基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。     

基因表达式编程种群多样性自适应调控算法

为了解决基因表达式编程GEP种群多样性控制问题,提出了一种新的带权种群多样性的自适应调控方法。设计了带权的种群多样性测度方法,详细分析了选择、交叉及变异算子对种群多样性的影响。提出了初始种群的多样化算法DAIP,以保证初始种群多样性的最大化。设计了自适应的交叉和变异算子,提出了种群多样性自适应调控算法APDTA,使种群在进化过程中维持合适的种群多样性,进而提高进化效率。实验验证了APDTA的有效性。     

求解作业车间调度问题的多种群改进遗传算法

在求解作业车间调度问题上,针对遗传算法的早熟收敛、对初始种群敏感等不足,提出了多种群改进遗传算法.该算法在进化过程中通过引入具有优良性能的修正种群替换进化种群的较差个体,实现了多种群杂交,以保持种群的多样性,提高了搜索效率.应用实例分析和算法对比证明了改进算法的效果和优越性.     

求解作业车间调度问题的一种自适应遗传算法

针对作业车间调度问题,提出了最小化空闲时间的处理过程及其变异算子,设计了一种自适应遗传算法.该算法根据个体的特征确定交叉和变异次数,并根据种群特征不断修正种群.经典的调度基准问题测试表明:自适应措施能够有效保持种群的多样性,可以采用非常小的种群规模;最小化空闲时间的变异算子缩小了算法的搜索空间,大大提高了搜索效率.     

基于改进麻雀算法的卷绕张力控制系统

为了在卷绕系统中建立稳定的张力控制系统，课题组使用自抗扰控制器设计了控制系统。提出采用麻雀算法(SSA)优化整定自抗扰控制器的参数。针对SSA以跳跃的方式寻优、已陷入局部最优和原点收敛性强的缺点，提出基于粒子群算法(PSO)的改进麻雀算法(PGSSA)；该方法引入了PSO的速度算子，修改麻雀算法的发现者和跟随者的位置来更新公式，增强麻雀算法的全局搜索能力。由于麻雀算法的种群多样性比较差，提出引入遗传算法的交叉和变异操作，以保证种群的多样性，避免PGSSA过早陷入局部最优。选择复卷机的收卷过程作为控制对象模型，利用MATLAB/Simulink软件平台，分别采用PGSSA和SSA对ADRC控制器和PID控制器参数进行仿真。结果表明：PGSSA的收敛速度和精度都优于SSA。ADRC控制器对扰动的反应速度和抑制能力、阶跃响应的性能指标优于PID控制器。     

基于负载均衡的免疫遗传算法网格调度研究

将现有基本遗传算法对网格任务调度进行研究，在此基础上提出解决资源负载均衡问题的方案，并对算法的终止条件进行改进。针对改进后的遗传算法可能出现的问题，在算法初始阶段引入免疫原理，利用免疫机制保证种群多样性，使算法能在更快找到最优解的基础上达到一定的负载均衡，最后通过仿真环境对算法进行验证，结果证明改进后的算法有效。     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

采用可能解空间改进遗传算法

引入可能解空间的概念,探讨了它在遗传算法约束条件处理改进中的应用.应用实例分析表明,改进的遗传算法可得到更优化的结果,并验证了在种群生成中采用改进约束条件处理的优势.工程实践也表明,采用可能解空间对遗传算法约束条件处理的改进,能大大减少随机试探次数,提高算法的运行效率.     

基于改进遗传算法的最大类别方差法

本文利用开放式遗传算法的理论对遗传算法进行改进,使种群在开放的环境中进化,增加了种群的多样性.并以最大类别方差法为例,将改进的遗传算法应用到图像的单阈值分割中.通过实验对比,表明改进的遗传算法比传统的最大类别方差法和基本遗传算法有明显的优势,说明了本算法的可行性.     

满速率满分集优化的单频网发射信号

针对分布式发射天线单频网,设计了3种发射信号及针对第一种发射信号的优化方案。首先通过误对概率分析,推导出满速率单频网能获得的分集度,设计了一种能达到该分集度的发射信号和具有满分集度的2种发射信号。然后针对第一种发射信号,提出了基于异步时延的子载波交织分组的信号优化方法,在接收机位置与性能之间建立了一种折中关系。仿真结果表明,设计的满分集发射信号能获得8dB左右增益,优化后的发射信号能获得5～9dB增益。     

基于聚类描述的培养算子与TSP求解

首先提出用聚类树描述ＴＳＰ对象的新方法；并在此基础上，提出了培养算子的基本概念和方法，以进一步改进解的质量。对多个ＴＳＰ实例求解的实验表明，基于聚类描述的培养算子对ＴＳＰ的求解具有良好的效果。     

一种改进的多目标微遗传算法

本文在回顾多目标进化算法发展的基础上,首次引进一种新的交叉算子(多个体交叉)对已有的微遗传算法进行改进,提出了一种多亲微遗传算法(MPMGA).通过理论分析和实验测试中度量距阵值的比较两方面说明,多亲微遗传算法在一定程度上提高了MGA的效率,增加了解群的多样性,使解在Pareto目标域上的分布更加均匀,解的精度也有所提高.     

一种前馈神经网络综合快速学习算法

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度，但只对小残量或零残量问题有效，对大残量问题则收敛很慢甚至不收敛．为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题，引入NL2SOL优化算法，并与LM(Levernberg-Marquardt)法相结合，构建基于LM-NL2SOL法的前馈神经网络学习算法．仿真实例表明，该神经网络学习算法较好地解决了残量问题，具有良好的收敛性和稳定性．     

一种定向交叉的单纯形遗传算法

针对交叉算子产生个体的无方向性特点,提出了一种改进的实数交叉算子.该交叉算子吸收了单纯形法的思想,每次交叉都朝着当代种群最优解的方向进行,以提高算法的局部搜索能力.为了防止算法陷入局部极值,还提出了一种爬坡算子.实验证明,改进算法在提高收敛速度、摆脱局部最优解方面极为有效.     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

引入传统算子和记忆信息的进化算法

本文在进化算法中加入了一个传统优化算子 ,它利用最好点的记忆信息对搜索过程进行指导 ,使之不仅具有逃离局部最优点的能力 ,而且有较快的收敛速度