自适应并行遗传算法实现有源滤波器的设计

提出一种改进的自适应并行遗传算法,通过设计自适应算子自动调节交叉和变异概率,采用基于岛屿交换模型实现多种群间信息交换,提高了种群的多样性和健壮性.将该方法用于滤波器的参数优化设计,给出4阶切比雪夫低通滤波器的设计结果,比较各种算法的性能,证明该算法收敛速度快,精度高,有效地克服了早熟现象.     

基于白适应并行遗传算法优化设计的有源滤波器

提出一种用于有源滤波器的改进自适应并行遗传算法设计．引入了两个自适应算子：其一根据进化过程实现交叉和变异概率的自动调节;其二通过设计随机个体集和健壮个体集,实现种群个体的多样性和保护适应度高的个体不被破坏．采用基于岛屿的交换模型实现多种群间信息交换,扩大了种群的规模和相应的搜索空间．给出了利用该方法设计四阶切比雪夫低通滤波器的设计结果,并与基本遗传算法进行了比较实验,结果表明该算法收敛速度快、精度高,有效地克服了早熟现象．为大规模有源滤波器设计提供了方法上的支持．     

并行遗传算法在模拟有源滤波器设计中的应用

提出了一种基于岛屿群体模型的并行遗传算法,该算法克服了以往采用基本遗传算法存在易早熟、收敛速度慢的不足,具有较高的加速比和运算效率.将其应用到模拟有源滤波器参数的优化设计中,仿真结果验证了算法的有效性.     

基于遗传算法混合有源滤波器参数的多目标优化

为了解决混合有源滤波器(hybrid active pow erfilter,HAPF)参数匹配以及无源部分和有源部分容量的合理分配,提出一种基于小生境遗传算法的多目标满意优化设计方法,较为全面地考虑HAPF的容量、滤波效果、无功补偿等因素,使得多目标参数求解达到协调满意的效果。优化结果表明:有源部分容量仅为滤波器容量的6.4%,电流总畸变率降低到0.8%,同时满足系统无功功率需要,降低了HAPF系统的投资,提高性能价格比,达到HAPF实用化及谐波抑制的目的。     

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.     

一种十进制自适应并行遗传算法

针对遗传算法中的早收敛现象,从增强和保持种群多样性出发,引入自适应并行遗传算子的进化策略,提出了一种十进制自适应并行遗传算法(Decimal Adaptive Parallel Genetic Algorithm).实验结果表明,该算法对多个标准测试函数都表现出较好的搜索性能.     

利用自适应遗传算法优化滤波电路参数

利用自适应遗传算法,在典型滤波电路结构下跟踪进化进程的遗传参数并调整相应策略.从一种基本滤波电路结构出发,根据设计目标自动优化元件取值,最终获得符合预期功能的实用电路.研究结果表明,只要结构选择得当,通过引入常规设计方法的经验和规则,利用遗传参数自适应来提高进化效率和优化程度,经过一定世代的进化均可得出满足设计要求的进化结果.     

自适应小波算法的电力有源滤波器

利用小波变换的正交线性性质，设计基于小波算法自适应滤波器。同时，将它有效地应用于电力有源滤波器，Matlab仿真结果表明，基于自适应小波算法的电力有源滤波器，在消除高次谐波、噪声和补偿工频无功电流方面，具有较好的性能、较快的收敛速度。     

基于自适应遗传算法的粒子滤波器

针对重采样导致的权值退化问题,应用遗传算法的进化思想来优化重采样算法,将粒子权值作为适应度值,合理设定阈值,利用最佳个体保存法保存高适应度粒子,利用自适应交叉、变异操作对低适应度粒子进行进化,将高适应度粒子与进化粒子组合成新的粒子集进行状态估计.仿真实验表明,该算法具有良好的实时性和估计精度,其状态估计精度比标准粒子滤波提高近24倍,比无迹卡尔曼粒子滤波提高近4倍,耗时约为无迹卡尔曼粒子滤波的1/10.     

