改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

初始群体飘移遗传算法在混合整数非线性规划中的应用

本文研究了非线性混合整数规划和遗传算法各自的特点,在此基础上,提出了初始群体飘移的思想、构造了一种求解混合整数非线性规划的新的遗传算法——初始群体飘移遗传算法。数值实验表明:该算法对大范围、多峰、非光滑混合整数非线性规划问题(MINLP)有着较好的全局求解能力,在解的质量、稳定性和收敛速度等方面优于一般的演化算法。     

免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job-shop车间调度问题的免疫遗传算法．仿真结果表明，该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生，显著地提高了遗传算法（GA）对全局最优解的搜索能力和收敛速度，这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景．     

面向安全服务重组多目标优化的粒子群遗传算法

遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率.     

求解QoS组播路由问题的改进蚂蚁算法

蚂蚁算法是一种相对较新的启发式方法，通过模拟蚂蚁的觅食行为，提出了求解QoS组播路由问题的改进蚂蚁算法。仿真实验表明，该算法能以较高速度收敛，有效地解决QoS组播路由问题。     

一种改进的混合遗传算法及其应用

将遗传算法和模拟退火算法进行了有机结合,并采用一种自适应的交叉和变异概率,提出了一种改进的混合遗传算法--自适应的模拟退火遗传算法.通过旅行商问题的仿真实验,对比遗传算法和模拟退火算法的实验结果,这种混合遗传算法改进了传统遗传算法的性能,并且提高了整个算法的收敛速度,拥有更好的优化性能.     

余弦度量和适应度函数改进的聚类方法

K-均值算法因其简单和高效性,在文本聚类中占有重要地位。针对传统的K-均值算法对初始点敏感、易陷入局部最优的问题,结合遗传算法已经成为一种趋势。在充分发挥K-均值算法的高效性的同时,该文利用遗传算法的全局自适应优化特点克服了对初始点敏感的问题。同时,以余弦度量评价对象间的相似性并以此构造新的遗传算法适应度函数、收敛准则以及遗传算法种群更新方式,提高了K-均值和遗传算法这种结合方式的聚类精度,并增强了该结合算法的稳定性。     

遗传模糊C-均值聚类算法应用于MRI分割

通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

基于遗传算法的ISAR运动补偿新算法

提出了基于遗传算法进行逆合成孔径雷达运动补偿的新算法.针对遗传算法解的收敛性问题,在遗传算法中采用了最优个体保存策略,使得解以概率1收敛于全局最优解;针对遗传算法运算量大的问题,提出了采用运动补偿后最小熵和最小距离作为适应度函数,由此形成2种称为GAMCE和GAMCD的ISAR运动补偿新算法.仿真数据和实测数据验证了所提新算法的有效性.     

修正共轭梯度恒模阵列算法研究

提出一种基于修正共轭梯度算法的恒模(MCG-CMA)盲干扰抑制算法,该算法将修正共轭梯度方法引入到恒模算法中,克服了传统恒模算法收敛缓慢、LS-CMA运算量大的缺点,保留了较好的计算复杂度和数值稳定性,理论推导了算法失调量的显式表达式。仿真结果表明该算法不需要波达方向估计,与传统的LS-CMA算法、SCG-CMA算法相比,具有较好的收敛性能和输出信干噪比(SINR)。     

基于免疫量子粒子群优化的属性约简

受生物免疫系统启发,把疫苗提取和疫苗接种思想应用到量子粒子群算法,提出了免疫量子粒子群算法。免疫接种可以指导粒子朝着更优方向进化,提高了量子粒子群的收敛速度和寻优能力。分别采用Hu算法、粒子群算法、量子粒子群、免疫量子粒子群多种算法应用于粗糙集属性约简。实验结果表明,基于免疫量子粒子群优化的约简算法在收敛速度和寻优能力都取得了更好的效果。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

变步长极化对消迭代滤波算法

分析了定步长自适应极化对消(APC)迭代算法,在此基础上提出了一种变步长的极化对消迭代算法,并分析了该算法的收敛条件和收敛性能。通过Matlab仿真,比较了参数变化对变步长算法收敛速度的影响,并且将定步长算法与变步长算法进行了比较,得出了变步长算法收敛速度更快的结论。     

基于信任和可靠性的P2P安全路由算法

安全有效的路由算法是P2P网络的关键技术之一.针对目前大多数P2P路由算法没有考虑安全性问题,并且采用随机选择下一跳节点的方法会降低路由效率,给出了一种新的P2P安全路由算法.该算法采用信任度与路径可靠性指导下一跳节点的选择,以建立安全有效的路由路径,并且引入加密、多路径传输等方法以抑制篡改、窃听等典型攻击.模拟实验结果表明,该路由算法的路由效率要优于Gnutella,安全性能好.     

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.     

稀疏分光器配置约束下的多播选路算法

研究了WDM网络中在稀疏分光器配置约束下的多播选路问题．在图论中,树是指一个不含圈的简单图．所以,传统的多播选路算法都是构建不舍圈的多播树．研究表明,一颗有效的多播树也可以包含圈．根据这一特点,提出了一种改进的Member-Only NMO算法,该算法消除了多播树不包含圈的限制．通过仿真实验, 得出了NMO算法可提高网络性能．     

二阶伏特拉滤波器RLS算法改进

分析了二阶伏特拉滤波器的一种快速RLS算法,针对其存在的收敛速度与收敛精度之间的矛盾,构造了遗忘因子函数并取代该算法中的固定遗忘因子,得到改进的RLS算法。提出了遗忘因子函数的构造原则并分析了相关参数的选取方法。算例表明:改进的RLS算法能解决收敛速度与收敛精度之间的矛盾,有效地加快了收敛速度。     

新型的适合于VoIP传输的轻量级加密算法

针对现有VoIP加密算法实现相对复杂、计算量大、系统性能消耗明显的情况,提出了一种适合于重视实现成本低、速度快、最小性能消耗的商业级应用轻量级VoIP加密算法。该算法本质上仍然是对称钥体系,但由动态小算法库组成,采用有记忆的改变每次加密的算法组合的原理,并在保证一定安全性的基础上解决了传统的必须要公钥密码体制传送密钥的问题,实现简单、速度快,计算量小。     

基于最速下降法的人工免疫算法

由于人工免疫算法受到收敛速度相对较慢,局部搜索能力较弱、求解全局最优解需要的群体规模相对较大等因素的影响,本文将最速下降法与人工免疫算法结合,提出了一种新的混合算法。数值实验结果表明,该算法能够找到更优的优化结果,并且在收敛速度上明显优于传统的人工免疫算法。