改进交叉算子和变异算子抑制GA算法早熟

分析了传统遗传算法早熟收敛的主要原因,提出了一类改进的遗传算法。通过引入个体相似度,改进传统的交叉算子,避免了近亲繁殖现象,采用二元变异算子替换传统变异算子。仿真结果表明该改进算法有效地提高了全局搜索性能和收敛速度。     

一种改进型交叉算子和自识别高变异算子新型遗传算法的研究

为有效地解决遗传算法收敛性和多样性的矛盾,在分析算子结构的基础上,提出了一种新型的遗传算法.该算法的核心在于,一方面通过父子竞争保留优秀个体和改进型交叉算子保证收敛性,另一方面对参与交叉的基因段进行基于海明距离相似度检测提高交叉操作的有效性;最后,采用基于基因位多样度的自识别高变异率算子来改善种群的多样性.实验证明,改进的算子显著地提高了收敛速度和搜索全局最优解的能力.     

基于三角函数的遗传算法选择算子

遗传算法的选择算子对算法的早熟收敛及算法性能有重要的影响。为避免算法早熟收敛和提高算法性能,提出基于三角函数的选择算子,分析基于三角函数选择算子的可行性,并通过实验比较基于三角函数的选择算子与其他选择算子的性能。实验表明,三角选择算子能有效地避免早熟和提高算法性能。     

杂交算子的配对与协同性

在遗传算法中两个或多个杂交算子的适当组合能够产生协同效应,从而可以提高算法的搜索性能。为分析其机理并提出协同组合方法,对两个杂交算子的协同组合问题进行了研究。结果表明,组合中算子对群体多样性的调节和利用是产生协同效应的关键。进而提出了两个杂交算子协同组合的方法,即组合中要有能使群体收敛快的和收敛慢的算子,以调节群体多样性;要有求解质量较好的算子,以利用群体多样性求出更好的解;通过调整两个算子的比例可调节群体收敛速度以及平衡好算子的求解质量和收敛速度之间的关系,使得算子组合形成协同求解能力。为获得更好的协同效果,还要考虑算子组合的问题相关性。详尽的数值实验结果表明了分析的正确性和所提出的协同组合方法的有效性。     

带有自适应变异和指数递增交叉算子的差分进化算法

针对基本差分进化算法的缺陷,融入指数递增交叉算子以增加算法的收敛速度.当算法陷入早熟后,对最优个体和随机选取的个体采用随机扰动的变异策略,帮助其跳出局部极值.数值仿真实验表明,该算法的收敛速度和精度都明显优于仅带有指数递增交叉算子的差分进化算法和仅带有随机扰动变异策略的差分进化算法.     

具有差分进化算子的社会蜘蛛群优化算法

[目的]社会蜘蛛群优化算法 (SSO) 是一种新颖的元启发式优化算法,自从它被提出之后就受到该领域学者的广泛关注,并且也被成功应用到许多领域.但是由于社会蜘蛛群优化算法还处在算法的研究初期,该算法的收敛速度与收敛精度还需要进一步提高.[方法]将差分进化算子引入到社会蜘蛛群优化算法(SSO-DM)中,并将改进的算法应用于函数优化问题中,通过5个标准测试函数来验证基于差分进化算子的社会蜘蛛群优化算法(SSO-DM)的优化性能.[结果]差分进化算子增强了社会蜘蛛群优化算法的收敛速度与收敛精度.[结论]本研究中所提出的算法能够获得精确解,并且它也具有较快的收敛速度和较高的算法稳定性.     

基于细分变异算子策略的遗传算法

针对基本遗传算法局部搜索能力不强以及早熟的问题,提出基于细分变异算子的遗传算法(Genetic Algorithm Based on Subdividing Mutation,SMSGA).SMSGA将变异算子依据进化历程分成大步前进算子和最优调教算子.大步前进算子防止遗传早熟现象的发生;最优调教算子加强局部搜索的能力.同时,为加快算法收敛速度,对遗传操作实施策略进行优化,引入了路由选择操作.选用3个典型的测试函数在MATLAB平台中对该算法与基本遗传算法以及采用双变异率的改进遗传算法进行比较分析,结果表明,SMSGA可以有效的避免遗传算法中存在的局部搜索能力差和早熟现象的出现.     

