基于遗传算法的曲线拟合及应用

在自然科学中,常常在相关的２个量之间并不存在严格的函数关系．利用最小二乘法原理可以确定其拟合方程及其最优系数．然而对于较复杂的非线性问题,有时并不奏效．根据曲线拟合算法原理和遗传算法的特征,提出了利用遗传算法进行曲线拟合的６项步骤．并以电容式湿敏传感器为例介绍了算法的应用．结果表明,拟合方程与测试数据相比,各对应点的湿度误差小于０．０９％．拟合过程只需方便地利用目标函数值,从而扩大了遗传算法曲线拟合的应用范围．     

基于遗传算法的预期动力学方程优化

为改进非线性控制系统的性能,提出了一种基于遗传算法的预期动力学方程及其参数的优化方法。利用遗传算法提供的通用框架,在控制系统结构和控制器形式确定的情况下,对控制参数进行全局优化。讨论了该方法在M IM O非线性过程控制中的应用。仿真结果表明,该方法能有效改善系统的动态特性,使系统对扰动和噪声具有较好的鲁棒性,在指定的性能指标上取得满意的控制效果。     

基于遗传算法的冲击信号拟合

为便于冲击响应谱的工程应用,以正弦衰减基波组合的形式对冲击信号的拟合进行了研究.通过该拟合形式与遗传算法的结合,将拟合问题转化为参数的搜索与优化问题.考虑到冲击信号在时域内表现出的复杂特征,对其在频域内进行拟合优化,并最终得到优化的信号拟合形式.在观察与分析冲击信号的频域特征以后,采取信号尺度调整、优化参数归一化以及插值运算等措施提高算法的拟合精度.仿真试验表明,冲击信号在频域内的拟合具有较强的适用性,遗传算法的全局优化能力适合于该组合形式下的冲击信号拟合.算法中所采取的改进措施有利于运算效率和拟合精度的提高.     

基于遗传算法的光学定晕优化

提出了一种基于改进的遗传算法的晕光（瞳刻划椭圆模型优化方法，并与传统的Gauss-Newton方法进行比较，表明用改进的遗传算法所得结果精度更高，而且克服了传统方法倚赖于接近最优点初值的不足。     

基于改进遗传算法的非线性方程组求解

 采用种群隔离机制、最优保持策略、算术杂交、自适应随机变异和异种机制等方法对遗传算法进行了改进。在保持遗传算法仅需目标函数值信息即可求解这一优点的基础上,这一改进方法增强了遗传算法的局部搜索能力。将该方法应用于非线性方程组的求解。数值算例表明,该方法能够求解以非线性方程为等式约束的〖JP2〗最优化问题。此外,异种机制的引入加快了遗传算法的收敛效率,有效提高了遗传算法收敛于全局最优解的概率。     

基于遗传算法的扫描线划图稿的拟合算法研究

研究智能款式设计过程中的重要环节之一扫描线划图稿部件信息的提取问题，提出采用给定误差基于遗传算法的扫描线划图稿的拟合算法，较好地解决了款式部件信息的获取问题；详细给出了扫描线划图稿的路径搜索和基于遗传算法的拟合细节，并通过实例研究证明了算法的有效性。     

基于改进遗传算法的非线性半刚接钢框架优化

运用小生境技术的改进遗传算法对半刚接多层钢框架进行优化设计,提高了算法的收敛性,可直接从H型钢表或热轧型钢表中选取截面,并且从用钢量角度分析了二阶效应对半刚接钢框架的影响.实际算例表明半刚性连接会使二阶效应的影响增大,用钢量也随之增加.     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

一种改进遗传算法及应用

提出一种改进遗传算法,它是以实数编码,采用自适应Ｐｃ、Ｐｍ与固定的Ｐｃ、Ｐｍ相结合,引入生物进化编程（ＥＰ）思想,利用不同形式的评判函数,完成遗传操作,实验表明,该改进遗传算法具有快速,有效的特点,提高了ＧＡ的优化能力。     

