一种改进的浮点数编码遗传算法及其应用

遗传算法是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索方法,作为优化方法具有明显的优势.通常的遗传算法在实际应用中容易出现过早收敛和搜索结果在最优值附近摆动问题.针对过早收敛提出了采用随机试验法来防止算法陷入局部最优,而针对搜索结果摆动采用动态改变搜索范围的方法来提高优化结果精度,并编制程序对2个著名的优化方法测试函数进行优化计算,测试结果表明,该改进的遗传算法是有效的,不会陷入局部最优,并大大提高了优化结果的精度.     

基于免疫遗传算法的炼钢最优炉次计划研究

针对炼钢最优炉次计划问题难以准确求解的实际情况,建立了一种含有0-1变量的整数规划模型,为了求解该优化模型,提出了一种新的免疫遗传算法.该算法通过将免疫算法和遗传算法相结合,在传统遗传算法中加入免疫算子,并且引入了新的个体选择概率模型,有效防止了算法过早收敛的现象.针对该类优化问题的特性,设计了自适应的交叉率和变异率准则,动态调整交叉率和变异率,提高了该算法的精度.基于工厂的实际数据,进行了仿真实验,实验结果表明该免疫遗传算法比普通遗传算法有着更高的搜索精度,证明了该算法在实际炼钢最优炉次计划问题中的有效性和准确性.     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

一种基于遗传优化的路由控制策略

遗传算法是通过模拟自然进化过程有效解决最优化问题的计算模型,在实际操作中得到广泛应用.但由于遗传算法的选择策略使每一代的优良个体大量的遗传到下一代,且适应度函数设定的差异,使最优个体很快充斥整个群体,缺少物种多样性,导致算法很快收敛于局部最优解,达不到全局优化.针对遗传算法存在的这一问题,结合禁忌搜索算法能够禁忌搜寻过的最优解而引入裂解、增加种群多样性的特性,提出了一种基于遗传优化的路由控制策略.该策略将遗传算法得到的最优解作为禁忌搜索的初始解,提出将染色体模版作为禁忌对象,并以此模版为基础建立邻域的方案.仿真实验表明,该策略能够有效的抑制遗传算法过早收敛的问题,减少了全局能量的消耗,从而延长了网络生命周期.     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

解平面四杆机构约束优化问题的改进遗传算法

以平面四杆机构约束优化设计这一实际问题为背景,针对传统遗传算法(GA)存在的问题,提出了一种新的将柯西机(CM)和遗传算法相结合的改进遗传算法(MGA)．数值计算结果表明,该算法避免了GA算法中的早熟收敛问题,可获得四杆机构参数优化问题的最优解,并且还具有收敛速度快等特点．     

数字电路设计的改进遗传算法

针对传统遗传算法应用于数字电路设计时出现的未成熟收敛和收敛速度慢等问题,提出了一种新的改进遗传算法,该算法对每次迭代产生的种群进行适应度分布和个体差异度的统计,并根据统计结果进行种群规划.实验结果表明,该算法使种群具备更好的多样性,从而显著地提高了电路的正确率和算法的收敛速度.     

基于生物入侵思想的自适应遗传算法优化

为了改进遗传算法的性能,针对标准遗传算法存在的早收敛及稳定性差的缺点,分析这一问题的原因及应对措施。选择使用基于生物入侵思想的自适应遗传算法进行优化,根据种群的实际情况对交叉概率、变异概率及入侵概率进行动态调整,使算法具有更好的鲁棒性。通过对标准遗传算法、自适应遗传算法、改进的自适应遗传算法和基于生物入侵思想的自适应遗传算法进行仿真验证得知,优化后的算法具有更好的适应度曲线,表明其能够有效的克服不成熟收敛,具有更快的收敛速度及更好的的稳定性。     

解平面四杆机构约束优化问题的改进遗传算法

以平面四杆机构约束优化设计这一实际问题为背景,针对传统遗传算法（ＧＡ）存在的问题,提出了一种新的将柯西机（ＣＭ）和遗传算法相结合的改进遗传算法（ＭＧＡ）,数值计算结果表明,该算法避免了ＧＡ算法中的早熟收敛问题,可获得上机构参数优化问题的最优解,并且还具有收敛速度快等特点。     

基于遗传算法的直接盲信号检测

针对现有的盲均衡遗传算法收敛速度慢,难以准确地收敛到最优解的问题,借助接收数据阵补投影算子对待测发送序列向量的零化作用,把信号盲检测问题转化为整数约束下的二次优化问题,提出了一种基于遗传算法的直接盲信号检测的方法.所用遗传算法的特点是,适应度函数是直接针对被检测序列构造的,编码空间与遗传空间一致,搜索空间是离散、有限的.仿真结果表明,该算法收敛速度快、性能好.     