并行多种群模糊遗传算法参数

为改善标准遗传算法的求解效率,提出了一种基于6模糊控制器(6FLC-MDPFGA:6 Fuxy Logic Controllers-Multi-Deme Parallel Fuxxy Genetic Algorithm)的并行多种群自适应遗传算法,并利用MPI(Message PassingInterface)技术建立了一个COW(Cluster Of Workstation)集群,将算法在该硬件平台上进行了实现.通过对该算法的迁移率、迁移间隔等并行参数的试验研究,得出了在特定条件下参数选择的经验值和规律,定性分析了不同参数选择对于求解结果的不同影响.在演示算法组合优化实时应用可行性的同时,试验结果可为算法实际应用参数选择提供参考.     

分组并行自适应时域均衡滤波器设计

为解决空地高速通信电台系统信道中的多径效应,本文选用时域均衡滤波器,把均衡器设计成对信道响应可调整的自适应滤波器。首先,为解决高阶自适应均衡器运算量大的问题,达到更好的抗多径效果,文中对自应滤波器进行了分组并行的处理,以资源的消耗换取均衡速率的提高,利用多速率信号处理理论,把原先集中的采样点分散到各组当中。再者,把m序列应用到递推最小二乘算法中,发挥算法收敛速度快的优势,同时尽量减少运算量,使算法能很好地应用到硬件实现当中去。最后,在性能分析上进行了改善,把均衡与Turbo纠错码级联起来,减小系统误码率,仿真结果显示改进达到预期目标,对实际空地高速通信电台系统中的均衡实现具有重要的参考价值。     

基于遗传算法的结构振动主动控制优化方法

在结构振动主动控制的研究中,控制能量是限制其广泛应用的瓶颈。为减少控制系统所需能量,有必要对结构进行优化设计,而传统的优化方法对于振动主动控制系统的优化不太适合。为此,在杂交遗传算法和实代码遗传算法的基础上,开发了一种改进的杂交遗传算法,该算法不仅可以计算含不等式约束的优化问题,而且可以处理含线性等式的优化目标问题。最后给出了计算实例来说明所提方法的有效性。     

基于改进遗传算法的自抗扰控制器优化设计

针对超空泡航行体受力特征及其航行时具有非线性、时滞与耦合等复杂问题,提出可根据适应度对控制参数进行自适应动态调整的改进遗传算法。通过建立超空泡航行体纵向模型,设计专用自抗扰控制器对其进行控制,并针对控制器参数多、调节困难的问题,改进了自适应遗传算法对其精确优化。最后通过特性仿真,验证了基于改进的自适应算法的自抗扰控制器相比经典自抗扰控制器的优势。仿真结果表明,该自抗扰控制器符合实际需求,具有良好的控制效果。     

基于双目标规划和遗传算法的航线配船优化

为弥补目前航线配船问题研究存在的不足,以最大化船公司航线运营利润、最小化运力浪费为目标,建立双目标航线配船模型.同时为避免目前航线配船模型求解方式的繁琐,尝试将航线配船问题的可行解用染色体形式表示,通过遗传算法在解空间内的遍历和搜索,得到问题的满意解.实例分析证明了模型的可行性和算法的有效性.     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性。     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。     

自适应迁移并行遗传算法在无线通信网优化中的应用

为利用最少的基站数实现规定的服务质量 ,提出了在一个区域的若干个备选位置中选择最优组合的粗粒度并行遗传算法 ,在不提高成本的同时 ,优化网络的覆盖率。不但提出了一种高效的局部搜索算子 ,而且为防止未成熟收敛 ,使用了只在子群体无法继续进化时才接收迁入个体的自适应迁移策略。仿真证明 ,对比固定周期迁移 ,采用的自适应迁移策略能够提高优化的速度和质量。     

面向agent的并行GA

讨论了面向agent的并行遗传算法(GA)模型,该模型属于粗粒度的并行模型,并提出了算法的实现方法 与经典粗粒度孤岛并行GA的对比分析结果表明,基于该模型的并行GA具有通讯代价小、子群体间信息交换充分等特点 此外,该模型采用多智能体技术,用agent表示群体中的个体,简化了问题,便于实现 图2,参10