基于遗传算法的波阻抗混合反演处理系统

提出一种基于遗传算法的波阻抗混合反演处理新方法,应用Visual C 集成的MFC类库建立了基于遗传算法的波阻抗混合反演处理系统.文中简述了遗传算法混合反演的基本原理、系统结构及功能,介绍了系统的主要特点,用数值模型与实际地震信号检测了系统中f-x去噪、目标函数子波提取、混合反演处理的正确性.结果表明波阻抗混合反演处理系统处理效果明显,同时提高了应用遗传算法实现波阻抗反演处理的效率.     

遗传算法三种编码策略的比较研究

分析遗传算法的二进制、实数、十进制编码策略实现方法,根据各编码的特点,设计相应的改进遗传策略.以前馈神经网络权值优化问题为例,用计算机仿真实验的方法研究三种编码策略对各遗传算法性能的影响.研究结果表明,若同时强调搜索效率和搜索准确性,宜采用实数编码的改进遗传算法;若只强调搜索准确性,则应优先考虑十进制编码的改进遗传算法.研究的结论为遗传算法在高维连续参数优化问题中编码策略的选取提供了理论指导.     

基于实数编码的加速遗传算法在混凝土温度场反分析中的应用

根据现场实验室内的混凝土长方体试件非绝热温升试验,在温度场三维有限元仿真计算的基础上,运用基于实数编码的加速遗传算法对混凝土的热学特性参数进行反演分析.反演结果表明,基于实数编码的加速遗传算法在混凝土热学参数反演分析中简单通用、适应性好、且反演收敛速度快,效率高.     

综合遗传算法及其在地震波阻抗反演中的应用

为了有效地克服非线性、多参数、多极值的组合优化问题中遗传算法的早熟收敛现象,引入生物的小生境技术和自然界生物多种杂交方式并存、多个子群体并行以及灾变现象而提出了一种综合的快速基因搜索策略。该算法以多个子群体不同杂交方式并行搜索为主,并结合排序配对的受限交配技术和灾变算子等方法来实现快速的寻优过程。对地震资料波阻抗反演的理论模型试验表明:该算法的收敛能力和计算效率有了明显改善。     

基于基追踪分解算法的薄层波阻抗反演

为提高波阻抗反演的分辨率,将基追踪反演(basis pursuit inversion,BPI)方法用于地震阻抗反演。该反演方法将地层的顶、底反射系数视为一个奇对称脉冲对和一个偶对称脉冲对的线性组合。反演过程中将地震信号通过基追踪算法投影到子波与上述两类脉冲褶积形成的楔形模型库上,通过该投影值可求得每道的相对反射系数。得到相对反射系数剖面后,进行道积分即可得到相对波阻抗剖面。相比于传统的稀疏脉冲反演(sparse spike inversion,SSI),BPI结果不受初始模型的影响,可显著提高波阻抗反演对薄层的分辨能力。对合成信号的试算表明,BPI结果比SSI结果更好地识别了薄层信息。对珠江口盆地碳酸盐岩储层的实际地震数据的反演表明,BPI结果上的很多细节信息在传统SSI结果上无法看到。因此,BPI更适用于薄层波阻抗的反演。     

MT资料反演的一种实数编码混合遗传算法

设计了一种求解一维大地电磁测深反演问题的实数编码混合遗传算法,它是通过单纯形搜索与遗传算法结合而成。针对传统的遗传算法在优化应用中存在局部搜索能力弱、计算量大、对较大空间适应能力弱和早熟收敛,而基于局部线性化的单纯形法易使解陷入局部极小值,严重依赖初始模型的选择等问题,在遗传算法中加入一个改进的单纯形搜索算子,并采用最优群体保留策略。该新算法既具有遗传算法的全局收敛性,又具有单纯形法的快速收敛性。对各种类型的大地电磁测深理论曲线进行计算,结果表明:采用实数编码混合遗传算法进行反演具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释。     

遗传算法的改进及在自动组卷系统中的应用

遗传算法是一种新发展起来的并行优化算法,它很适合解决自动组卷问题.但是遗传算法存在运算速度低、容易陷入局部最优值、早熟收敛等缺陷,针对这些缺陷提出了基于实数编码的遗传算法的改进算法,并在计算机基础自动组卷系统中进行了应用.     

