基于混合编码的遗传算法在神经网络优化中的应用

提出了一种结合浮点数编码与二进制编码的混合编码遗传算法,该算法在同一条染色体上同时使用浮点数编码与二进制编码,有机结合了两者的优点,并与BP算法结合用于优化神经网络的结构和系数,获得具有更好泛化能力的神经网络.仿真实验结果证实了这种混合编码遗传算法的有效性和优越性能.     

基于混合编码遗传算法的最优跟踪门

跟踪算法优化可以提高跟踪质量,选择恰当的跟踪门是优化跟踪算法的关键措施之一。本文提出了一种基于混合编码的遗传算法,用于杂波环境下目标跟踪过程中跟踪门参数的离线优化。该算法将二进制编码与浮点数编码结合,对跟踪门的形状和大小进行混合编码,选择跟踪精度性能指标构造遗传算法的适应度函数,以此将跟踪算法的优化问题转化为遗传算法寻优,在不同杂波环境下优化跟踪门参数设置。     

基于遗传算法的匹配问题求解

系统地论述了遗传算法的由来、传统二进制编码的优缺点，浮点数编码的优点，以及用浮点数编码方案实现匹配问题的求解方法。     

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.     

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法...     

挖掘机器人动力学参数辨识研究

为了使挖掘机在作业速度和挖掘力上适应负载的特性,需要对挖掘机工作装置进行动力学分析.在采用拉格朗日方法确定了挖掘机器人工作装置动力学模型的情况下,动力学参数的精确辨识对实现实时控制显得尤为重要.利用遗传算法对参数辨识问题进行了探讨,给出了利用遗传算法对整个问题的求解设计思路,引入格雷码混合编码、可变精度的交叉和混合变异等思想,形成了改进的遗传算法.该算法收敛速度快,鲁棒性强,通过仿真和现场实验,验证了所提出的算法的有效性.     

基于改进遗传算法的噪声自适应地形匹配算法

地形匹配制导是提高飞行器导航与末制导精度的有效途径。为了提高传统地形匹配算法精度和效率,提出了一种基于改进遗传算法的地形匹配搜索算法。该算法以基准高程图各坐标空间作为解空间,一方面采用一种改进的遗传算法进行全域匹配搜索,相对于传统遍历搜索大大提高了搜索效率,又有效避免了遗传算法早熟收敛问题;另一方面提出了一种基于噪声自适应的相似性度量方法并将其作为遗传算法个体的适应度,该度量方法结合了归一化相关函数度量和序贯相似检测度量方法的优点,在保证精度的同时有效减少了每个搜索位置的计算量,实验结果表明:与全遍历算法、传统遗传算法从算法效率和匹配精度指标上进行对比,本文算法在匹配精度上与传统遍历算法相当,在算法效率上明显优于前两种算法。     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

基于遗传算法的二次曲面提取技术研究

针对离散点云数据直接进行二次曲面提取.首先对单一类型的点云数据块进行曲面识别,然后针对不同类型的二次曲面,利用其几何参数方程,实现了基于实数编码遗传算法的二次曲面提取技术.对正常数据或较少噪音的数据来说,遗传算法计算精度非常高,随着噪音数据的增多增大,遗传算法具有很强的抗噪音能力,甚至在加入大量0.2噪音数据的情况下,依然能得到精度很高的提取结果,但计算效率稍低.研究结果对实际工程中应用实数编码遗传算法提取二次曲面具有一定的指导意义.     

混合编码遗传算法在测试数据生成中的应用

针对传统遗传算法存在局部搜索能力差、未成熟收敛和多峰优化时常有漂移现象的缺陷,充分利用格雷码来消除Hammming悬岸问题,实数编码来获得大空间搜索任意精度的优势,从而获得混合编码的遗传算法.引人黄金分割点实现2种编码方法的转换,设计了测试数据生成的混合编码遗传算法.通过实例说明测试数据如何自动生成,结果表明生成测试数据的效果较好.     

基于稀疏分解的分块图像压缩编码算法

以压缩感知理论为基础,将匹配追踪(Matching Pursuit,简称MP)算法运用到图像的压缩编码中.首先,阐述了原子库的构建方法,之后,采用分块感知压缩图像分解方法,降低了分解的运算复杂度,最后,针对传统MP算法编码率不高的问题,利用MP原子能量与位置分布特点,对原子系数和位置参数进行编码,并提出了MP原子编码方法.实验结果表明,采用分块感知压缩图像分解方法,能有效地降低稀疏分解的计算复杂度,其压缩编码方法在保持传统MP图像编码优势的前提下,能有效地提高编码性能和编码率,体现了稀疏分解较传统分解方法的优势.     