改进量子遗传算法求解非线性方程组

非线性方程组的求解在科学技术和工程应用中经常遇到。将非线性方程组的求解问题转化为函数优化问题,并应用改进量子遗传算法求解此优化问题。数值模拟的结果验证了该方法的可行性和有效性。     

基于遗传算法的InSAR系统干涉定标方法

在干涉合成孔径雷达中,干涉参数的测量精度对高程重建精度存在不可忽视的影响,为了得到精确的干涉参数,通常要利用地面控制点(GCPs)对这些参数进行联合校准(即定标).针对传统定标方法存在的敏感度矩阵固有病态问题,提出了一种基于遗传算法的干涉定标方法,它避免了病态敏感度矩阵的求逆,提高了干涉参数定标的精度和求解的稳定性.并且有效地构造了定标算法的适应度函数,采取了遗传概率的自适应调整策略,有利于优化算法的收敛性能.仿真结果验证了算法的有效性和稳定性.     

常微分方程近似解的遗传算法研究

讨论了利用遗传算法研究常微分方程初值问题的近似解的求解方法.研究了利用多项式逼近微分方程近似解的方法,并用遗传算法控制各项系数以达到最佳逼近效果,经实验证明该方法数值精度比较理想,且优于通常的数值解.     

基于量子遗传算法的子空间拟合测向

针对子空间拟合算法对独立信源和相干信源求解过程中,多维搜索运算量大的问题,通过采用实数编码的量子位表示染色体和用量子旋转门更新量子位的方法,提出一种实数编码的量子遗传方法(RC-QGA)来实现加权信号子空间拟合(WSSF)测向,从而有效地降低传统算法的计算量.还研究了WSSF算法的一维解相干性能和二维波达方向(DOA)估计性能.实验仿真表明,RC-QGA方法在进化代数为10时就可以达到收敛,有效提高了传统遗传算法的收敛性能,并且具有计算量小和估计性能优良的特点.     

基于遗传算法的模糊控制器参数优化

针对非线性量化因子模糊控制器的参数对系统性能影响和参数间的相互制约,提出了一种基于遗传算法的参数整定与优化方法,并进行了仿真研究。仿真结果表明通过该方法寻优的系统具有更好的响应速度和控制精度;当对象结构或参数发生变化时,非线性量化因子模糊控制器可以重新整定参数,以保持良好的控制效果,具有很强的鲁棒性。     

采用混合遗传算法的建筑结构优化设计

根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立了建筑结构优化模型。并提出一种离散变毓结构优化设计的进退搜索算法与标准遗传算法结合成混合遗传算法,既发挥了进退搜索算法高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点。算例结果表明,这种混合遗传算法收敛快、精度高,优于标准遗传算法和进退搜索算法：是兼二者之长,弃二者之短的高效的理想优化方法,可以直接用于多种建筑结构的优化设计。     

基于多目标遗传算法的无线传感器网络重新部署方法

研究节点动态移动以增强覆盖率,同时考虑节点的最大移动距离最小化.通过引入虚拟合力对基因进行变异,提出一种基于NSGA-II框架的改进的多目标遗传算法,达到网络覆盖率与节点移动距离之间的平衡.实验证明,该结果能得到较分散的前沿占优解.     

遗传算法最优同步综合换热网络

换热网络综合作为过程系统综合的一个重要研究分支，目前已经开发出多种综合方法。为克服这些方法存在的局限性，采用遗传算法，对无分流换热网络综合问题提出改进的优化模型及优化策略。该方法不仅能够自动、迅速地得到换热网络的结构与参数，而且具有获得全局最优解的能力。最后通过实例说明本方法的有效性。     

球Bessel方程本征值问题特征方程根的Matlab算法

给出常见的[0,b]区间上的球Bessel方程本征值问题的特征方程,利用半奇数阶Bessel函数与Bessel函数之间的关系,将球Bessel函数转化为柱Bessel函数,得到一般区间上球Bessel方程的本征值和本征函数,分别对高阶和低阶球Bessel函数的不同情况,讨论使用Matlab编程得到特征方程根的方法,并介绍实际应用.