用于求解TSP问题的遗传算法比较研究

针对基本遗传算法收敛速度慢、易早熟的现象,提出了基于贪心交叉算子的改进型遗传算法,利用贪心思想引导交叉操作,加快寻优速度。利用新算法进行了30城规模的TSP问题求解,并且与基于部分匹配交叉算子和顺序交叉算子的遗传算法进行了比较研究。通过在不同种群大小、迭代次数、交叉及变异概率、代沟等参数设置下对三种算子的性能影响进行深入分析。结果表明:基于贪心交叉算子的改进型遗传算法具有收敛速度快、寻优效率高的特点。     

超声衰减谱法颗粒粒径测量中遗传算法参数优化

在超声衰减谱法测量颗粒粒径分布的反问题求解中,反演算法至关重要,遗传算法作为一种全局最优化算法,其参数优化对于颗粒粒径分布反演效果极其关键.从最大代数、种群尺度、交叉和变异概率等参数优化角度,对于服从3种典型分布函数的颗粒系进行数值模拟.研究发现,当最大代数为300、种群尺度为60、交叉概率范围为0.4~0.85、变异概率为0.045~0.08时,获得的反演结果与设定值较吻合.在此优化参数下的数值算例和对两种玻璃微珠-甘油悬浮液样品的实验超声衰减谱反演,进一步验证了此优化参数下遗传算法具有较好的稳定性和抗噪性.     

基于模糊遗传算法的机组组合问题的求解

为求解机组组合问题,提出一种模糊优化与遗传算法紧密结合的新的模糊遗传算法.通过建立模糊推理规则,对交叉率和变异率进行模糊控制,从而提高了收敛速度,避免了不成熟收敛.将该模糊遗传算法应用于一工程算例中求解机组组合问题,与传统遗传算法相比,在同样的种群规模和终止准则下,采用该算法的收敛迭代次数减少,减幅最大达122次,而每次迭代计算时间最多仅增加约0.01 s;优化组合的发电成本减小,减幅最大时达总发电成本的0.73%.     

一种QoS感知的服务全局优化选择算法

将服务选择问题建模为带QoS约束的非线性最优化问题,并提出了一种参数自适应的改进遗传算法(IPAGA).构造了基于双曲正切函数的非线性参数变换函数,当迭代次数或种群多样性程度增加时,使遗传算法的交叉和变异概率相应地非线性递减,以保证算法的全局收敛性和收敛速度.实验结果表明:算法能够快速搜索出全局近似最优解,具有很高的有效性和可行性.     

遗传算法参数和操作的序优化

遗传算法的优化质量和效率很大程度上依赖于算法参数和操作,包括种群大小、交叉和变异概率、选择、交叉和变异操作等,然而确定合适的参数和操作通常需要大量的试验和比较,需确定最佳参数和操作.为此,基于序优化和最优计算量分配技术,通过将问题描述为随机优化问题,提出了一种确定有限计算量下最佳GA参数和操作的系统性方法.仿真研究表明,该方法能够合理地确定最佳参数和操作,并同时给出GA的合理性能评价.     

基于遗传算法的离散数据特征点识别与提取

针对ICT(industrial computed tomography)图像处理后零件轮廓的离散数据点,采用改进遗传算法的特征点自适应识别与提取方法对轮廓数据进行精简,以线段和圆弧为逼近基元,以较小的逼近误差(ISE)和较少的特征点为优化目标;对种群采取分类初始化,大大缩小了种群规模;变异概率和交叉概率自适应生成,加快了收敛速度.实例表明改进的遗传算法有更高的优化速度和全局搜索能力,特征点的提取效果较好.     

改进型遗传算法及其应用研究

针对基本遗传算法较容易陷入局部最优点和迭代次数多的缺点,该文对选择、交叉及变异改进策略进行了分析,给出了改进型遗传算法,并与基本遗传算法在多峰函数优化中的应用进行了比较.结果发现,改进型遗传算法在遗传代数及收敛次数方面均有较大的改善.最后,给出了改进型遗传算法在电力电子器件模型参数辨识中的应用结果.     

