用遗传-禁忌搜索混合算法求解组合投资问题

提出了一种基于遗传算法和禁忌搜索的混合算法,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子.遗传算法中变异过程解空间的搜索由禁忌搜索实现,并且用混合算法求解了概率准则意义下的组合证券投资模型.实例证明,遗传/禁忌混合算法有较强的爬山能力,较遗传算法有更高的计算效率,为组合证券投资者提供了一种高效的决策方法.     

基于关系代数的遗传算法模型及其应用

运用选择、投影、广义笛卡尔积等关系代数运算 ,给出了遗传算法的搜索空间及个体、遗传算子和搜索最优解过程等关系代数形式的描述 ,建立了遗传算法的关系代数模型 ,给出了遗传算法的数学解释 .然后 ,给出建立遗传算法关系代数模型的意义 ,说明了数据挖掘和知识发现应用于遗传算法的可行性 .最后 ,用该模型描述了 2个常见用遗传算法解决的问题 ,即TSP问题和交互式遗传算法中的服装设计问题 ,结果表明该模型的可行性 .     

叠前弹性波反演非线性优化方法

针对传统遗传算法自身存在的早熟收敛、搜索空间小以及计算效率低的问题,在保证算法收敛和最大限度地搜索模型空间的基础上,对遗传算子采取相应策略进行了改进,并通过界约束以增加解的稳定性.为了提高计算效率,采用粗粒度并行遗传算法,将并行计算机的高速并行性和遗传算法固有的并行性相结合,进行多种群并行搜索.选择合适的迁移拓扑结构和迁移策略,构建了并行模型,并给出了改进后并行遗传算法的设计流程图及详细算法描述.采用该算法进行了叠前弹性波反演的实际计算,取得了良好的效果.     

基于关系代数的遗传算法模型及其应用

运用选择、投影、广义笛卡尔积等关系代数运算，给出了遗传算法的搜索空间及个体、遗传算子和搜索最优解过程等关系代数形式的描述，建立了遗传算法的关系代数模型，给出了遗传算法的数学解释．然后，给出建立遗传算法关系代数模型的意义，说明了数据挖掘和知识发现应用于遗传算法的可行性．最后，用该模型描述了2个常见用遗传算法解决的问题，即TSP问题和交互式遗传算法中的服装设计问题，结果表明该模型的可行性．     

基于马尔可夫随机场的改进遗传图象恢复方法

遗传算法（ＧＡ）是模拟自然界生物进化机制的计算模型,是一种全局优化搜索方法。本文基于马尔可夫随机场,提出了改进的遗传图象恢复方法。计算机模拟结果表明,文中的改进使遗传图象恢复法效率更高。本文还就如何在复杂庞大的空间搜索最优这一遗传算法难题进行了讨论。     

基于UniTire轮胎模型的汽车行驶速度估计

准确而实时地获取车速信息是汽车实现高精度定位与导航、高级巡航控制和编队巡航控制等功能的必要前提,文中提出一种基于UniTire轮胎模型的汽车行驶速度估计方法.首先,基于UniTire轮胎模型建立包含汽车纵向、侧向和横摆动态的车速估计名义模型,并利用自适应遗传算法的全局搜索优势和拟牛顿法的局部搜索优势辨识出UniTire...     

具有线性约束的分片线性函数的最优化方法

分片线性模型有着广泛应用范围 ,对分片线性模型及其最优化问题的研究具有普遍的意义。该文以规范型分片线性函数为例 ,提出了基于分片的邻区域搜索算法 ,通过定义相邻区域 ,应用线性规划寻找最优解。通过该算法和遗传算法相结合 ,可利用进化算法的探索能力和模型信息以实现全局优化。在仿真实验中 ,采用随机生成的分片线性函数对这种算法和传统遗传算法进行了对比 ,结果表明 ,它具有很好的搜索性能 ,当搜索空间很大或具有边界约束时 ,它较传统遗传算法更优越     

