求解装箱问题的一种混合分组遗传算法

通过设计一种适应度函数,利用分组遗传算法结合BF算法和FFD算法来对此适应度函数进行优化,从而求得一个优化的装箱结果。用C++实现该算法并对装箱实例进行仿真实验与比较,结果表明:在遗传算子的交叉操作过程中采用FFD+GGA的混合分组遗传算法是一种解决装箱问题的有效方法,在大部分情况下用很短的时间都可求得最优解。     

基于遗传算法的智能组卷系统的研究与实现

为解决传统组卷算法存在的工作量大、耗时长和试卷主观性强的问题,本文研究并实现了基于遗传算法的智能组卷系统.实现遗传算法的关键是设计适应度函数,适应度函数是描述试卷是否符合要求的函数,因此适应度函数设计的好坏直接决定了试卷的质量.为此研究设计的适应度函数能够对试卷难度、知识点考察数、区分度等多个试卷指标做出综合评判,生成...     

随机算法在智能组卷方面的分析与研究

试题组卷是考试系统的重要组成部分。通过在编码策略、适应度函数、遗传算子、控制参数等方面的研究提出一种适应于试题智能组卷的改进遗传算法。对适应度函数的适当定标和建立自适应的交叉概率和变异概率,有利于克服未成熟收敛现象,同时能在维持群体多样性的情况下,防止群体进入局部最优。     

基于遗传算法的试题库智能组卷系统研究

试题组卷是考试系统的重要组成部分。本文通过在编码策略、适应度函数、遗传算子、控制参数等方面的研究提出一种适应于试题智能组卷的改进遗传算法。对适应度函数的适当定标和建立自适应的交叉概率和变异概率,有利于克服未成熟收敛和遗传漂移现象,同时能在维持群体多样性的情况下,防止群体进入局部最优。实验证明改进遗传算法能更有效地提高组卷的效率。     

基于遗传算法的组卷策略

对试卷的评价指标做了相应的分析。在此基础上,着重对自动组卷算法进行了研究,通过建立自动组卷问题的数学模型,提出了一种基于遗传算法Genetic Algorithm解决组卷问题的新方法,该算法适应全局寻优且收敛速度快等特点,解决了传统组卷中编码长、适应度函数值计算困难等问题,较好地满足了自动组卷的要求,进而建立和描述了组卷问题的染色体结构和适应度函数,设计了问题的遗传操作。     

基于聚类分析的技校英语量化考核方法

英语"分组教学"的目的在于对不同组的学生制定不同的教学策略,使得教学资源能合理分配,降低教学难度,提高教学的合理性和科学性。本文通过聚类分析对学生进行分组,为英语"分组教学"提供了可靠的技术手段。     

改进的优化算法用于移动机器人路径规划

针对当前机器人路径规划算法存在局部最优问题,提出了一种改进的移动机器人路径规划算法。该算法采用改进的人工势场算法产生初始化种群,改进的遗传算法引入了新的适应性函数和"翻转变异"算子、进行全局路径优化。适应性函数包括路径点的适应度和路径的适应度,提高了适应性函数的评价性能。"翻转变异"使障碍物路径变为自由路径,使移动机器人顺利绕过障碍物。克服了传统遗传算法的早熟收敛问题,提高了遗传算法的效率。实验结果表明该算法在移动机器人路径规划中的可行性和有效性。     

一种改进的粒子群优化算法

在粒子群优化算法的基础上,将粒子群优化算法的速度更新公式中种群最优位置用所有个体的平均值与最优粒子有限邻居个体的平均值加权求和代替;通过将种群平均适应度和整体最优位置适应度的比值作为适应度函数,并引入了加速系数;得到改进的粒子群优化聚类算法既能够充分参考当前粒子的最优信息,也参考了所有个体的最优信息和当前最优粒子有限邻居的最优信息,在进化过程中可以通过新的适应度函数自适应地调整全局搜索和局部搜索的比重对粒子的影响,对算法收敛速度影响较小的前提下较好地提高了收敛精度。最后,选取了4组具有不同分布特征的Benchmark函数作为验证函数,试验结果表明,新算法具有较好的收敛特性。     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

基于论域离散度的属性约简算法

提出了一种基于论域离散度的适应度函数,在前向贪心搜索策略下,以该适应度函数评估条件属性的重要性,进而求取邻域粗糙集的约简。该算法与3个比较流行的属性约简算法进行对比实验,在12组UCI数据集上进行验证。实验结果表明,与另外3种算法相比,在不降低分类效果的情况下,本文算法在时间消耗和稳定性上具有较为明显的优势。     

不同适应度函数的遗传算法在桥梁结构传感器布设中的应用

从模态振型正交性和模态能量两方面出发设计了3个适应度函数,将其分别应用于改进遗传算法和单亲遗传算法。采用两步法对大跨径桥梁结构传感器布设进行定量和定位分析。通过对两种遗传算法、3个适应度函数及有效独立算法在大跨径拱桥中的对比分析,证实了单亲遗传算法比改进遗传算法更适合于桥梁结构传感器的布设,基于组合评价准则适应度函数比单一评价准则适应度函数布设出的传感器位置更加合理,验证了两步法用于传感器定量及定位计算的有效性 。     

用遗传算法解决五子棋博弈问题

以五子棋为例,提出了用遗传算法代替搜索树法解决博弈问题的构想,给出了设计适应度函数应满足的必要条件和几种适应度函数的设计方案.     

