机场巴士线网可靠性优化模型及算法设计

建立了基于BP神经网络的机场巴士行程时间可靠性预测模型,量化了机场巴士线网可靠性程度,并以可靠性最大化为目标,综合考虑时间、站点、服务等约束条件,构建了机场巴士线网优化模型.然后采用爬山算法获取线路初始解,以可靠性建立适应度函数,采用不同变异率、交叉率设计混合遗传算法进行求解.实例研究结果显示:高峰时段南京禄口机场巴士线网可靠性仅为0.62,城区内路段可靠性较城区外低约15%,整体可靠性水平偏低;采用混合遗传算法的优化过程受交叉率、变异率影响大,较低的交叉率和较大的变异率会增加寻优过程的不稳定性;采用交叉率0.9、变异率0.05的模型时目标函数值为0.79,可靠性水平较优化前提升了11.5%,优化效果显著.该方法为优化机场巴士线网、提升机场对外交通服务效率提供了科学依据.     

公路养护资源分配中遗传算法的参数优化

为辨明公路养护资源优化分配中遗传算法参数对运算效率和精度的影响,提出基于正交试验的参数优化方法.选取种群规模与迭代次数比例、交叉形式和变异概率3个参数,利用正交设计方法进行3因素3水平试验,建立主效应和交互效应的假设检验模型,并计算出构造统计量值和临界值.试验结果表明:种群规模与迭代次数的比例及交叉形式对算法的影响比变异概率显著,并且3个参数的最优取值分别为1/4、两点交叉和0.05.该方法能够减少标定遗传算法参数所需的大量试验.     

交叉策略粒子群算法

提出了一种基于交叉策略的粒子群优化算法(CSPSO),该算法利用遗传算法中的交叉变异策略的优点,将粒子两两进行交叉变异进而得到相同数目的子代粒子来更新替代亲代的粒子,从而更好地解决粒子群优化算法容易陷入局部最优值以及计算精度低等问题.通过对仿真实验的结果分析可知,与基本粒子群优化算法、布谷鸟搜索算法以及已有的部分改进算法相对比,CSPSO在收敛速度和精度方面的优势更为突出.     

一种基于等位基因原理的NSGA-Ⅱ算法

NSGA-Ⅱ算法是通过模拟达尔文进化原理,采用选择、交叉和变异等操作算子,对个体种群进行繁殖和进化,以实现多目标优化.在NSGA-Ⅱ算法进化过程中,变异或交叉操作应用于个体的所有基因.但在真实的自然变异过程中,生物体根据等位基因频率的原理,不会整个基因发生变异,而只有少数基因会发生变异.同时,在交叉操作中该生物体仍有变异的机会.为了完全模拟自然变异过程,笔者提出了一种基于等位基因原理的NSGA-Ⅱ算法,该算法允许个体在变异过程中保持某些基因不变,在交叉操作中却仍有变异的机会.实验结果表明,与其他多目标进化算法相比,该算法显著提高了搜索性能,且具有收敛性强和不易陷入局部极小的特点.     

具有遗传特性的粒子群优化算法及在非线性盲分离中的应用

粒子群优化算法是一种新的基于群智能的随机优化进化算法.文章将变异和交叉思想引入到粒子群优化算法中,其基本思想是利用粒子群优化算法每次迭代的最优粒子位置及速度为基础对部分粒子进行变异,然后对变异前后粒子的分量进行随机交叉操作,从而产生新一代粒子群.通过这种处理使得粒子群体的进化速度加快,从而提高了算法的收敛速度和精度.该算法应用于盲信号分离中而获得一种非线性盲信号分离算法.计算机仿真结果表明该算法的收敛性能优于粒子群优化算法,并且在非线性盲信号分离中是有效的.     

一种基于Memetic算法的非线性方程组求解算法

提出了Memetic算法求解非线性方程组的策略,在Memetic算法流程中,采用自适应多点交叉和随机点变异策略,在交叉和变异后均通过拟牛顿局部搜索策略对染色体种群进行优化,以提高算法的求解性能.仿真结果表明,所提算法在求解非线性方程组时是有效的.     

