基于自适应伪并行遗传算法的动力学参数识别

为研究结构动力学参数识别问题,引入一种新的度量种群多样性的指标,构造了新的自适应遗传算子,结合伪并行遗传算法,改进了遗传算法的全局收敛性和收敛速度;利用ANSYS程序的参数编程,将其成功应用于动力学模型中弹性模量和阻尼的识别.数值试验表明,该方法具有满意的识别效果,并具有较强的抗噪能力,可用于工程实际.     

基于多宇宙并行遗传算法PID参数整定

针对复杂工业过程中控制要求多样性、控制参数难以调整等问题,本文提出了一种PID控制器参数整定的多宇宙并行遗传算法。利用多宇宙并行的方法以及移民与交叉两种策略改进标准遗传算法在PID控制参数整定过程中收敛速度较慢、稳定性较差、易陷入局部最优等问题。仿真实验结果表明,基于该方法设计的PID参数整定获得了良好的效果,能够较好地解决复杂工业过程中控制参数整定的问题。     

基于MPICH平台的多种群并行遗传算法

提出了一种基于集群系统的多种群并行遗传算法，在集群系统的软件开发环境MPICH上构建了多种群粗粒度并行遗传算法框架．采用全局迁移方式交换通信域中各子群体的个体信息，并通过模拟退火规则来确定迁移代频．利用该算法框架对一类优化问题——N维目标函数的最小值问题，给出了具体的实现方法．最后对该类问题的两个实例进行了测试，基于该实例的测试数据对论文提出的算法进行了性能分析．结果显示，算法具有线性加速比，而且解的精度随着并行进程数量的增多而提高．     

一种克服遗传算法早熟的参数调整及并行方法

遗传算法是一种自适应全局优化概率算法,容易产生早熟（过早收敛）现象,影响了问题的求解,本试图借助于多种群进货和种群间个体移植的概念,通过自适应控制参数的调整,利用移植并行的方法求出问题的最优解（或近似最优解）以使避免早熟,从而提高算法的搜索范围和效率。     

一种参数自调整多种群遗传算法

在借鉴海明距离、爬山法思想的基础上,提出了通过划分种群,采用不同的自适应参数,在保持快速收敛于最优的同时不失种群的多样性.新方法提高了搜索精度,较好地克服了未成熟收敛现象,并通过多元多峰数学函数对新方法和基本遗传算法进行比较评估,验证了新方法具有较满意的优化效果.     

一种参数自调整多种群遗传算法

在借鉴海明距离、爬山法思想的基础上 ,提出了通过划分种群 ,采用不同的自适应参数 ,在保持快速收敛于最优的同时不失种群的多样性 .新方法提高了搜索精度 ,较好地克服了未成熟收敛现象 ,并通过多元多峰数学函数对新方法和基本遗传算法进行比较评估 ,验证了新方法具有较满意的优化效果 .     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

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。     

基于特殊二进制编码的自学习模糊遗传算法

为了提高自适应遗传算法(AGA:Adaptive Genetic Algorithm)的鲁棒性,并使之更有效地求解属于NP难类型的组合优化问题,提出了一种自学习模糊自适应遗传算法.该混合算法利用一个特殊二进编码标准GA在线学习AGA运行特性;通过强化学习方式自动设计和调整模糊知识系统,基于GA的自学习模糊技术可以获取AGA所需的优化模糊系统.仿真试验演示了采用所提出自动化方式设计的动态参数AGA系统及其自学习结果.试验结果表明,该算法可以用于解决类似于旅行商问题的组合优化问题.     

用遗传算法优化模糊控制器

提出一种带迁移算子的遗传算法 ,并用于优化模糊控制器 ,在对倒立摆和大纯滞后等复杂对象的控制仿真实验中均获得很好的结果 ;并对提高遗传算法多参数优化的效率及目标函数的影响进行了初步的讨论。     

基于遗传算法信息组合的自适应模糊控制

利用模糊理论分别建立了与控制对象和控制知识信息相对应的控制系统，应用遗传算法获取2个系统在不同时间段的最佳组合因子，消除了对组合因子赋值的主观性和不准确性．基于李雅普诺夫函数的方法推导了模糊控制系统中参数的自适应控制律，并且证明了系统的稳定性和收敛性．将遗传算法信息组合的自适应模糊控制方法应用在达芬混沌系统的控制中，仿真结果对比表明，虽然组合型自适应控制方法可以有效地控制达芬强迫震荡系统，但文中提出的方法能使各控制状态有界，并且能够迅速准确地跟踪目标．     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

模糊遗传算法的自适应PID控制器

针对遗传算法运算速度慢不利于实时控制现象,提出一种基于模糊推理的遗传算法,并将其应用于自适应PID控制器上．仿真实验表明,该算法具有较好的寻优能力,能满足实时控制的要求。     

一种使用遗传算法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法．设计人员只需设置性能指数或适值函数,而模糊规则的数目、隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成．描述了一种具有局部优化机制的遗传算法,给出的应用实例表明该算法具有良好的适用性     

基于并行免疫遗传算法基因表达数据的动态模糊聚类

提出一种改进的并行免疫遗传算法, 通过在群体规模上引入“岛”的概念, 实现了可变的群体规模; 通过在适应度函数内引入免疫算子, 避免了算法过早收敛. 因此, 解决了寻优算法中局部收敛的困扰, 提高了获得全局最优解的几率. 把此算法应用于斯坦福大学酵母细胞周期表达数据库的数据进行共表达聚类, 并将实验结果与Spellman按照功能基因组学进行聚类所得结果进行了对比, 证明了所给算法在功能基因组 学聚类上的有效性.     

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。     

基于模糊遗传算法的混沌同步控制算法

连续变量反馈同步法（CVFS）是一种比较简单的同步控制算法，但该算法在实际应用中存在一个关键的问题，即反馈系数当选的整定比较困难。为了解决这个问题，在把模糊遗传算法（FGA）和连续变量反馈同步法（CVFS）相结合，提出了一种基于模糊遗传算法的连续变量反馈同步法（FGACVFS）。仿真结果表明：FGACVFS算法能方便有效地进行整定工作。     

Optimization of Adaptive Transit Signal Priority Using Parallel Genetic Algorithm

Optimization of adaptive traffic signal timing is one of the most complex problems in traffic control systems. This paper presents an adaptive transit signal priority (TSP) strategy that applies the parallel genetic algorithm (PGA) to optimize adaptive traffic signal control in the presence of TSP. The method can optimize the phase plan, cycle length, and green splits at isolated intersections with consideration for the performance of both the transit and the general vehicles. A VISSIM (VISual SIMulation) simulation testbed was developed to evaluate the performance of the proposed PGA-based adaptive traffic signal control with TSP. The simulation results show that the PGA-based optimizer for adaptive TSP outperformed the fully actuated NEMA control in all test cases. The results also show that the PGA-based optimizer can produce TSP timing plans that benefit the transit vehicles while minimizing the impact of TSP on the general vehicles.     

采用遗传算法自组织神经网络模糊控制器

提出一种自组织神经网络模糊控制器的新方案。该方案的一个主要特征是,可获得实现模糊控制器的最小且最优的神经网络结构,而且所获得的模糊控制器同时具有神经网络的广泛映射能力、联想概括能力和遗传算法的快速全局收敛、再励式学习等优良特性。