基于值的分布式查询优化算法

针对目前查询优化算法的缺陷,充分考虑了实际数据库系统中属性值的非均匀分布性和属性值之间的相关性对查询优化的影响,提出了一种基于值的查询优化模型,阐述了其科学性、合理性.给出了解决该优化问题的遗传算法,选取种群规模50、保留比例0.1、变异概率0.001的参数对算法性能进行了实验分析,结果证明该算法有一定的效果.     

动压滑动轴承遗传算法优化设计中的参数选择

文章建立了以降低润滑油流量为目标的动压滑动轴承优化设计模型,应用遗传算法对该模型进行优化;研究了遗传算法中位串长度、种群个体数、进化代数和变异概率4个主要参数对动压滑动轴承优化设计的影响,并提出了根据约束条件的数量确定合适的变异概率,根据优化模型自身特点和约束条件的复杂程度确定合适的位串长度、种群个体数和变异概率,根据种群收敛的情况确定合适的进化代数。算例表明,文中提出的动压滑动轴承遗传算法优化设计中参数的选择确定方法是合理的,可以拓展到基于遗传算法进行优化设计的其他领域。     

改进蚁群与遗传融合算法的路径规划

针对传统遗传与蚁群融合算法在路径规划中出现的收敛慢、能耗高的问题，提出一种改进融合算法。改进基于启发函数和自适应挥发因子的蚁群优化算法，结合A^*算法提出回溯策略优化死锁问题；优化遗传算法种群初始化模式，提出通信机制交叉，调整适应度函数及交叉变异因子；将蚁群算法得到的次优解放入遗传算法优化后的种群中，形成新种群进行路径规划，采用删除算子对输出路径进行优化。仿真结果表明，改进融合算法对比传统融合算法在简单地图中迭代与转弯次数上优化57%和75%;在复杂地图中迭代与转弯次数优化70%和18%,搜索效率有所提高，改进的融合算法有效。     

初始种群范围及运行参数对遗传算法解算GPS病态方程的影响

通过实验研究了GPS快速定位病态方程中参数的搜索范围对基线及双差模糊度解算精度的影响,通过GPS基线解算实例研究了种群大小、交叉概率、变异概率及最大进化代数等参数设置对GPS基线及双差模糊度解算精度的影响。计算结果表明,如果测站近似坐标精度达到±0.5m以内,仅利用2个历元的单频载波相位观测数据,利用遗传算法可得到较准确的模糊度浮点解,有利于模糊度的快速固定。种群大小、交叉概率、变异概率及最大进化代数对遗传算法解算精度有一定的影响,通过实验将其分别设置为80,0.75,0.02,400,计算结果表明这些参数的设置是合适的。     

遗传算法控制参数选择的仿真研究

控制参数选择得是否合适是非常重要的,这些控制参数对遗传算法的影响是非常大的。这些参数主要包括:交叉概率(pc)、变异概率(pm)以及种群的大小等。本文首先简要介绍了遗传算法的工作机理,然后从理认上分析了控制参数对遗传算法运算的影响。最后通过软件仿真,验证了不同参数的选择对遗传算法运算结果的影响,并根据仿真结果对实际使用遗传算法时的控制参数选择提出了一定的选择范围,这在实际工程应用中有一定的实用价值。     

一种基于模糊规则遗传算法在车间布置中的应用

提出了一种将模糊控制规则引入遗传算法的方法．根据每一代种群中所有个体适应度值的变化，对交叉概率、变异概率和染色体交叉长度进行模糊调整，很好地抑制了遗传算法的早熟现象，提高了搜索的效率．归纳出模糊调整规则，并叙述了应用模糊规则对交叉概率、变异概率和染色体交叉长度进行调整的策略；给出了模糊控制器的设计．用该模糊遗传算法对制造系统中的车间布置问题进行了仿真．结果表明，该算法是一种效率很高的寻优方法．     

改进的自适应遗传算法在TDOA定位中的应用

提出了接收端在空间随机分布时,利用改进的自适应遗传算法解决TDOA定位估计中遇到的非线性最优化问题.采用浮点数编码遗传算法,引入自适应交叉率和变异率、非均匀变异算子,以TDOA方式进行最佳坐标搜索.仿真结果表明,在保证种群数量的情况下,该算法性能稳定,能找到逼近全局最优点的解,相对于其他算法精度更高.     