测井资料与地震属性关系研究综述

测井资料和地震资料是地震勘探中两种最重要的资料,由于地震波的频散,使合成地震记录与地面地震记录不能完全匹配,因此使用之前必须对二者进行频率校正;地震资料在测井资料约束下可以进行反演,以求取地下波阻抗,主要有两种方法：基于褶积模型的波阻抗反演方法和基于波动方程的波阻抗反演方法;可以用多属性变换由地震资料预测测井信息。上述3种方法是目前研究测井资料与地震属性关系的主要方法。     

实数编码遗传算法的改进及并行化实现

针对实数编码的遗传算法容易掉入局部极值、收敛速度慢等缺点,提出一种改进的实数编码的遗传算法,并对其进行了基于GPU的并行化实现.通过4个典型的遗传算法性能测试函数进行测试,结果表明,改进后的算法可以有效地跳出局部极值点,并能加快算法的收敛速度;在求解复杂的高维函数时,并行化后的改进算法可以显著减少算法的运行时间.     

改进GA算法的电力系统机组优化组合研究

提出了一种新的基于实数和二进制数统一编码的改进遗传算法.把机组组合问题分解为两个优化子问题,分别对其优化.应用实数编码来模拟功率并用实数遗传算法解决负荷经济分配问题,同时结合二进制编码模拟机组启停状态,解决了机组优化组合的0-1混合整数非线性规划问题.本算法运用到模拟10台机组的优化组合研究中,取得了很好的效果.     

遗传算法在堆芯燃料管理装载模式优化中的应用

从堆芯燃料管理装载模式 (L P)优化中的非确定多项式 (NP)特征和全局寻优要求 ,探讨了遗传算法在 L P优化中的应用。结合 L P优化和遗传算法特点 ,建立了 L P优化的数学模型的矩阵表示。为了解决组件矩阵的有效性问题 ,对组件矩阵进行基于位置的遗传操作 ;考虑到可燃毒物数目的独立性 ,对可燃毒物矩阵进行随机遗传操作 ;对旋向矩阵进行经典遗传操作。类比旅行商问题 ,完成了 L P优化遗传算法编码和解码。并可与相应的堆物理计算程序构成一个完整的堆芯燃料管理程序。     

并行机调度问题的最优公共交货期和最优调度

现有的提前／拖后调度问题主要针对单机情况，且大多采用启发式方法。为了有效地解决带有待定公共交货期的并行机提前／拖后优化调度问题，提出了一种分段编码的遗传算法，使遗传编码能同时反映调度方案和公共交货期，并对初始种群产生、交叉和变异方法作了研究。计算实例表明了该遗传算法有很好的性能，所得解的质量优于启发式算法，且适用于较大规模并行机提前／拖后优化调度问题     

基于混合遗传算法的多约束组播路由问题的求解

研究了延时、延时抖动约束的最小费用组播路由问题,并且提出了一种混合遗传算法.遗传算法是一种模拟生物进化过程的并行最优算法,适合在大型、复杂的空间中寻找最优解.遗传算法并不需要求解问题具有连续性,因而适宜于约束组播路由问题的求解.此外,遗传算法的并行分布式处理实现简单,因而用遗传算法解决约束组播路由问题十分有效.并通过计算分析,表明本算法能够快速有效的构造出所要求的满足延时、延时抖动约束的最优组播树.     

