CTSP问题稳态小生境算法的研究及仿真实现

提出了一种求解中国旅行商问题(CTSP)的稳态小生境遗传算法SNGA。SNGA算法在稳态遗传算法的基础上采用物种保存小生境替换策略,在改善算法的在线性能、离线性能和计算量的同时,有效的维持了群体的多样性,从而可避免群体出现早熟现象,增强群体在进化后期产生优良模式的能力。在具体实现中,SNGA算法采用链表染色体编码,这样就可以对染色体进行快速的基本遗传算子以及倒位算子的遗传操作,进一步提高算法的实现性能。此外采用C 语言和基于COM的MapObjects组件技术实现了基于上述算法的仿真软件GISCTSP,并对国家基础地理信息系统(NFGIS)1400万中国行政中心数据文件res1_4m进行了仿真分析。     

基于小生境遗传算法的多峰函数全局优化研究

针对基本遗传算法在求解多峰函数时很难找到全部最优解的问题，研究了基于淘汰相似结构机制的小生境遗传算法。用该算法对两个典型多峰函数求解的测试结果表明，该算法较之基本遗传算法有更强的全局搜索能力和更快的收敛速度。     

基于遗传k均值聚类算法在品种分析的应用

本文提出采用实数编码方式对聚类的中心矩阵进行编码,通过数纽变换将染色体与相应聚奏中心的数组进行匹配,通过轮赌选择和自适应的交叉、变异操作及均值小生境的种群优化对聚类中心的编码进行更新迭代,最终得到稳态的聚类误差函数和划分效果最好的聚类中心.然后通过对某实验基地的品种实验进行分析、比较.所分析的结果误差函数显示,RINGAKMEANS改进的聚类效果明显优于传统的KMEANS方法及SGA-KMEANS方法的聚类效果.     

探索曲面结构的小生境遗传算法

提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和约束交叉算子GC，定性地分析了它们的作用机制，给出了基子仿真实验数据的遗传算法收敛速度和全局收敛可靠性的定量计算方法。仿真实验数据表明，PLS能有效地提高搜索速度并维持足够的种群基因多样度，GC可有效地微调解的质量，使改进的遗传算法的全局收敛速度和收敛可靠性均显著地优于标准遗传算法，并具有良好的鲁棒性和稳定性．     

小生境粒子群优化ABC支持型QoS组播路由机制

针对ABC总最佳链接支持型QoS(服务质量)组播路由存在的链路参数不精确、用户QoS参数难以描述以及用户与网络运营商效用相矛盾等关键问题,提出了一种基于用户和运营商博弈的多目标模型,采用模糊数学的方法对链路参数和用户的QoS需求进行处理,利用用户和运营商在每条链路上效用的博弈达到纳什均衡下的Pareto最优,保证了用户和运营商的公平性.为有效求解该多约束QoS组播路由模型,提出一种基于动态Pareto解聚类分析的小生境粒子群的多目标算法.该算法采用聚类小生境保证解的多样性,引入动态更新Pareto最优边界加速寻得优质解过程.最后,基于NS2平台对路由机制及算法进行了仿真实现与性能指标评价.实验结果表明:该路由算法在可信度、用户效用、网络运营商效用等方面具有突出的优势,验证了其有效性与可行性.     

基于话者识别的新的去噪和识别方法

为了提高系统的鲁棒性,联合二代小波和TEO一起对语音进行去噪.为了解决动态环境下的说话人识别的误识率问题,在识别阶段,把小生境粒子群算法应用于GMM之中.从实验得出,采用本文提出的参数对于说话人识别的效果较好.采用基于小生境粒子群的高斯混合模型进一步提高了识别性能.     

基于小生境遗传算法优化串级神经网络的台区理论线损预测

台区作为电力系统的最末端部分,节点数目多、网络架构复杂,导致不易精确计算其理论线损问题。在海量实际低压台区运行历史数据的基础上,首先研究影响台区线损的相关因子,建立台区线损特征指标集合。然后利用皮尔逊相关系数分析方法从中提取出高损关键特征指标作为线损预测模型输入。再融合集成学习和梯度提升树思想,建立基于串级BP(back propogatiow)神经网络的台区线损预测模型,并采用小生境遗传算法对预测模型的初始参数进行优化从而提高模型训练效率。最后通过实际数据算例仿真,并与其他预测方法结果进行比较,验证所提台区线损预测模型具有优秀的训练效率和预测泛化能力。     

基于邻域粒化混合决策系统克隆选择约简算法

针对混合决策系统的属性约简问题,提出了基于邻域粗集模型的小生境克隆选择属性约简算法.采用邻域关系度量不可分辨关系,通过邻域信息粒子逼近论域空间,可以直接处理数值型属性.克隆选择约简算法的提出解决了求解全部约简的NP完全问题.论述了亲和度函数的选择,引入了小生境技术,避免了抗体的早熟收敛及算法中的参数对具体优化目标的敏感性和单一收敛性,给出了算法的具体实现.对经典数据集和UC I中4组数据约简的仿真结果证明了算法的有效性和可行性.     

改进分布估计算法在热轧生产调度中的应用

在热轧生产调度数学模型的基础上,提出一种改进的基于小生境技术的分布估计算法。采用Hebb学习规则来更新概率模型,增强了小生境之间以及整个群体间的相互学习能力。在对新种群采样时,引入了一种竞争选择机制,使得父代中的优秀个体在进化过程中得以保留,从而保证了进化持续有效的进行。为将该算法用于热轧生产调度,设计了一种新的解码方式,并采用某钢厂实际生产数据进行仿真实验,验证了算法的有效性。     

基于改进小生境演化算法的多峰函数优化算法

传统演化算法在求解复杂多峰函数优化问题时经常会出现早熟、收敛速度慢等问题,特别是对于有多个最优解的函数,往往只能找到个别的最优解.针对这些问题,提出了一种基于膈离机制与排挤机制相结合的小生境演化算法.利用隔离机制增强引导进化能力,利用排挤机制保证种群的多样性,同时,采用反序交叉算子进一步加强局部寻优能力.实验表明,使用该改进小生境演化算法求解函数优化问题能更有效地克服传统演化算法存在的收敛速度慢和容易陷入局部最优解等缺点.