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.     

遗传算法在桥梁有限元模型修正中的应用

遗传算法是一种模拟自然选择和遗传机制的优化算法,在自动控制、图像处理等方面有着广泛的应用,本文将遗传算法应用于桥梁有限元模型修正,并与L-M算法的优化结果进行对比,二者优化结果基本一致,并总结出遗传算法与L-M算法在桥梁有限元模型修正中的优缺点。     

基于模拟退火遗传算法(N+M)容错系统优化模型的求解

本文提出了求解（N＋M）容错系统优化模型的模拟退火遗传算法．该算法在遗传算法的约束条件处理、交叉和变异概率选取、变异个体等环节引入了模拟退火机制，实现了模拟退火和遗传算法的融合，进一步改善算法的搜索能力、搜索效乍和收敛性能，计算结果验证了算法的有效性和正确性。     

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.     

一种提高局部搜索能力的混合遗传算法

针对遗传算法局部搜索能力弱的缺陷,提出了一种改进的混合遗传算法。根据遗传的不同阶段分为两个不同的群体——竞争群体和适应性群体,提出相关的遗传算子——繁殖因子。将运筹学中的单纯形法应用于遗传算法中,增强了遗传算法的局部搜索能力。对复杂函数的寻优实验验证了混合遗传算法的有效性,并通过与传统SGA的实算结果对比,更进一步说明了算法的改进效果。     

并行遗传算法在模拟有源滤波器设计中的应用

提出了一种基于岛屿群体模型的并行遗传算法,该算法克服了以往采用基本遗传算法存在易早熟、收敛速度慢的不足,具有较高的加速比和运算效率.将其应用到模拟有源滤波器参数的优化设计中,仿真结果验证了算法的有效性.     

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.     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

遗传算法及其在电力系统无功优化中的应用

遗传算法是基于自然选择规律的一种优化方法,算法能成功地解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。本文阐述了遗传算法的特点以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用。     

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.     

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。     

引入模拟退火机制的新型遗传算法

提出了一种将遗传算法与模拟退火算法相结合的新搜索算法。该算法以遗传算法运算流程作为主体流程,并把模拟退火机制融入其中,用以调整优化群体。在进化过程中使用了保留策略,以保存适应度较好的个体。在模拟退火算法的跳变操作过程中使用类似遗传算法变异来实现,先作置反操作,再作前后等长交换操作,以防止陷入局部最优。实验表明,该算法与传统遗传算法相比,提高了进化速度和全局寻优能力。     

基于灰狼优化算法的装配式预制构件生产调度优化研究

合理优化预制构件的生产调度是降低装配式生产成本的一种方式。在考虑到构件生产资源约束的前提下,建立了装配式预制构件生产调度优化模型,设计了求解该模型的改进离散灰狼优化算法(Improve Grey Wolf Optimization, IGWO)并带入实际案例进行了测试。将改进后的离散灰狼算法、Palmer启发式算法和遗传算法(Genetic Algorithm, GA)结果进行了对比,结果表明：改进后的离散灰狼算法优于Palmer法和遗传算法,且在合理安排调度后能够提升预制构件的生产效率。     

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.     

射频前端系统中的无源电路电磁建模及关键技术研究

本项目取得下列重要进展:(1)深入研究遗传算法和空间映射算法,并提出了新的改进遗传算法、空间映射算法等现代高效电路设计方法,分别开发了基于上述两种算法的射频电路电磁优化设计软件,并将其     

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。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

遗传聚类算法及其改进

本文给出了一种改进的基于遗传算法的聚类算法。传统的KMeans算法具有较强的局部搜索能力,但是对初始化聚类中心很敏感,容易陷入局部收敛性。基本遗传算法具有全局优化性,但局部搜索能力较差,收敛速度慢。针对二者算法的优缺点,利用了面向对象程序设计思想,结合二者的优点,提出了一种改进的遗传聚类算法。数据实验表明,该方法有效地提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。     

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。     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法，分析了它们各自的不足。提出了一种将BP算法与遗传算法有机结合的混合智能计算方法，并且给出了具体的算法实现流程。将该方法应用于数字图象识别，经过实验表明混合算法优于传统BP算法。