需要.     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

基于混合遗传算法的JIT投产顺序计划研究

JIT管理方式是实施CIMS工程中的一种重要的生产管理方式 ,以消除制造过程中的一切浪费为宗旨 ,消除和降低企业生产经营中的各种浪费 ,降低产品的成本 ,从而给企业带来了巨大的效益。JIT管理方式近来被广泛地应用于企业的生产经营管理中。在JIT生产方式中如何设计最佳的投产顺序计划问题一直是一个难题。在前人研究成果的基础上 ,使用把原有算法和自调整参数遗传算法相结合的混合遗传算法来求解这个问题。仿真结果表明这种算法是行之有效的。