实数编码遗传算法能解性

通过分析一类标准的实数编码遗传算法算子作用机制及其交叉算子的局部搜索特性,提出了变异的方向性的概念,指出变异算子向各个方向变异并非均匀,而是以坐标轴方向分布最多.同时定义并分析了变量可分离函数优化问题.数值试验结果表明,实数编码遗传算法比较合适求解变量可分离的函数优化问题.     

基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。     

基于改进人工蜂群算法的大数据优化

针对传统方法无法解决具有5 V独特属性的大数据优化问题,提出基于改进人工蜂群(Artificial Bee Colony,ABC)算法的大数据优化信号重构算法.该算法通过引导所考虑问题的现有信息来初始化食物源,在引领蜂阶段使用交叉和变异算子生成候选解,并使用轮盘赌反向选择机制生成要交叉的食物源,观察蜂采用Rechenberg 1/5变异规则来自适应地控制扰动大小,在全局最优解的邻域内提供固定的搜索操作.实验结果表明:与其他方法相比,本文算法具有更稳健的最优和平均最优目标函数值,对大数据优化问题能够产生令人满意的结果.     

基于聚类遗传算法的梯级水利枢纽短期电力调度优化

针对标准遗传算法容易"早熟"的缺陷,提出聚类遗传算法;改进了选择算子和交叉算子,并利用Shubert多峰测试函数验证了聚类遗传算法的优势.引入水轮机组运行效率梯度变化因素提出改进变异算子,弥补了变异搜索过随机的缺陷.最后,将改进方式应用于三峡-葛洲坝梯级水利枢纽短期电力调度优化研究中,提出和构建了相应的优化模型以及机组组合启停和运行效率同步实现策略.实例优化结果表明:聚类遗传算法和改进变异算子能有效弥补"早熟"的缺陷,并能显著提高优化搜索效率,适用于梯级电站电力调度优化问题.优化得出的梯级电力调度方案可以满足设定目标和约束,并提高了梯级的发电效率.     

遗传算法参数和操作的序优化

遗传算法的优化质量和效率很大程度上依赖于算法参数和操作,包括种群大小、交叉和变异概率、选择、交叉和变异操作等,然而确定合适的参数和操作通常需要大量的试验和比较,需确定最佳参数和操作.为此,基于序优化和最优计算量分配技术,通过将问题描述为随机优化问题,提出了一种确定有限计算量下最佳GA参数和操作的系统性方法.仿真研究表明,该方法能够合理地确定最佳参数和操作,并同时给出GA的合理性能评价.     

空间变异函数的数学模型及参数反演

空间变异函数在克里格估计中占有重要地位.基于椭圆分布函数可导出两类空间变异函数的数学模型.一类是只考虑变程各项异性的模型,称之为AE模型;一类是只考虑拱高各项异性的模型,称之为CE模型.传统的方法需要先进行空间变异函数的拟合,然后进行克里格估计.交叉检验方差是评价估计精度的一项重要指标.根据克里格方程组的重要性质,克里格估值仅与标准变异函数有关,对标准变异函数进行线性变换得到新的变异函数不会改变克里格估值和交叉检验方差.因此,用拟合方法获得的最优变异函数进行交叉检验,通常并不能有效地降低交叉检验方差.如果直接以交叉检验方差为目标函数进行参数反演,则可以有效地解决这个问题.变异函数数学模型一般含有5个参数,其中2个是线性变换作用.进行交叉检验时只需研究标准变异函数的3个参数,从而可以降低参数反演的复杂度.研究表明:较之AE类模型CE类模型具有更强的适应性,通常可获得更小的交叉检验方差;鉴于评价面非常复杂,将遗传算法(GA)应用于参数反演是可行和有效的.滦河流域降水量空间插值实例表明,交叉检验均方差降幅分别为11.7%和29.8%.     

一种改进的粒子群优化算法

针对粒子群优化算法早熟收敛现象,提出了一种改进的粒子群优化算法.该算法将模拟退火算法的"上山性"引入粒子群算法中,同时为了增加种群的多样性,将交叉和变异算子也结合进去,形成了一种新的改进粒子群算法.比较了高斯变异和柯西变异这两种变异算子对改进算法的影响.改进算法对典型函数的优化计算结果表明,与基本粒子群算法相比,改进算法能够更加快速有效的收敛到全局最优解,而且采用柯西变异算子的改进算法的效果比采用高斯变异算子的效果要好.     

