具有遗传特性的粒子群优化算法及在非线性盲分离中的应用

粒子群优化算法是一种新的基于群智能的随机优化进化算法.文章将变异和交叉思想引入到粒子群优化算法中,其基本思想是利用粒子群优化算法每次迭代的最优粒子位置及速度为基础对部分粒子进行变异,然后对变异前后粒子的分量进行随机交叉操作,从而产生新一代粒子群.通过这种处理使得粒子群体的进化速度加快,从而提高了算法的收敛速度和精度.该算法应用于盲信号分离中而获得一种非线性盲信号分离算法.计算机仿真结果表明该算法的收敛性能优于粒子群优化算法,并且在非线性盲信号分离中是有效的.     

改进的乌鸦搜索算法在软件测试用例生成中的应用

在软件测试中,为了更有效地生成测试用例,提出了一种改进的乌鸦搜索算法应用于软件测试中生成不同的测试用例.该算法采用柯西变异算子来自动生成具有较高变异的测试数据集,利用相对误差作为适应度函数来选择较好的测试用例.柯西变异算子的引入可以防止算法陷入局部最优,进而增强了算法搜索的效率.实验结果表明,与其他启发式算法相比,该算...     

改进收敛因子和变异策略的灰狼优化算法

针对灰狼优化算法(GWO)在求解复杂优化问题时容易出现收敛速度慢和早熟收敛等缺点,提出了一种改进收敛因子和变异策略的新型灰狼优化算法(C MGWO).为了平衡GWO算法的全局探索能力与局部开发能力,设计了一种基于反余弦函数变化策略的收敛因子;为了进一步提高算法跳出局部最优解的能力,提出了一种新的位置变异策略.仿真实验结...     

一种改进的遗传算法在函数优化中的应用

针对传统遗传算法在处理多峰值函数优化存在的"早熟"问题,以及在后期搜索效率低的问题,在对目前常见的几种种群早熟程度评价指标进行分析的此基础上,提出了一种新的种群"早熟"程度评价指标,并据此提出了一种改进的自适应遗传算法;最后将改进的遗传算法用于函数优化;实验表明:改进后的遗传算法有效地解决了过早收敛、局部搜索能力差和全局收敛 速度慢等问题.     

带有变异的离散的单种群持久性

文章对离散状态下单种群演化模型进行研究,利用分析方法并结合Lyapunov函数给出单种群在变异下持久性的充分条件.     

闽西与台湾客家民间信仰的传承及变异

闽西和台湾客家民间信仰一脉相承,台湾民间信仰中诸多神灵都是早期赴台的闽西客家人从原乡携去的.但在其传承与发展过程中,也发生明显的变异.本文试图探讨闽西和台湾客家民间信仰的传承关系及其发生变异的原因.     

从语汇语音变异看当代汉语失范现象

当代汉语语汇变异主要表现在因“将错就错”而习非成是,以及使用语词的随意、凌乱、不规范等方面;语音变异则主要表现在时尚化、简单化和粗略化等方面。值得人们警惕的是,这些失范都有被认可、被提升为“规范”的趋势。     

基于子群混合与变异的微粒群算法及其应用

提出一种子群混合与变异的微粒群算法(SSMPSO),按适应值大小将微粒均匀分为两个子群分别进行目标优化,当子群在一定进化代数内未满足收敛条件时重新混合为一个种群.对混合种群中部分适应值差的微粒实施变异,用适应值好的微粒替代.微粒群反复进行分群进化、子群混合和种群变异操作,直至算法满足终止条件.SSMPSO算法通过几种典型高维非线性函数进行了测试,结果表明其性能明显优于基本微粒群算法.将SSMPSO算法用于常压塔汽油干点软测量,实验表明SSMPSO算法建立的汽油干点软测量模型比用基本微粒群算法所建软测量模型有了很大提高.     

基于分形的技术创新网络结构遗传与变异模型:时间与层次统一视角的考察

从时空关系出发,建立时间过程与层次分解相统一的技术创新网络结构演变模型,引入时间标度变化,对技术创新网络结构在不同观察尺度下的遗传与变异特性做出定性分析,从方法论上给出研究技术创新网络结构演变的理论基础. 研究发现:1)随着观察尺度变化,无论技术创新网络结构演变还是技术创新网络结构层次,其遗传特性与变异特性都存在此消彼涨关系;2)技术创新网络结构层次之间的联系实质是个体与群体之间的关系,其并不是确定性关系, 存在着类似于时间过程中的变异作用;3)利用R/S分析来对技术创新网络结构演变时间序列数据进行分析,可以在应用层面实现我们构造的理论模型.     

基于群集智能的多主体创新设计自动协商算法

为了解决复杂产品创新设计系统中多主体协作的冲突协商问题,提出一种基于模糊物元分析的启发式自适应变异微粒群全局优化算法.首先,引入模糊物元分析理论,将各设计主体的个性化要求、特征及相应的模糊量值结合起来建立其形式化模糊物元模型,应用模糊物元优化方法将多目标协商问题转化为单目标协商问题;然后,给出了该协商模型的自适应变异微粒群求解算法,在微粒群寻优过程中引入变异机制,根据自适应变异概率对惰性和适应度差的微粒进行突变操作,增大微粒间的差异性和非均匀性,有效阻止算法过早收敛于局部最优点,提高算法的求解速度;最后,通过在汽车动力传动系统参数优化匹配协同设计中的应用,表明了该协商算法的有效性.