基于均匀设计的多智能体遗传算法研究

将均匀设计方法、多智能体系统与遗传算法相结合,提出了一种多智能体遗传算法.设计了基于均匀设计表的均匀种群初始化方法和均匀交叉算子,并将其引入算法中.算法通过智能体与智能体环境间的相互作用,以及智能体自学习提高自身能量,实现了复杂问题的全局优化目标.实验表明,该算法对于高维函数优化问题,尤其是高维多峰函数,具有很好的全局搜索能力和较快的收敛速度,能够避免陷入局部最优.     

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。     

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。     

一种基于能量熵的快速遗传算法研究

在分析标准遗传算法的优越性与存在不足的基础上,提出了对遗传算法的改进方法.将能量熵的选择加入到遗传算法的退火选择中,以充分地探索解空间,保持种群的多样性.将伪梯度搜索应用于对个体的邻域搜索,利用当前种群的有效信息及系统信息,提高寻优速度.对典型的TSP问题及一实际电力网络故障恢复的仿真研究表明,改进算法全局优化性能优于启发式遗传算法及标准、退火遗传算法,同时使收敛速度有了较大的提高.     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

遗传算法平均截止代数和成功率与种群规模之间的关系

遗传算法的搜索效率在很大程度上取决于运行参数,如种群规模M、编码串长度l、交叉概率Pc、变异概率Pm、终止代数T、适应度函数f(M)等的设置.利用简单遗传算法和统计分析方法,通过对四个典型数学结构进行全局最优解搜索,得到了遗传算法平均进化截止代数和成功率R与种群规模M之间的关系,给出了相应的拟合公式.讨论了平均进化截止代数和成功率与种群规模和极值个数之间的关系.这种研究对于合理确定种群规模和进化终止代数,正确估计搜索到的满意解的最优程度等具有重要意义.     

遗传算法在电力系统经济负荷分配中的应用

针对考虑阀点效应的电力系统经济负荷分配问题的特点，将遗传算法与传统基于梯度的数学优化方法相结合，提出一种求解电力系统经济负荷分配问题的混合遗传算法。通过极大熵理论将经济负荷分配问题近似为可导问题，并将SQP法引入遗传算法提出SQP算子，以提高遗传算法的寻优速度与局部搜索能力．基于优化设计理论应用均匀设计确定初始种群．同时，利用单纯形交叉算子的多点交叉特性使种群逐步趋近全局最优点．实例研究结果验证了方法的有效性。     

一种小种群自适应遗传算法研究

分析了变异算子在标准遗传算法和自适应遗传算法中的作用和当前研究的不足,提出一种新颖的能够大大提高遗传算法性能的变异策略,并进而提出一种小种群自适应遗传算法.该方法在采用赌轮选择和单点交叉的情况下,利用一种可伸缩的变异策略使得算法在探测和开发之间取得很好的平衡,从而能够用小规模的种群进行有效的全局搜索和局部搜索,避免早熟收敛,并能够以较快的速度收敛到全局最优解.对多峰函数的仿真实验表明了算法的有效性.     

改进的三种群遗传算法

提出了一种新的三种群遗传算法.在一个子种群中,高相似个体之间具有相对高的交叉率,遗传操作得到的新个体替代上代种群的最劣的个体.在另一个子种群中,低相似个体之间具有相对高的交叉率,相对大的变异率,遗传操作得到的新个体替代父代中的最劣个体.两个子种群移民一定数量的个体到第三个子种群,第三个子种群进化后移民到前两个子种群,均衡算法的局部搜索能力和全局探索能力.将算法与确定性排挤遗传算法与3个子种群的多种群遗传算法进行比较,结果表明新算法的性能更优.     

遗传算法与旋转正交设计的结合应用

将遗传算法与旋转正交法结合起来 .在对种群进行操作的过程中 ,通过旋转正交法将问题可行域的不同正交子空间的最优个体不断引入到种群中 ,提高遗传算法的搜索效率和稳定性 ,同时有效的避免了多峰情况下经常出现的非成熟收敛现象.     