新型力觉双向液压伺服PD控制算法

力反馈技术在遥操作工程机器人作业领域中是一门新兴的前沿技术,进行这方面的研究具有广泛的应用前景.为此结合双向液压伺服系统的特点,通过对国内外的双向伺服控制系统分析,提出一种以主、从手之间的力偏差作为主动端控制信号,位置偏差和力偏差形成从手控制量的新型力反馈双向伺服控制系统,通过仿真实验结果表明,该算法对新型力觉双向液压伺服控制系统具有控制简单、收敛速度快、实时性好的特点,进而改善了系统的动态性能,具有较强的鲁棒性、自适应性和快速性.     

基于改进粒子群算法的对地攻击最优航迹规划

提出了一种基于粒子群算法的战斗机空地攻击航迹规划模型,针对传统算法收敛精度低的问题,基于算法参数和迭代公式做了改进.通过构造战斗机作战攻击中面对敌防空火力、地形等威胁要素和战斗机技战术性能等各种约束条件,设计了一种适用于战斗机航迹性能评价函数作为粒子群的适应度函数,用VC++.NET进行算法仿真并将最优航迹在MATLAB中显示.仿真结果表明:改进后的粒子群算法规划出的最优航迹能较好地实现威胁规避,较传统算法收敛精度高,运算速度快,满足了战斗机机动性能约束和航程较短要求,且规划的效率和精度较高.     

基于LM-BP神经网络的入侵检测系统的研究

针对传统BP神经网络存在收敛速度慢、易陷入局部最小点、计算量大的不足,提出一种结合Levenberg—Marquardt优化算法的BP神经网络,并应用在一个误用入侵检测系统。实验结果表明,新系统结合了异常检测和误用检测两者的优势,快速检测新型入侵,降低误警率和漏警率。     

柴油-天然气双燃料电喷系统控制策略及实现

柴油—天然气双燃料电控喷射电子系统是针对传统泵-管-嘴柴油内燃机而开发的，其中电控喷射电子系统是关键子系统。该系统采用GA模糊控制方法，利用了GA强大空间搜索能力和传统优化方法的快速收敛和高精度的优点，综合考虑了模糊控制器的复杂程度、训练速度和控制精度。仿真结果及应用效果表明了该控制系统的有效性。     

利用遗传算法优化人工神经网络权值

遗传算法是一种新的、基于自然选择和基因遗传学原理的随机搜索算法．针对神经网络中BP算法学习效率低且收敛速度慢以及容易陷入局部最优等不足，文章提出利用遗传算法对BP神经网络中的神经元间的连接权值进行优化的方法．试验结果表明，用遗传算法优化BP神经网络的连接权值后收敛速度快，并有效的解决了BP算法容易陷入局部最优的问题．     

基于小波变换域的数字图像水印算法的研究

利用遗传算法来快速地计算嵌入水印的最佳能量，提出了一种新的小波域数字图像水印算法，进行信息的嵌入，实验结果表明使用这种方法能更好的保证水印图像的不可见性与鲁棒性达到平衡。     

遗传算法和蚁群算法在水库优化调动中的联合应用

为了更好地解决水库优化调度问题,将遗传算法和蚁群算法融合应用于水库调度,指出遗传蚁群混合算法的收敛率更高,具有更好的全局收敛性能,遗传蚁群混合算法在更少的迭代次数迭到全局最优解,具有更高的收敛速度.     

基于遗传算法的优化排课系统

分析了目前高校排课系统存在的问题,研究如何利用遗传算法,解决排课系统中的资源冲突,课表优化问题,实验证明,遗传算法能简化程序的复杂度和生成最佳课表的时间,其收敛速度和寻优能力,能在理想时间内找到最优解。     

学生网的生长态势及其分形特征分析

基于研究生物种群生长的Logistic模型,根据一个实际的学生网在增长中的振荡特点,改进Logistic模型形式,然后通过浮点型遗传算法进行拟合,得到学生网增长的拟合模型,并分析了其收敛性及可信度.最后通过学生网增长的时间序列,根据分维算法,计算得到学生网增长的分数维,得出学生网在增长过程中确实具有分形特征的结论.     

以JIT为目标的柔性调度作业完工期求解算法

由于高度的计算复杂性,柔性调度是NP-hard问题,采用数学规划方法很难求得最优解.智能优化算法(如遗传算法)求解此类问题的近优解的有效性和实用性已被证实.在用GA算法求解此类调度问题时,如何确定一个染色体里所包含的每一个作业的完工期是一个非常关键的问题.该文深入分析了影响作业开工、完工时间的制约因素及其之间的关系,在此基础上,提出一个以JIT为目标的柔性调度作业完工期求解算法;在Matlab平台上进行了仿真.实验结果表明,本算法在求解各作业完工期时是有效和实用的.