基于差分进化算法和交叉算子的电力企业应急物资多目标分层调度方法

为实现电力系统应急故障的高效抢修,降低故障风险,提出基于差分进化算法和交叉算子的电力企业应急物资多目标分层调度方法。该方法结合电力企业全局调度需求,确定电力企业应急物资多目标上层调度目标函数和下层调度目标函数,同时设计对应的约束条件;采用差分进化算法求解双层调度目标函数,并且为保证解的多样性和算法收敛性,引入进化过程信息优化算法变异算子的变异概率,以此保证目标函数的求解效果。测试结果显示:反世代距离和散布性分别在0.034和0.28以下;结合应急物资供应点位置进行应急物资调配路径规划;应急物资调度的公平性、资源覆盖满意度均在0.92以上;调度后,电力系统的风险固结函数结果均在0.14以下。

智能交叉算子遗传算法的新机制

分析了传统遗传算法中的交叉算子的作用与局限,认为正是交叉算子被赋予两个互相矛盾的任务,而使传统遗传算法的运行机制变得复杂。对交叉算子的功能进行简化,提出智能交叉算子,形成新的、简单的遗传运行机制。该机制认为,进化是由环境与个体共同实现的。基于这种思想,利用MATLAB编写了一个智能交叉遗传算法工具箱,并对该工具箱进行数值试验。结果表明该算法具有非常精确的全局求优的特点,克服了早熟收敛,且收敛速度较快。

带交叉算子的量子粒子群优化算法

为了改善量子粒子群优化(QPSO)算法、提高其求解多峰优化问题的能力,采用新的粒子吸引点和势阱特征长度计算方法,引入遗传算法中的交叉算子并融入交叉概率自适应的参数控制技术,设计了一种带交叉算子的量子粒子群优化(CQPSO)算法.CQPSO算法既可确保QPSO粒子群体的多样性、维护粒子整体的活力性,又能克服特殊情况下QPSO算法收敛的不稳定性和陷入局部最优的偶发性.实验结果表明,在21个标准测试函数中,无论对应单峰函数、多峰函数或是偏移、旋转函数,在相同的物理仿真平台上,CQPSO算法的性能在绝大多数情况下都优于其他改进的量子粒子群算法,从而验证了CQPSO算法的有效性和鲁棒性.

遗传算法中的交叉算子的述评

交叉算子是遗传算法中的一种重要算子,对遗传算法中较成熟的交叉算子进行了简单介绍,在此基础上结合文献内容,从理论应用以及作用机理等几个方面对遗传算法中改进的交叉算子进行了分析和讨论,可以发现改进后的交叉算子能在一定程度上克服传统遗传算法的缺点,提高其搜索效率和精度,有效避免过早收敛。进一步提出遗传算法中交叉算子的未来研究方向,为今后遗传算法的应用和发展奠定了基础。

交叉算子的搜索能力

文中对遗传算法中常用的交叉算子的搜索能力进行了讨论，综合考虑了交叉算子对染色体的双重作用，给出了染色体在交叉算子作用下数量和分布范围的变化规律，得到了模式变化的极限性能，证明了交叉算子在演化代数增加的时候能够使模式内部各基因趋于独立，并且只要组成模式的各个基因都存在，则该模式一定能够被搜索到，此时模式的极限概率等于组成该模式各基因的初始概率（也就是基因的极限概率）的乘积，并且与模式的定义长度无关，说明了交叉算子使群体分布扩散的特性。

遗传算法交叉算子性能对比研究

就交叉算子性能对比问题 ,提出了算子子代在海明距离上分布的分析方法 ,对遗传算法中常见的单点、双点和均匀交叉算子子代生成空间上子代生成特点进行了系统分析 ,并使用具有代表性的NKLandscape上两种基因关联模型 (NK RND和NKADJ)和两种遗传算法模型 (SGA和SSGA)进行试验 ,试验结果表明不存在算子性能的绝对差异 ,实际问题基因间的关联紧密度及遗传算法模型对交叉算子性能有很大影响 ,当解空间基因位置关联紧密时应用双点交叉算子性能最好 ,而均匀交叉算子性能受SGA和SSGA的影响最小 .

遗传算法交叉算子的实质分析

通过分析比较标准二进制交叉算子和标准十进制交叉算子的异同点,得出结论:交叉算子的实质是在父代个体的数值和所决定的'家族'中随机取值,因而其不能保证交叉操作后的子代个体优于父代个体,体现出盲目搜索的特点;二进制交叉和十进制交叉均对本质交叉搜索区间进行了进一步的划分,但并不能保证进化搜索到更好的样本.根据所得结论,设计了一种改进遗传算法,其有效性证明了本文结论的正确性.