用于测试用例生成的遗传算法改进

在软件测试技术中,高效的测试用例生成是简化测试工作、提高测试效率的必要手段。传统遗传算法是一种多点搜索和采用交叉操作的技术,有效应用于测试用例生成。遗传算法虽然具有良好的全局搜索能力,但对于局部空间的搜索问题不是很有效。针对此问题,对传统遗传算法在适应度函数、遗传算子方面进行改进,提高该算法在局部空间的搜索能力,提出一种基于改进遗传算法的测试用例生成方法。实验结果表明,所提出的方法在测试用例生成的效率和效果方面优于基于传统遗传算法的测试用例方法。     

基于遗传小波神经网络模型的脱机签名鉴定

根据脱机中文签名的特点,提出了一种用基于遗传算法的小波神经网络进行脱机中文签名鉴定的方法.基于遗传算法的小波神经网络模型结合了遗传算法的全局搜索能力和小波神经网络快速高精度的特点,克服了梯度下降法易陷入局部极小和引起振荡效应等缺点.该模型用遗传算法对小波神经网络的各参数进行前期优化训练,再用梯度下降法对参数进行二次优化.实验结果表明,将此模型用于脱机签名鉴定系统,与单独采用BP网络或小波神经网络相比,性能有明显的提高.     

免疫遗传算法学习贝叶斯网等价类

针对遗传算法学习贝叶斯网存在的问题, 提出一种基于骨架搜索的免疫遗传算法学习贝叶斯网等价类, 该方法综合了基于约束和打分搜索的方法, 可以在遗传过程中避免产生非法结构, 并从骨架空间映射到等价类空间进行搜索. 实验数据表明, 免疫算子的使用可有效缩小搜索空间规模, 加快收敛速度, 提高执行效率.     

优化搜索空间划分的遗传算法的研究与实现

针对遗传算法中早熟收敛和容易陷入局部收敛的问题,提出优化搜索空间、遗传算法算子的一些改进策略,即利用搜索空间划分实现优良等位基因单元稳定遗传到下一代中,利用禁忌域和有效域快速提高算法的实现性能.改进的算法能有效减少搜索空间、避免算法早熟,使得算法的全局搜索能力和局部搜索能力比其他遗传算法均得到了较大的提高.函数求最优解和服装设计算法的实现,证明了改进算法的平均收敛速度和收敛到最优解的效率都优于其他遗传算法,实验验证了所提出的算法思想的可行性和有效性.     

采用遗传算法实现时域模型降阶

提出一种基于遗传算法的时域降阶新方法 ,它可以将高阶的模型降低为典型的二阶系统模型 .通过实际模型和目标模型在时间内的误差 ,将模型的降阶过程转化为最小优化过程 ,最优求解采用遗传算法 .在仿真软件包 Matlab和 Simulink的帮助下 ,先确定遗传算法的搜索空间 ,再建立模型匹配时间响应误差的自动汲取框图 .通过发挥遗传算法的优点和引入添加微变异种群等新策略 ,使得求解具有智能、高效、准确的特点 ,十分适合于工程应用     

含热电联合系统的微电网运行优化

为了提高微电网的经济运行水平,提出考虑分时电价并计及制热收益的微电网多目标能量调度模型,该模型以微网发电成本最低与环境效益最优为目标。首先,利用权重系数将多目标经济调度问题化成单目标优化问题。其次,针对遗传算法局部搜索能力差的问题,提出了天牛须搜索算法改善遗传算法的变异操作,利用自身对空间的判断,加强局部搜索能力,在此基础上将Metropolis接受准则加入天牛须搜索算法中,增加变异的概率。最后,以一个微电网为例,将改进的算法与标准遗传算法进行对比,验证了所改进的算法的全局最优解的搜索能力,使得微网获得更佳的综合效益,降低了系统经济运行成本。     

遗传算法中的加速进化技术

自20世纪80年代以来,遗传算法在工程优化领域获得了广泛应用,遗传算法对数学模型要求不高,具有一定的隐性并行性,能同时在搜索空间大范围搜索,因而不易陷入局部最优解,然而,在实际应用中发现,仅有交叉算子和变异算子的传统遗传算法,局部搜索能力不强,容易出现种群早熟,进化结束时往往收敛到最优点附近而达不到全局最优点,为此借鉴了传统优化方法中的搜索技术,开发了几种算子用以强化遗传算法的局部搜索能力。算例表明,这几种算子能提高遗传算法的搜索性能,不论是搜索效率还是解的质量均有所提高。     