Analysis of the diversity of population and convergence of genetic algorithms based on Negentropy

1.INTRODUCTION Thediversityandconvergenceofgeneticalgorithms havegainedmoreattentionbymanyspecialistsinre centyears,althoughGAhasbeenwidelyusedin manyfieldsandobtainedsomesuccess,therestill isn’tasetofcompletetheorytoexplaintheprinciple ofGA,tosomeextent,itsdevelopmentisrestricted, evenmakingsomeonedoubtfulaboutit. Holland’smodeltheoremisthemaintheoryof GA,butitjustdisclosestheaveragechangeinthe evolutionarypopulation,notsuggestinganyinforma tionofindividualdistributionwithintheevo…     

基于空间收缩的种群灭亡差异演化算法

为避免演化算法在求解多峰函数优化问题时对冗余空间的过度搜索，提高差异演化算法的搜索效率，提出一种新的基于空间收缩的种群灭亡差异演化算法(DEESC)，通过最优个体收缩可行空间，用均匀设计方法反复初始化种群，并且讨论了DEESC的主要参数敏感问题。     

杂合遗传算法与计算智能

基于遗传算法的杂合系统是将遗传算法引人已有的系统算法、启发式优化策略及领域知识获取与优化等问题时,产生的一种新型的综合性算法结构设计策略．本文对遗传算法与神经网络、遗传算法与模糊逻辑,以及遗传算法与专家系统的杂合等问题进行了系统的研究与评述.     

结合先验知识的Bayesian优化算法研究与仿真

由于一般优化问题的先验知识很难获取,因此在Bayesian网络学习中结合与利用先验知识一直是一个很难突破的问题.针对Bayesian优化算法(BOA)的特点,对一般优化问题如何发现和利用先验知识进行了分析讨论,把BOA中前一代种群所提供的信息作为先验知识结合到当前代Bayesian网络的学习中,提高了所学习网络的可靠性,从而提高算法的性能.仿真结果表明所提算法比传统BOA具有更强的全局寻优能力.     

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     

最大熵分布算法及其应用

分布估计算法是一种新的基于种群进化的算法,它通过统计当前群体中较优个体的信息构建其概率分布模型,然后对模型进行抽样生成下一代群体。针对分布估计算法在求解搜寻最优网络结构的NP-Hard问题,提出一种新的最大熵分布算法,该算法以Jaynes原理为依据,利用随机变量的最大熵估计随机变量的最小偏见概率分布,并以此作为算法的进化模型,有效地降低了算法的计算复杂度。以旅行商问题和误导问题为例所进行的计算结果证明了该算法具有更高的全局搜索能力与更稳定的收敛性。     

Hybrid Genetic Algorithms with Fuzzy Logic Controller

SYSTEMS ENGINEERING1. IMTSODUCTIONMachine scheduling problem is the study of constructing schedules of machine processing for a set of jobs inorder to ensure the execution of all jobs in a reasonable amount of time or cost. Usually, it deals with whatmachines to be allocated to which jobs and how to order the jobs in an appropriate processing sequence. Inparallel machine system, two machines are identical and a job can be processed by any one of the free machines.Each finished job …     

基于四阶累积量的测向方法研究

针对MUSIC-LIKE方法能很好地扩展阵列孔径但计算量较大的问题,基于均匀线阵提出了一种快速提取阵列无冗余数据的新方法。该方法基于四阶累积量孔径扩展的原理,摒弃了原MUSIC-LIKE算法在均匀线阵DOA(direction of arrival)估计中的大量冗余数据,从而大大降低了矩阵运算的维数,降低了计算量。经过处理后的四阶累积量具有和二阶统计量类似的形式,因而可以将大多数业已成熟的基于信号二阶统计特性的阵列信号处理方法应用于四阶累积量中,计算机仿真证明了算法的有效性。     

遗传算法及其在系统仿真中的应用

本文介绍遗传算法的基本原理，给出其在系统仿真中的几个应用实例，阐述其发展趋势及有待解决的问题。     

基于遗传算法的相控阵雷达最优化调度研究

任务调度是相控阵雷达工作流程的核心环节,也是雷达设计的重要内容,本文提出了一种基于遗传算法的任务调度模型。在与典型作业车间调度比较的基础上,分析了相控阵雷达调度的流程和时序,然后利用层次分析法研究了最优化调度模型的目标函数,并且结合双门限思想给出了时间、能量和计算机约束条件,为下一步应用遗传算法求解相控阵雷达调度模型奠定了基础。