采用粒子集群算法的DS-CDMA多用户检测

为了有效抑制多址干扰 ,实现结构简单、鲁棒性强的目的 ,将粒子集群算法 (PSO)应用于直扩码分多址 (DS-CDMA)通信系统的多用户检测中。提出了 PSO- MU D方法。利用改进的 PSO- MU D方法与传统多阶段多用户检测器相结合 ,在加速收敛的同时降低了计算复杂度。仿真结果表明 ,这种多用户检测器充分利用了粒子集群算法的优良特性 ,与传统的 CDMA接收机和基于遗传算法的多用户检测器相比较 ,在误码率、收敛速度、抗远近能力等方面都有显著改善     

参数并行：一种基于群启发式算法的机器学习参数寻优方法

针对机器学习算法超参数寻优效率低的问题和参数寻优主流算法的特点,提出了一种基于参数并行机制的机器学参数寻优方法。该方法利用群启发式算法来进行机器学习算法的参数寻优,将种群转换为Spark平台特有的弹性分布式数据集,针对参数寻优耗时特点并行计算种群中个体适应度。选取随机森林和遗传算法作为实验算法设计了多组实验对所提出的学习训练方法进行验证。实验结果表明,在20万条以下的小数据量下,文中提出的基于参数并行机制的机器学习参数寻优方法与基于数据并行机制的机器学习参数寻优方法相比,运行时间最多能够减少2个小时,并具有良好的可扩展性。     

分布多跳式网络吞吐量优化的并行性研究

传统的分布多跳式网络吞吐量的优化方法并不能满足用户高移动性、高数据速率的要求.为了提高分布多跳式网络吞吐量的优化性能,提出并实现了分布多跳式网络吞吐量的分布式并行优化算法.首先将分布多跳式网络等效成M/M/m级联排队系统,并用流水线技术实现了优化算法.然后研究了用户移动速度和网络环境对吞吐量的影响,并以此得出一般的近似最优的分布式算法.最后分析了多用户之间的干扰问题对网络吞吐量的影响.仿真结果表明,并行优化算法可以提高分布多跳式网络的吞吐量和降低通信时延;理论分析结果也说明了在某些情况下可将干扰看作高斯噪声.     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.     

基于人机结合算法的布局优化研究

在研究并行遗传算法的基础上,提出了解决家电产品布局设计优化问题的人机结合并行遗传算法.该算法将人工个体与算法个体共同构成解群,在计算过程中通过人机交互,实现对算法的有效干预,避免算法的缺陷出现.对比试验表明,采用"人机结合"的并行遗传算法能够较好地解决家电产品布局设计的优化问题.     

A new evolutionary algorithm based on the decimal coding

Traditional Evolutionary Algorithm (EAs) is based on the binary code, real number code, structure code and so on. But these coding strategies have their own advantages and disadvantages for the optimization of functions. In this paper a new Decimal Coding Strategy (DCS), which is convenient for space division and alterable precision, was proposed, and the theory analysis of its implicit parallelism and convergence was also discussed. We also redesign several genetic operators for the decimal code. In order to utilize the historial information of the existing individuals in the process of evolution and avoid repeated exploring, the strategies of space shrinking and precision alterable, are adopted. Finally, the evolutionary algorithm based on decimal coding (DCEAs) was applied to the optimization of functions, the optimization of parameter, mixed-integer nonlinear programming. Comparison with traditional GAs was made and the experimental results show that the performances of DCEAS are better than the tradition GAs. Foundation item: Supported by the National Natural Science Foundation of China (No. 69703011) Biography: Dong Wen-yong (1973-), male Ph. D. candidate, research direction: parallel algorithms, evolutionary computation, computer simulation.     

改进的GE分布式并行算法

针对一维抛物方程的初边值问题，在分组显式(GE)并行解法的基础之上，利用冗余计算来遮盖部分通信的重叠边界优化技术，结合曙光-2000并行计算机系统，得到了一个通信时问缩短、并行效率提高的分布式并行算法。