结合聚类模型和自适应模型的遗传算法

在进化后期,自适应遗传算法有助于保存种群中的优秀模式;但在进化初期,对适应度值大的个体的保护,易降低种群的多样性、减弱算法的搜索性能。基于聚类的遗传算法可以提高遗传算法的收敛速度和搜索性能,但交叉概率和变异概率取定值,易使优秀模式在进化后期遭到破坏,难以收敛到全局最优。在遗传算法中同时引入聚类模型和自适应模型,有利于继承两类改进型遗传算法的优点,克服各自的不足。使用经典的测试函数对引入聚类模型和自适应模型的遗传算法进行测试,仿真结果表明:同时引入聚类模型和自适应模型的遗传算法比引入聚类模型或自适应模型的遗传算法具有更好的收敛速度和寻优能力。     

基于文化算法的新型Elman网络的过程建模方法

文化算法从微观（种群空间）和宏观（信念空间）两个层面上模拟文化的双重进化继承过程,为进化搜索机制和知识存储的结合提供一个构架。建立基于输入输出数据生产过程的统计模型时,参数估计是其中的关键,文化算法为此提供了有效途径。本文在Elman神经网络的基础上提出了一种新的改进型Elman网络模型——OAIF-Elman（Output-Add-Input Feedback Elman）网络来建立乙烯装置中裂解深度软测量模型,并结合文化算法来优化其网络权值。实验表明：文化算法比标准遗传算法搜索性能更优,搜索时间更快,同时也得到了满意的裂解深度模型。     

基于遗传算法神经网络盲均衡算法的研究

将遗传算法引入神经网络盲均衡,利用其全局搜索能力强的特性来消除传统神经网络算法易陷入局部最优解、训练速度慢的缺点。采用两阶段寻优法,首先,通过遗传算法来为神经网络提供一个全局较优的局部搜索空间;其次,利用传统神经网络在这个局部空间进行更精确地搜索,最终实现盲均衡。计算机仿真表明,该算法能达到更好的收敛特性和均衡效果。     

应用于质子交换膜燃料电池的数值优化方法

将具有全局搜索能力的遗传算法应用于质子交换膜燃料电池(PEMFC)扩散电极的性能优化,通过对PEMFC单体建立二维稳态数值计算模型,在ISIGHT-FD软件平台上利用径向基函数(RBF)神经网络拟和模型,在相应的设计空间内生成RBF拟和曲面,调用多岛遗传算法(MIGA)对RBF拟和进行遗传搜索,得到了阴极扩散层厚度、孔隙率和渗透率的最优值,通过优化前后的氧气浓度和输出性能比较,表明这些参数可改善气体扩散层的传质性能.     

基于遗传算法神经网络盲均衡算法的研究

将遗传算法引入神经网络盲均衡,利用其全局搜索能力强的特性来消除传统神经网络算法易陷入局部最优解、训练速度慢的缺点。采用两阶段寻优法,首先,通过遗传算法来为神经网络提供一个全局较优的局部搜索空间;其次,利用传统神经网络在这个局部空间进行更精确地搜索,最终实现盲均衡。计算机仿真表明,该算法能达到更好的收敛特性和均衡效果。     

基于改进遗传算法的物联网链路负载均衡控制方法

针对链路负载控制受物联网搜索空间的影响,搜索空间过小会降低负载均衡度的问题,提出一种基于改进遗传算法的物联网链路负载均衡控制方法.首先,构建物联网链路的频带传输模型,利用抽头间隔采样控制物联网链路传输,建立物联网链路频带模型获得均衡调度函数,整合频带完成负载均衡配置;其次,加入分数间隔均衡设计链路,用频带分配原则得到频带匹配概率,调节均衡器的抽头数值,设置链路码间干扰项约束;再次,给出遗传算法的参数编码,把所有请求都按一维顺序排列,对适应度函数进行线性尺度转换,完成遗传算法的改进;最后,组合基因进化染色体,扩展物联网搜索空间,令迭代数量小于最大系数,实现链路传输负载的均衡控制.实验结果表明,该方法能较好控制物联网链路负载均衡,链路负载均衡度可达92%,并且能减少能量消耗.