基于改进遗传算法的煤矿探测机器人路径规划

针对煤矿井下环境的复杂性和不确定性,提出了一种改进遗传算法用于煤矿探测机器人的路径规划。采用栅格法在三维空间中对机器人工作环境进行建模,对染色体编码,初始种群生成、适应度函数的设计等操作进行了改进;算法采用了可变长度的染色体编码方式,使用随机指导式搜索策略来生成初始种群;根据路径长度最短且能耗最少的评价指标设计了适应度函数,并优化设计了遗传算法中的交叉和变异算子,解决了传统遗传算法"早熟现象"和"收敛速度慢"的问题,仿真实验证明了该方法的有效性和可行性。     

基于遗传算法的巡航导弹航迹规划的一种收敛速度分析方法

航迹规划收敛速度的分析是其理论研究中人们所关注的一个重要问题.首先给出了描述表征巡航导弹航迹的7个特征变量,制定相应的编码方案,而后利用泛函分析的几何收敛理论定义了两条航迹的距离和个体适应度函数值.对于给出的第t代群体,定义了最大适应度值、最小适应度值和平均适应度函数值.在此基础上,定义了收敛速度(最大适应度函数收敛速度、最小适应度函数收敛速度、平均适应度收敛速度);然后利用数理统计理论,分别得到关于7个特征变量的满意度函数fxi(xi),i=1,2,…7;由此,个体适应度函数定义为F(X)=7∑i=1ωif xi(xi),其中为权重值.据此,就可得到其收敛速度的阶的估计,进一步得到了在大地方位角约束模型条件下的其收敛速度的表达式.结论是:巡航导弹航迹规划的收敛速度只与特征变量的满意度和相应的权值的乘积有关.     

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.     

一个具有对偶适应度函数的遗传算法

提出一个具有对偶适应度函数的遗传算法.该法提供了一个阈值,利用对偶适应度函数值辨别全局最优盆和局部最优盆.根据辨识结果,自适应地设置变异概率.对几种典型函数的测试结果表明,该法的全局收敛性能及收敛速度优于标准遗传算法.     

基于遗传算法和支持向量回归的锂电池健康状态预测

为了提高锂电池健康状态(SOH)的预测精度,该文提出了1种基于遗传算法和支持向量回归(GA-SVR)的联合算法。通过GA解决SVR模型中的超参数优化问题。GA-SVR随机生成1组染色体,每个染色体包含了相应的SVR超参数信息。利用适应度函数计算出每条染色体的适应度值。根据适应度值对染色体进行选择、基因重组和变异等遗传操作,从而更新染色体的超参数信息。经过多次迭代后,找到适应度最大的染色体。从该染色体中提取相应的超参数信息,并训练最终的SVR预测模型。在美国国家航空航天局(NASA)锂电池数据集上的实验结果表明,该文算法优于基于混合像元核函数的高斯过程回归(SMK-GPR)算法、基于多尺度周期协方差函数的高斯过程回归(P-MGPR)算法、基于多尺度平方指数函数的高斯过程回归(SE-MGPR)算法和改进的基于粒子群优化的支持向量回归(IPSO-SVR)算法。     

基于遗传算法的智能组卷问题的研究

分析智能组卷问题的目标要求,建立了针对该问题的数学模型,并给出利用遗传算法解决组卷问题的方法。重点阐述了组卷问题的染色体编码、适应度函数和遗传算子的设计。实验结果表明所设计的方法是一种实用有效的方法。     

基于PSO的多级反馈放大器的设计与仿真

采用粒子群优化算法,在高电压增益、低输出电阻的要求下,选择电压增益与输出电阻的比作为适应度函数,对两级直接耦合负反馈放大电路电阻的参数进行优化设计.对结果的电阻值经EWB软件仿真,闭环电压增益与优化理论计算的平均误差为1.65%,说明理论的正确性.优化结果显示,输出电阻总是趋于设定值的底限,以使适应度函数为最大,符合算法的要求.同时根据对放大器指标的不同需求,可以改变适应度函数,找到的最好效果.     

基于遗传算法的智能组卷系统研究

通过对智能组卷系统的需求分析,采用遗传算法作为试题搜索工具,实现了将遗传算法应用于智能组卷系统.并针对遗传算法及组卷的特点从程序流程、染色体编码、适应度函数、以及各种遗传算子上都作了探讨和改进,为系统实现作准备.