用于函数优化的正交Multi-Agent遗传算法

将Multi Agent系统、遗传算法和正交试验设计方法相结合,提出了一种混合进化算法———正交Multi Agent遗传算法。它以Multi Agent系统为基础,通过Agent间的相互作用与每个Agent所具有的知识和自学习功能来提高算法的全局优化能力和收敛速度;同时利用正交试验设计方法产生较好的初始种群和设计正交交叉算子以获得更好的后代;针对正交试验设计产生初始化种群在函数维数很高时需很大存贮空间的缺点,提出了子空间分割法来产生所需的初始化种群,它只需要原来存贮空间的十分之一。首先,对维数为30或100的12个标准测试函数进行仿真试验,结果表明正交Multi Agent遗传算法具有很强的全局优化能力和较快的收敛速度;其次,算法对这些标准测试函数进行高维优化(高达200维),实验结果表明正交Multi Agent遗传算法具有较好的高维搜索能力。     

一种求解多目标柔性JSP的正交遗传算法

针对柔性作业生产调度问题的特点,提出一种新的多目标正交遗传算法.算法主要特点包括:提出一种基于SPEA改进的个体适应值计算方法,该方法回避了小生境参数设置的难题,且具有更强的相似个体区分能力;设计一种新的基于正交设计的多个体交叉算子,该算子既能增强算法搜索在Pareto前沿均匀分布非劣解的能力,也可提高算法全局寻优的能力;给出一种基于历史搜索信息和变量区间划分的局部解空间跳出机制,以避免算法早熟和提高搜索效率.实验结果表明该算法应用于柔性多目标作业生产调度问题,具有较强的搜索效率和求解性能.     

基于正交试验和元胞自动机模型的加速并行遗传算法

针对标准遗传算法中存在早熟收敛、后期收敛速度慢以及解精度低的问题,结合正交试验设计和元胞自动机模型,提出了一种改进的加速并行遗传算法(APGA)。APGA利用正交试验设计确定较好的初始种群,利用元胞自动机模型固有的并行计算能力设计并行遗传算法,借助元胞信息的动态性和多元性实现正交加速过程。仿真结果表明,APGA能够有效地防止早熟收敛,可以极大地提高遗传算法的搜索效率和解的精度。     

解多目标优化的均匀正交遗传算法

在多目标优化中，各目标通常相互冲突且不可公度，其最优解(常称为Pareto最优解)往往有无穷多，如何在最优解集合中求出一组分布均匀且数量充足的代表解供决策者选择十分重要,论文将均匀设计、正交设计与遗传算法相结合给出了解多目标优化的一种新方法，并证明了其全局收敛性,新方法用少的计算量便可求出一组在最优解集合中分布均匀且数量充足的最优解,计算机仿真也表明这种方法对不同的试验函数均可用少的计算量求出一组在最优解集合中分布均匀且数量充足的最优解。     

基于正交遗传算法和灵敏度分析的体系仿真优化方法

体系对抗已成为当今战争的主要形式,因而急需对体系优化问题进行深入细致地研究.鉴于此,提出了一种基于正交遗传算法和灵敏度分析的体系仿真优化方法.该方法采用正交遗传算法在可行域内快速地搜索一些较优方案(解);利用灵敏度分析方法从已评估方案中得到待研究体系输入、输出之间的灵敏度关系;应用这种灵敏度关系来指导正交遗传算法的后续搜索.最后采用一些数据实例来验证该方法,实验结果表明,该方法是可行的、正确的和有效的.该方法能在较少次数的仿真后,得到待研究体系的满意解或最优解;同时,该方法可推广到其它复杂优化问题的求解中.     

人工神经网络结合遗传算法对网站开发优化的应用

对于企业管理者,必须就某些特定的设计目标与网站设计人员进行沟通,通过最初的开发、网站评价、改进过程,不断地促进电子商务网站的发展.本文提出了用人工神经网络通过学习（或训练）自动总结出EC网站设计因素与某经营目标数据间的函数关系,再用遗传算法来完成由该函数作为目标函数的优化方法,使网站的改进设计有科学的依据.     

