遗传算法及其研究与应用新进展

近些年,一种新的优化算法--遗传算法（GeneticAlgorithm,即GA）正在迅速发展。这一算法最早是由美国的密西根（Michigan）大学的霍兰（Holland）教授和他的学生们在7O年代初提出而创立的。该算法植根于自然进化与遗传机理,原先是用于模拟自然界的自适应（适者生存）现象,后来被引向于广泛的工程问题,而快速发展成一种"自适应启发式概率性迭代式全局搜索算法"。由于遗传算法具有不依赖于问题模型的特性、全局最优性、隐含并行性、高效率及解决不同非线性问题的鲁棒性的特点,正越来越激发起人们研究与应用的兴趣。自80年代以来,对G…     

一种眼动测量的图像分析方法

提出一种用于鸟类视觉行为学实验的眼动测量的图像分析方法.采用基于遗传算法的多级灰度值聚类法分割普通CCD捕捉的视频图像,用区域生长法标记连通域粗略定位瞳孔区域,并利用瞳孔的近似圆形的几何特性修补光源反射影像形成的孔洞.在此基础上进行边缘检测,利用边缘像素的灰度分布特点修正瞳孔轮廓,采用重心法定位瞳孔中心.用该方法对实验环境照度下捕捉的图像和红外光源辅助照明的图像进行了分析,并与主动轮廓线方法对比.实验结果表明,该方法对眼睛特征的先验知识依赖程度低,抗噪声能力强,瞳孔中心定位精确.     

遗传算法及神经网络在锅炉负荷优化分配中的应用

针对并列运行锅炉群的负荷优化分配问题,提出用遗传神经网络辨识给煤量-产气量模型,并用改进的遗传算法进行负荷优化分配.给出了改进遗传算法和遗传神经网络的辨识原理.负荷优化分配结果表明,该方法优于平均分配方法.     

一种改进的遗传优化算法在网络故障预测中的应用

模糊逻辑控制器(FLC)模型简明，易于利用专家知识，适应能力强．适用于多输入、具有不确定因素、非线性系统的控制。随着系统复杂度的提高，直观经验获取难度变得越来越大．既难表述，又难使用。本文针对网络系统中故障的预测和诊断问题，将遗传算法与前馈网络结合，提出了一种基于BP的遗传优化改进型算法(RGA—BP)，并与经典BP算法结果作了比较，迭代步骤很明显的减少，精度明显提高。     

非线性理论在PID控制器中的应用

近年来，非线性理论在PID控制器中的应用十分迅速和广泛，如将模糊理论、神经网络理论、混沌理论、遗传算法、博实论等一系列非线性理论应用在PID控制器中，形成了模糊、神经网络、基因即遗传、混沌等PID控制器，并广泛应用于复杂的工业过程控制中。本文主要就几种PID控制器研究的现状与存在问题进行了分析。     

一种改进的遗传算法在模糊控制器中的应用

将一种改进的遗传算法应用于模糊控制器的设计,对控制器的控制规则进行寻优.以倒立摆为例进行计算机仿真,结果验证了这种方法的有效性.     

遗传算法中交叉算子的配对策略研究

提出了一种称为“国王配对”的配对策略来选择进行交叉运算的父母体,在此基础上再执行改进的交叉运算.经过测试,证明国王配对策略比随机配对策略要优越,可以加速遗传算法的进化过程.     

用遗传算法模拟复杂最优网络的自然涌现过程

为了模拟复杂最优网络从树演化到完备图的整个过程，解决现有邻接节点编码方法只适用于低密度网络，而传统的交叉变异方法又有大量不可行解的问题，提出了基于三角阵的变长基因编码方法和段间交叉、段内变异平衡的交叉变异方法．该编码方法只记录对称邻接矩阵中三角阵的信息，反映了无向网络的所有可能变化，因而编码串长度适中，网络边数不需限制，可以模拟网络从树到完备图的整个演化过程．段间交叉只交换节点一级近邻的连接方式，段内变异平衡对边进行重绕，这既符合遗传算法的要求，又保证了网络的连通性．模拟结果表明，与邻接节点编码和传统交叉变异方法相比，所提方法适用范围更广，收敛速度较快．     

认知进化观:认知科学研究范式的新取向

认知科学在其发展过程中经历了几次研究范式的转换，认知进化观的兴起是认知科学各学科多层次整合的表现。在心理学领域，进化心理学采用功能分析的方法分析适应性行为下的心理机制和特征。在人工智能领域，采用进化计算和遗传算法探讨人工生命的适应性行为。在神经科学领域，是对神经网络的自组织机制和神经系统的可塑性进行考察。认知进化观的缺陷是自然主义的计算与进化，忽视了人的历史文化性。认知进化观作为一种新方法论，为智能研究带来了生机。     

基于遗传算法扶梯驱动机模糊可靠性优化设计

应用啮合理论和模糊可靠性优化理论，以自动扶梯驱动机主传动机构中蜗杆传动的效率及中心距为目标函数，选取必要的设计参数，并使用改进的遗传算法，对驱动机中的蜗杆传动进行模糊可靠性优化设计．结果表明，该算法具有较强的全局收敛性，且收敛速度和稳定性有所提高，与传统设计方法相比，蜗杆减速器的中心距下降了30．4％，蜗杆的相对滑动速度下降了10．12％，综合曲率半径增大了17．34％．