基于改进型期望值选择的GA及程序实现

遗传算法(Genetic Algorithms,GAs)作为一种新的全局优化搜索算法,在各学科中有着广泛的应用,选择策略在GA的进化中具有重要的意义,直接决定GA进化结果的效率和效果,该文指出基于轮盘赌选择的遗传算法和基于传统期望值选择的遗传算法的不足,并在此基础上提出了基于改进型期望值选择的遗传算法(RevisedExpected Value Selection-GA,REVS-GA),提高了程序的简洁度,同时通过实验证明了REVS-GA有效地克服了“早熟”现象,并且执行的效率比传统算法高.     

非支配解集的质量评价方法

多目标演化算法的目的是获得逼近Pareto最优前沿的分布均匀的非支配解集合,非支配解集的质量是多目标演化算法研究的重要领域.本文对目前提出的非支配解集的质量评价方法进行分类比较,为算法的整体性能评价和算法的性能比较提供了参考依据.     

利用启发性知识降低交叉算子破坏性的研究

在随机搜索的过程中,交叉算子被认为是演化算法的主要动力.然而,在搜索更好的候选解的时候,如果交叉点选择不当就会破坏一个已有的较好的候选解,使得交叉后生成的新候选解比原有的候选解更差.该文提出应用与问题相关的领域知识构建更有建设性的交叉算子,并应用于旅行商问题(TSP).实验结果表明,基于具有建设性的交叉算子的混合演化算法具有更好的性能.     

多目标投资组合模型的模糊两阶段解法

对多目标证券组合投资模型进行了研究,模型以绝对偏差和代替方差作为投资组合的风险度量.该模型是一个多目标线性优化问题,采用两阶段模糊算法对模型进行求解,最后给出了该模型的一个实例的最优解.     

基于混沌粒子群算法的高速旅客列车优化调度

列车优化调度是一个大规模、复杂的、具有非线性离散变量和多约束的多目标数学优化问题.在优化过程中,考虑了特快旅客列车中途离开时间和整个运行时间等因素.首次将粒子群优化(particle swarmoptimization,PSO)技术引入列车优化调度,克服了传统优化方法易陷入局部最优和维数灾难等弊端.通过一个工程实例验证了该算法的可行性和有效性.同时,与现存的列车优化调度方法相比,粒子群优化方法的搜索时间短而且优化结果更接近最优解.     

基于决策者风险态度的导流方案多目标决策研究

以导流方案优选为核心,在效用理论的基础上考虑决策者的风险态度,建立导流系统标准的效用损失函数,在导流系统标准期望效用损失均衡原则的指导下,合理分配施工导流系统风险,制定导流方案,运用多目标决策理论,建立基于决策者风险态度的导流方案多目标决策模型.实例分析表明,该决策模型是有效的,可以较好地解决导流方案的多目标决策问题.     

短波跳频FH/QDPSK系统信道自适应监测的研究(Ⅱ)

基于短波跳频FH/QDPSK系统的FFT解调,利用FFT解调的结果,提出了在瑞利衰落信道中对信道的BER进行实时自适应监测方法,该方法利用伪错监测及其非线性外推较好地解决了在较短的监测时间内获得较为精确的监测结果。模拟结果表明,采用伪错的非线性外推算法,其估值的最大绝对误差不超过0.28,最大相对误差不超过12.1%。     

一种新的改进遗传算法——混合式遗传算法

针对遗传算法应用的局限性,把模糊思想应用到大变异操作中,提出了模糊大变异操作;并结合自适应遗传算法、最佳选择策略机制和过滤操作的思想,提出了一种新的遗传算法结构--混合式遗传算法(hybridgeneticalgorithm,HGA).HGA不仅保证了算法的全局收敛性,而且提高了算法的收敛速度和稳定性.算例验证了算法的优越性能.     

一种采用混合进制的算术编码

针对许多实际应用中需要同时编码压缩来自多种不同符号集的数据,提出一种采用混合进制的算术编码,提高编码效率的同时增强了算术编码的抗误码扩散能力.从理论上分析了该算法并给出了实现过程.处理小波零树系数以及随机混合数据的实验结果表明,该算法明显优于单一进制的编码算法.     

任意结构阵列基于高阶累积量的信号频率和二维角联合估计算法

提出了一种基于高阶累积量的信号频率和二维角估计算法。假设阵列中存在3个特性完全一致的阵元,此时使用高阶累积量实现的阵列虚拟展宽相当于存在两个和实际阵列相同的虚拟平移阵列,因而在其它阵元位置和响应特性未知的情况下也能实现空间信号频率和二维角估计。推导了使用PRO-ESPRIT算法实现联合估计的过程,并给出了相应的信号配对方法,计算机模拟结果证实了该算法的有效性。