基于改进遗传算法的正交匹配追踪信号重建方法

针对压缩传感现有重建算法的缺陷:重建速度慢,在给定迭代次数的条件下进行重建,缺乏自适应性等,提出了一种改进的遗传算法与正交匹配追踪算法相结合的方法来构造重建矩阵。首先采用改进的遗传算法从测量矩阵的列中以最优染色体的形式选出与当前冗余向量最大程度相关的列,然后从测量矩阵中减去最优染色体部分并反复迭代,直到满足重建精度。实验结果表明,与现有的重建算法相比,在满足相同的重建精度条件下,该方法所需要的重建时间减少了5 s左右,所需要的测量矩阵规模减小了约10%,而且能在待重建信号稀疏度未知时自适应地控制迭代停止时间。     

遗传算法与神经网络的结合

阐明了遗传算法和神经网络结合的必要性和可行性,提出用多层前馈神经网络作为遗传搜索的问题表示方式的思想。用遗传算法和神经网络结合的方法求解了短期地震预报问题,设计了用遗传算法训练神经网络权重的新方法,实验结果显示了遗传算法快速学习网络权重的能力,并且能够摆脱局部极点的困扰     

基于遗传算法的混叠式非正交多址接入方法

为了提高稀疏码多址接入(sparse code multiple access,SCM A)系统的资源利用率,提出一种基于遗传算法的混叠式非正交多址接入(non-orthogonal multiple access,NOMA)方法.该方法利用NOMA的过载特性,允许相同的资源单元同时混叠承载调度接入和随机竞争接入业务,...     

基于模拟退火遗传优化的正交小波盲均衡算法

在分析基于正交小波变换的盲均衡算法和遗传算法理论的基础上,提出了基于遗传优化的正交小波盲均衡算法（GA-WTCMA）。该算法将遗传算法引入到正交小波盲均衡算法（WTCMA）中,利用遗传算法的全局搜索特性,对均衡器权向量进行优化,以降低WTCMA局部收敛的可能性,减小稳态误差,并针对遗传算法的局部搜索能力差,在遗传算法中嵌入模拟退火思想,得到了基于模拟退火遗传优化的正交小波盲均衡算法（SA-GA-WTCMA）,纠正了遗传算法的早熟现象,进一步减小稳态误差,加快了收敛速度。水声信道仿真结果,验证了该算法的有效性。     

一种改进的遗传模拟退火算法及其应用

对遗传模拟退火算法进行了研究,首先对遗传算法的适应度线性尺度变换作了改进,然后在改进的遗传算法中融入了模拟退火算法,从而提高了遗传算法的全局寻优能力。以空心并联电抗器的优化为例,建立了空心并联电抗器的优化设计模型,给出了进行模拟退火操作时产生新解的邻域结构,采用改进的遗传模拟退火算法对空心并联电抗器进行优化设计,计算结果表明空心并联电抗器的损耗和重量分别减小了16.3%和11.5%,优化效果明显。     

灰色非线性规划问题及其遗传算法求解方法

灰色系统中的非线性规划问题是一类重要问题 .本文针对一般灰色非线性规划问题 ,给出了一种基于随机模拟的遗传算法求解方法 .实例证明 ,将遗传算法应用于灰色非线性规划问题的求解能取得较好的效果.     

禁忌遗传算法在TSP中的应用

提出了带有禁忌交叉、变异的改进遗传算法,并将其应用于典型的TSP问题的求解.在求解过程中引入禁忌信息减小生成子代的模板空间的同时,加入张驰效应使得在禁忌操作中不丢失问题的最优解,从而改善了遗传算法的收敛速度.仿真数据表明,禁忌遗传算法比传统遗传算法在TSP问题中算法运行初期具备更好下降性,扩展了遗传算法在中、大规模NP-Hard问题快速求解中的应用.     

模糊系统的递阶遗传算法设计新方法

针对模糊系统的特点和根据输入-输出数据,应用递阶遗传算法设计模糊系统。现有的模糊系统设计方法大多只能训练模糊系统的模糊集的中心参数、高斯隶属度函数的系数、中心参数和扩展参数,系统的模糊规则得预先用某种方法确定。利用很好设计的递阶遗传算法能够把模糊系统的模糊规则数目和参数同时通过训练确定。通过对混沌时间序列进行预测仿真,结果证明用该方法设计的模糊系统预测的精确度是令人满意的,文中提出的方法是可行的。     

小生境遗传算法在广义逆控制分配法中的应用

在利用广义逆分配法进行控制分配设计时,需要选择矩阵的广义逆阵,而不同的广义逆阵所对应的分配效率是不同的.将小生境遗传算法应用于广义逆转矩可达集分析,通过计算不同广义逆阵所能有效分配的转矩可达集体积,来选择具有最高分配效率的广义逆阵,以提高广义逆分配法的分配效率.以某飞机的控制效率矩阵进行基于广义逆分配法分配器设计,通过小生境遗传算法对广义逆阵的参数进行寻优,有效选取了具有最优分配效率的广义逆阵,显著提高了分配器的分配效率.