改进遗传交叉算子求解TSP问题

遗传算法中的交叉算子最根本的作用就是要使子代继承父代的优秀基因 .本文着重考虑了用遗传算法求解TSP问题中遇到的交叉算子 ,根据TSP问题的特点 ,构造出一种能很好继承父代优秀基因的交叉算子 ;实例计算表明该算法收敛速度快 。

交叉算子的极限一致性

交叉算子是遗传算法的主要操作算子之一 ,它使遗传算法具有了其它传统方法所没有的特性 ,关于它的理论研究对深入理解遗传算法具有重要意义 .该文对遗传算法中常用的交叉算子 (一点交叉算子、两点交叉算子、多点交叉算子和一致交叉算子 )的性质进行了分析 ,综合考虑了交叉算子对染色体的双重作用 ,给出了染色体在各种交叉算子作用下的变化规律 ,并且得到了模式变化的极限性能 ,证明了这些交叉算子的极限一致性 ,即这些交叉算子在演化代数趋于无穷时对染色体的作用结果是一致的 ,同时对各自不同的收敛特点进行了分析 .这些分析结果不仅为 U MDA等算法提供了一定的理论依据 ,也为今后的研究工作提供了基础 .

基于邻域正交交叉算子的人工鱼群算法

将邻域正交交叉算子引入到基本人工鱼群算法中,提出了一种基于邻域正交交叉算子的人工鱼群算法。该算法采用动态调整人工鱼视野和步长的方法,较好地平衡了全局搜索能力和局部搜索能力。将人工鱼的邻域极值与该人工鱼进行正交交叉运算,产生少量的具有代表性的较优个体,而新产生的个体不仅利用了本身的有用信息,同时利用了邻域极值的最优信息,加快了算法的收敛速度,增强了算法的寻优能力。仿真结果表明,该算法具有较高的优化性能。

基于工件位置交叉算子的车间作业调度算法

交叉算子是遗传算法中最主要的遗传算子,对种群的搜索性能起着重要的作用。基于操作编码的遗传算法多采用两点交叉算子,研究发现这种交叉算子收敛速度慢,容易陷入局部最优解,为此设计了一种基于工件位置的交叉算子,通过试验仿真验证了该算子在收敛速度和求全局最优解上有显著优势。

旅行商问题的一种插入交叉算子

求解TSP问题是遗传算法应用的一个重要领域,其本质是TSP问题中巡回路径编码串的组合最优化问题。对于符号编码方式的遗传算法,通常需要设计特定的交叉算子以提高算法的运行效率和性能。该文针对自然数编码的方式,提出了一种较适合于大规模TSP问题求解的遗传交叉算子:插入交叉(InsertCrossover,简称IX)算子。该算子以优良的交叉策略,保证了算法的快速收敛和全局寻优。仿真实验结果证明,IX算子对于大规模TSP问题具有比较好的性能。

交叉点规模的优化与交叉算子性能的改进

通过分析交叉点规模对交叉算子空间搜索性能的影响,可以发现在遗传算法的搜索过程中,其对交叉点规模的需求是随群体状态的演变而动态变化的.为实现对交叉点规模的优化,提出使用分阶段调整策略、随机分配策略以及自适应进化策略3种方法来完成对交叉点规模的动态调控.对典型高维函数的优化实验表明,上述方法可以显著提高交叉操作的搜索效率,其中,自适应进化策略利用搜索机制可以发现一类高维函数交叉点规模的控制知识,实验结果证实了此类知识的有效性.此外,该研究也为对进化算法中算子和参数的优化提供了新思路.