LT码译码算法的研究

LT码是一种实用的喷泉码编码方式,影响其性能的一个重要因素是译码算法．通过分析已有LT码的MP译码算法和GE译码算法的性能．提出了MPGE联合译码算法,通过对小规模数据传输和大规模数据传榆进行仿真分析可知,新的译码算法结合了MP算法译码运算量少和GE算法误码率低的优点,提高了译码效率．     

Ways to Sparse Representation: A Comparative Study

Many algorithms have been proposed to achieve sparse representation over redundant dictionaries or transforms. A comprehensive understanding of these algorithms is needed when choosing and designing algorithms for particular applications. This research studies a representative algorithm for each category, matching pursuit (MP), basis pursuit (BP), and noise shaping (NS), in terms of their sparsifying capability and computational complexity. Experiments show that NS has the best performance in terms of sparsifying capability with the least computational complexity. BP has good sparsifying capability, but is computationally expensive. MP has relatively poor sparsifying capability and the computations are heavily dependent on the problem scale and signal complexity. Their performance differences are also evaluated for three typical applications of time-frequency analyses, signal denoising, and image coding. NS has good performance for time-frequency analyses and image coding with far fewer computations. However, NS does not perform well for signal denoising. This study provides guidelines for choosing an algorithm for a given problem and for designing or improving algorithms for sparse representation.     

一种基于遗传算法的网格任务调度算法

任务调度问题是一类NP问题,经典调度理论一般仅能获得问题的近似最优解.尽管已有用于任务调度的遗传算法的求解质量优于传统方法,但多数是考虑单任务或独立多任务调度的遗传算法.采用理论分析与仿真实验相结合的方法,提出了一种改进的遗传算法解决网格的任务调度问题.这种遗传算法所处理的任务不仅可以包含多个有前后约束关系的子任务,并且每个子任务可以需要多种资源.通过对比实验可以看到本文所提出的算法在网格任务调度方面要优于传统的HEFT和DLS算法.     

异构型无人机群体并行任务分配算法

异构型无人机(UAV)群体任务分配机制起着至关重要的作用,分析了并行任务分配的特点,以时间消耗最短为优化目标,建立了整数线性规划的任务优化分配模型。对基本遗传算法进行了改进,提出了有效降低算法复杂度的编码方案,建立了相应的适应度函数,改进了现有遗传算法的变异策略。仿真案例表明该算法具有较强的寻优能力,能够有效地完成异构型群体UAV的并行任务分配。     

基于GA的交叉路口自适应模糊控制器设计

针对交通领域中模糊逻辑控制器的模糊子集隶属度函数的离散性特点,提出了改进的GA(GeneticAlgorithm)算法,设计了适用于模糊子集隶属度函数编码的带区间范围限制的十进制编码方案,并实现受限分布一致交叉和变异算子.改进的经典赌轮选择法,通过动态确定最优隶属度函数,模糊控制器的控制性能得到提高,避免了病态个体产生,加快了收敛速度.通过一个实例的Matlab仿真结果表明了该方法的有效性.该方法对路口两方向车辆到达率相差较大情况的处理亦收到明显的效果.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

基于折扣产品供应商选择问题的随机蛙跳算法

针对生产企业中多产品有采购量折扣的产品供应商选择问题,设计了基于问题特征的随机蛙跳算法(Shuffled Frog Leaping Algorithm, SFLA)对问题进行求解.介绍了蛙跳算法的基本原理、SFLA的编码方案、解的演变方案及算法执行步骤.通过算例对SFLA进行验证.结果表明,SFLA在计算时间和求解效果两方面均优于现有的遗传算法.
关键词：
中图分类号： 文献标志码： A
HAN Yi1a,1b,2,CAI Jian hu1a,1b,LI Yan lai3,YE Xu hong1a,LIN Hua zhen1a,WANG Wei1a     

基于量子遗传算法的无人机冲突解脱方法

飞行冲突解脱对于无人机飞行安全至关重要,遗传算法(genetic algorithm, GA)在解决无人机冲突解脱时存在求解速度慢、产生的延误距离较大等缺点,针对这些缺点,提出一种基于量子遗传算法(quantum genetic algorithm, QGA)的无人机冲突解脱方法。该方法采用了量子比特编码,设计加入了延误指数函数强制优化策略和变航向优化策略,通过利用量子旋转门实现个体的演化,并在延误距离、冲突解脱航迹等多方面与遗传算法进行了对比实验。仿真实验结果表明,该方法与遗传算法相比,求解速度更快,解的质量更高,所得解脱航迹更平滑,能获得较小的飞行延误,在无人机冲突解脱方面具有有效性和良好的应用价值。     

基因算法辅助人工神经元网络的结构设计

提出了以基因算法为基础的人工神经元网络结构设计基础。首先从连接权的演化入手,研究了基因算法的实现过程。在结构设计中,提出了稀疏化的编码方法。仿真结果表明这种优化方法对于神经网络的选取是有效的。