关于(H,η)单调算子的非线性集值算子包含的迭代算法

引进了关于H和G的强单调性概念,在Hilbert空间中研究了新的一类关于( H,η)单调算子的非线性集值算子包含.应用与( H,η)单调算子相关的预解算子技巧提出了一个迭代算法逼近其解,并且讨论了由此算法产生的迭代序列的收敛特征.     

用育种算子改进遗传算法

为解决遗传算法求解一些特殊问题时容易出现的未成熟收敛问题,提出了在遗传操作中加入育种算子的方法,以改进传统遗传算法.在讨论生物工程中育种方法的基础上,给出了育种算子的定义和原理分析证明.育种算子能提高个体进化的概率,且不会出现由高概率变异引起的群体退化现象.计算机模拟实验结果表明,加入育种算子可以明显提高算法性能.     

基于自适应选择算子遗传算法的TSP问题优化

轮盘选择方式往往能保证算法的全局收敛性,但收敛速度较慢,而锦标赛选择方式收敛速度优于轮盘选择方式,但不能保证算法的全局收敛性．选用轮盘选择和锦标赛选择相结合自适应选择算子的遗传算法。并优化TSP问题求解,则可以调整收敛速度,避免被动式搜索．     

Mortar型旋转Q_1元多重网格的网格转移算子

讨论了Mortar型旋转Q1元多重网格算法的收敛性.对于网格不嵌套的旋转Q1有限元空间提出了两种Mortar条件,针对这两种Mortar条件介绍了相应的多重网格的网格转移算子,并且建立了网格转移算子有效的一个标准,即只要网格转移算子符合标准,则多重网格算法收敛.理论证明和数值实验说明了该网格转移算子的多重网格算法收敛.     

一类线性插值算子的导数逼近

为了改善Lagrange插播算子的一致收敛性并提高算子最佳收敛阶,我们以一类Ja cobi多项式的零点作为插值结点,通过对插值结点处函数值的线性组合,构造了一类线性插值算子,给出了该类算子的最佳收敛阶定理;进而研究了此类算子的导数逼近问题,利用对算子进行分项估计的方法,不仅证明了该算子的导数一致收敛于具有连续导数的函数,而且给出了算子的一阶导数逼近函数导数的最佳收敛阶.     

一种求解复杂优化问题的快速遗传算法算子

针对利用遗传算法解决参数维度高、 计算复杂, 且适应度依赖于其他工具的问题, 提出一种加快遗传算法收敛速度的聚集算子. 该算子首先利用AP(affinity propagation)聚类对种群进行划分, 然后通过主成分分析(PCA)对每个聚簇降维, 再利用加权最小二乘法在低维空间下将种群分布拟合成二次曲面, 并将计算极值点作为优势个体返回到原始空间. 实验结果表明, 相比于传统遗传算法, 聚集算子在保证优化精度的同时可有效提高收敛速度.     

一类关于A—单调算子的广义变分包含组

在Hilbert空间中,引入并研究了一类新的关于A-单调算子的广义变分包含组问题,利用不动点定理证明了这类广义变分包含组解的存在性和唯一性,并且利用A-单调映像的预解算子技巧研究了这类变分包含组解的迭代算法逼近,及由算法生成的迭代序列的收敛性。     

遗传算法引入进化方向算子的一个改进及应用

为了有效找到全局最优,将“进化方向”引入到遗传算法中被认为是非常有用的。文中提出了一个新的进化方向算子,用于对标准遗传算法进行改进,该算子依据父代个体和当代个体的进化方向产生子代个体,进化方向的求取无须计算梯度。算子的作用对象是个体中的变量而不是染色体中的基因,因而适合于采用任何形式编码的遗传算法场合,包含该方向进化算法被用于二维多峰函数的极大值搜索问题,进行了对比验证,将新算法进一步应用于离心压     

基于代数杂交算子的变异算子机理分析

利用布尔代数的理想将遗传算法 (GAs)中的个体空间进行等价分类后 ,本文利用代数杂交算子 ,对变异算子的运行机理进行了分析 ,并得出了若干结果。作为其应用 ,分析了遗传算法的过早收敛现象     

基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。