改进免疫遗传算法用于图像阈值分割

在图像阈值分割中,基于遗传算法的分割方法存在着运行速度慢、易形成未成熟收敛等缺点.针对这一问题对其进行了改进.改进的免疫遗传算法在免疫算子中引入疫苗接种机制,极大地提高了收敛效率,对交叉概率和变异概率进行了改进,避免了局部收敛,以保证改进算法能收敛到全局最优值.实验结果表明,改进的免疫遗传算法比传统的算法提高了运行效率,解决了全局搜索不收敛和局部搜索不到最小值的问题,并具有更好的收敛稳定性.     

基于遗传算法的分布式数据库数据分配研究

针对目前分布式数据库数据分配方法存在的局限性及代价公式复杂、算法运行效率低等问题,提出了一种将遗传算法应用到分布式数据库数据分配的方法,同时为了进一步提高数据分配的准确性与计算效率,对遗传算法实施了以下改进:初始化群体的改进;适应度比例与最优值保留综合机制;自调节的交叉因子与自调节的变异因子的使用.仿真结果表明:与基于数据段访问特性分配方法相比,改进后的数据分配方法的计算结果与最佳结果更为接近.     

应用小种群远缘杂交提高遗传算法的效率

为提高遗传算法的效率,将作物育种学中远缘杂交策略应用于多种群遗传算法,采用规模较小的多个种群同时进行进化,选择和变异操作在各种群内部独立完成,杂交操作在种群间完成。小种群的采用可以大大提高进化求解的速度,种群间的远缘杂交能够克服由于种群规模小、种群多样性降低导致早熟收敛的弊端,保证算法以较快的速度收敛到全局最优解。研究结果表明:该算法具有高效性。     

改进遗传算法及其在聚类分析上的应用

本文提出的改进遗传算法通过在选择操作前对种群进行相似性检查来保持群体多样性,解决进化种群早熟问题,提出了与相似率和迭代次数相关的变异概率公式来保持种群多样性和算法收敛性,通过在UCI的WINE和IRIS两组数据集上与c-means算法的聚类实验结果比较,证明了改进遗传算法的有效性．     

自调节基因移民遗传算法的研究

通过对遗传算法选择，交叉，变异3个算子的分析，揭示了早熟现象产生的原因。在此基础上，设计了一种变异概率可以自调节的基因移民遗传算法，提出用群体相异度指标来衡量群体的多样性。通过相异度可自动调节变异频率的大小，从而确保了群体的多样性，也避免了早熟现象的出现。最后，应用马尔科夫链数学工具，从理论上证明了该算法是收敛的，实验表明，该算法可操作性好，对选择的参数不敏感，具有一定的通用性，适合于实际的工程计算。     

A fuzzy rule based genetic algorithm and its application in FMS

Most of the FMS (flexible manufacturing systems) problems belong to NP-hard (non-polynomial hard) problems. The facility layout problem and job-shop schedule problem are such examples. GA (genetic algorithm) is applied to get an optimal solution. However, traditional GAs are usually of low efficiency because of their early convergence. In order to overcome the shortcoming of the GA a fuzzy rule based GA is proposed, in which a fuzzy logical controller is introduced to adjust the value of crossover probability, mutation probability and crossover length. The HGA (hybrid genetic algorithm), which is integrated with a fuzzy logic controller, can avoid premature convergence, and improve the efficiency greatly. Finally, simulation results of the facility layout problem and job-shop schedule problem are given. The results show that the new genetic algorithm integrated with fuzzy logic controller is excellent in searching efficiency.