时变需求环境下同时取送货的车辆路径问题优化研究

针对客户需求随时间实时变化且存在同时取送货的车辆路径优化问题,构建最小化配送总成本的优化模型.考虑动态路径优化问题的处理策略,提出滚动周期型动态调度优化方法,将问题划分为一系列静态车辆路径问题进行求解.通过在蚁群算法中引入遗传算法的交叉、变异操作设计混合蚁群遗传算法对问题进行优化.算例表明:文章所构建的模型及动态调度优...     

多宇宙并行量子遗传神经网络人脸识别算法研究

针对传统遗传算法交叉、变异过程过于繁琐和神经网络在极值判断及收敛速度受限等问题,提出了一种并行的量子遗传算法优化神经网络权值的算法.首先引入了量子计算的概念,在量子计算的过程中使用量子旋门实现染色体的训练,然后引入量子交叉克服了早熟收敛现象,避免了遗传算法中繁琐的交叉、变异过程.最后设计实现了并行的卷积神经网络,使用并行量子遗传算法优化了卷积神经网络权值,实现了并行量子遗传神经网络人脸识别系统.实验结果表明,相对于原来的遗传算法,该算法在鲁棒性和实验速度上都有明显的提高.     

基于CSD量化编码的FIR滤波器优化设计

目的 针对ADC设计中滤波器功耗过大,遗传算法收敛速度慢,以及遗传算法操作可能破坏CSD编码要求等问题,对FIR滤波器设计进行优化研究.方法 采用CSD(canonic signed digit)编码控制加法器数量,通过改进遗传算法交叉、变异等操作提升算法收敛速度,对FIR滤波器进行有限精度优化设计.结果 优化算法可在降低功耗的同时,可有效减小通带波纹.加快寻优速度.算法应用于级联滤波器设计,可使其通带纹波大部分抵消.结论 给出基于CSD编码的FIR滤波器优化设计方法,以及遗传算法收敛速度慢,交叉、变异破坏算法编码要求的简明处理方法.仿真结果表明优化算法是有效的.     

基于遗传算法的矩形件排样问题研究

将多种群阶段性杂交遗传算法和基于剩余矩形排样算法结合起来,对矩形件优化排样问题求解.重点讨论算法的关键技术:编码方式和解码方式、适应度函数的构造、遗传算子的选择、交叉、变异操作,并通过实例验证了算法的有效性.     

基于Pareto适应度的混合遗传算法在多式联运问题中的应用

为高效求解多式联运运输方式优化选择问题,提出一种基于Pareto适应度的混合遗传算法,此算法基于Pa-reto支配关系和个体像的小生境数进行适应度赋值,引入重插入算子,采用合理的交叉与变异方法,使得经交叉与变异之后的染色体仍然为问题可行解,提高了收敛速度,实证验证了算法的有效性.     

基于分层遗传算法的电力变压器优化设计

在研究了分层遗传算法的基础上,分析了该方法动态编码及动态调整遗传算子的优点,提出了一种改进的交叉变异机制.该机制在交叉操作时,不能在关联变量内部选择交叉点,在变异操作时,如果其中一个变量发生了变异,则与其关联的变量也要同时进行变异操作,并且可以将所有个体限制在有效的搜索空间内.文中将分层遗传算法应用于电力变压器优化的问题中,与单层遗传算法相比,在相同计算量的情况下,多层遗传算法成本节约1.83%,负载损耗下降1.01%.     

差分变异和交叉迁移的生物地理学优化算法

为了增强生物地理学优化(BBO)算法的优化性能,提出了一种差分变异和交叉迁移的BBO算法(DCBBO).首先用差分扰动操作替换BBO算法的变异操作,形成差分变异算子,强化了探索能力;其次用基于维度的垂直交叉操作取代BBO算法的迁移操作,形成交叉迁移算子,提升开采能力的同时又注重了探索能力;最后,为平衡算法的探索和开采,将启发式水平交叉操作融入交叉迁移算子中,形成混合交叉迁移算子,进一步提升开采能力.在不同维度的一组常用基准函数上进行了大量实验,结果表明,与其他state-of-the-art算法相比,DCBBO优化能力显著,稳定性更强,运行速度更快.