基于改进遗传交叉算子的高心墙堆石坝参数反演

受基因工程选择性克隆优秀基因片段的启发,提出一种基于基因片段差异度的自适应交叉算子(genetic crossover based on the difference of gene fragment,DGFX)。在改进的交叉算子中,随机确定基因片段长度,计算父代个体对应基因片段的差异度,根据差异度选择基因片段进行交叉操作,能有效避免近亲繁殖,减少无效交叉操作,加快收敛速度。此外,根据演化代数自适应调整基因片段长度系数,增强算法全局收敛能力。将该交叉算子与帕累托交叉算子、启发式交叉算子运用标准测试函数进行对比分析。研究结果表明:利用DGFX交叉算子时能快速收敛到全局最优解,且算法鲁棒性强、精度高。将DGFX交叉算子运用于瀑布沟心墙堆石坝堆石体力学参数反演,利用反演的力学参数进行计算,各测点计算值和实测值在发展趋势和数值上均吻合较好,说明DGFX交叉算子运用于多变量、强非线性复杂岩土工程位移反演中的优越性,具有良好的实际应用价值。

具有自适应交叉算子的遗传算法及其应用

简单遗传算法采用常数交叉概率和随机选择交叉点的方式进行交叉操作，这种操作方式带有一定盲目性和随机性，无法保证子代个体一定优于父代个体。为此提出了一个新的自适应交叉算子，依据每代个体的适应值函数来调整交叉位置和交叉概率，使杂交沿着有利于算法收敛的方向进行．为了验证这种自适应交叉算子的有效性和合理性，对一个二维多峰函数的极大值搜索问题，进行了求解．并将新算法进一步应用于离心叶轮的形状优化问题，结果表明具有自适应交叉算子的遗传算法在收敛速度和获得全局最优解的概率两方面都有很大提高。

自交叉算子

研究表明交叉算子对染色体具有破坏和重构的双重作用 ,从而在进化代数增加的时候能够使模式内部各基因趋于独立 ,并且只要组成模式的各个基因都存在 ,则该模式一定能够被搜索到 ,此时模式的极限概率就等于组成该模式各基因的初始概率 (也就是基因的极限概率 )的乘积 ,与模式的定义长度无关 .在对交叉算子性能深入认识的基础上 ,我们提出了一种新的交叉算子———自交叉算子 。

基于多维问题的交叉算子量子粒子群优化算法

针对量子行为粒子群优化(QPSO)算法在求解多维问题时优秀维信息丢失的问题,引入交叉算子的策略,改善解的质量,提升算法性能。首先,分析了量子粒子群算法进化过程中的粒子整体更新评价策略,发现各维信息之间相互干扰,会丢失已经搜索到的优秀维信息;然后,指出如果采用逐维进化方法,会指数级增加算法的复杂度;最后,提出对进化过程中的问题解采用多点交叉的策略增加优秀维信息的保留概率,并将改进后的量子粒子群算法与线性下降参数控制策略、非线性下降参数控制策略方法通过12个CEC2005 benchmark测试函数进行了比较,并对结果进行了分析。仿真结果显示,所提算法比改进前在10个测试函数中取得了明显的改进效果,而比其他2种改进算法也在7个测试函数中取得了优势。因此该算法能够有效提升量子粒子群优化算法的性能。

一种新的遗传算法交叉算子及其在GNSS星座选择中的应用

针对全球导航卫星系统(GNSS)星座选择的需要,分析了多星座卫星导航定位系统选星问题的数学描述形式,根据选星问题的实质要求,将选星问题转换为单约束组合优化问题;而在采用遗传算法求解诸如选星求解类组合优化问题时,由于其对1基因(或0基因)的数量有特别的约束要求,已有的一些交叉算子不能满足该约束要求;针对基因数约束条件,提出了一种新的交叉算子——变异交叉,新的交叉算子仅以1基因或0基因为交换对象实现交叉操作来产生原始后代、以变异作为辅助方式来实现后代的合法化;实验结果表明,所提出的交叉算子能有效应用于遗传算法实现多星座卫星导航定位系统选星求解,且运算量较少,可以实现简单、快速求解,满足实时选星要求。

TSP问题的顺序插入交叉算子

针对TSP问题的特点,在遗传算法的交叉运算过程中设计了三角距离差函数作为评价标准,运用贪婪策略思想,提出了一种新的交叉算子:顺序插入交叉(OrderInsertCrossover,简称OIC)算子,该算子有效地利用了局部信息,并且能很好地继承父代优秀的基因,实例仿真验证了该算子的有效性。

遗传算法模拟生物多序列比对之交叉算子优化

为优化生物多序列比对问题,降低计算难度,提高计算效率,采用遗传算法模拟多序列比对,构造了四种简单的交叉算子及三种后处理方式,分析交叉算子和交叉后处理方式对多序列比对结果的影响。通过实验比较,结果表明多行横向交叉的计算效果最好,后处理方式cross4to2能有效缩短计算时间,二者相结合能很大提高遗传算法的计算效率,从而达到优化多序列比对的目的.