基于自适应遗传算法的红外子热像图模糊增强方法

为了提高红外子热像图的边缘强度、信息熵和清晰度等,使图像视觉效果有所提高,研究了一种基于自适应遗传算法的红外子热像图模糊增强方法。对含有噪声的红外子热像图展开小波变换,分别获取高、低频小波系数,低频部分的小波系数不进行任何处理,高频部分的小波系数引入最小二乘对其进行总体估计,同时逆变换处理估计后的小波系数,完成红外子热像图去噪处理。通过模糊增强算法增强处理红外子热像图,同时引入自适应遗传算法优化处理模糊参数,实现红外子热像图模糊增强。实验结果表明,本文所提方法的图像更加清晰,且对比度也明显得到改善,其平均对比度值为0.075,平均边缘强度值为67.14,平均信息熵值为8.59,平均清晰度值为13.73,充分说明该方法获取的红外子热像图模糊增强效果更加理想,能够有效提升视觉效果。

基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。

基于改进自适应遗传算法的渠系优化配水分析

为减少渠系在输水过程中的渗漏损失,提高渠系水利用系数,以两级渠系渗漏损失、水流波动最小为目标函数,以下级渠道配水流量、配水开始和结束时间为决策变量,构建配水模型,并采用改进的自适应遗传算法(SIGGA)进行实例求解.提出了一种基于Sigmoid函数的自适应交叉、变异算子,并通过引入信息熵和新种群来减少种群多样性的损失.与人工制定、向量评估遗传算法(VEGA)、多目标粒子群算法(MOPSO)、粒子群混合模拟退火遗传算法(GSPSO)的配水结果进行对比分析,SIGGA求解的配水时长由25.00,15.00,11.00,11.55 d缩短为10.00 d,渗漏损失由97.89×10^(4),71.76×10^(4),70.36×10^(4),32.63×10^(4) m^(3)减少到31.58×10^(4) m^(3),渠系水利用系数由0.651,0.706,0.745,0.828提高到0.833.SIGGA能够克服传统遗传算法(SGA),VEGA易陷入局部最优的缺点,可实现高效、精确地按需配水,为水资源的集约节约化利用提供理论参考.

改进自适应遗传算法优化的船用增压锅炉上锅筒水位滑模控制方法

[目的]船用增压锅炉的上锅筒水位由于航行中负荷的频繁变化,难以获得理想的控制效果。为了保证上锅筒水位的稳定,对大负荷扰动下的上锅筒水位控制方法进行研究。提出一种基于改进自适应遗传算法优化的增压锅炉上锅筒水位滑模控制方法。[方法]将上锅筒水位偏差的速度和速度变化率引入S函数来设计滑模控制器,采用李雅普诺夫稳定性原理证明其稳定性。在此基础上,利用改进的自适应遗传算法优化滑模控制器。[结果]将改进的自适应遗传算法优化的增压锅炉上锅筒水位滑模控制方法与传统的PID控制方法进行了对比分析。在响应斜坡扰动信号和阶跃扰动信号时,改进自适应遗传算法优化的滑模控制器均能够无差跟踪输入信号,其稳定时间比PID缩短5 s,超调量也小于PID。[结论]仿真结果表明,改进自适应遗传算法优化的滑模控制方法具有更优的控制效果。

自适应遗传算法优化堆叠LSTM超参数的入侵检测研究

针对传统入侵检测模型检测准确率、精确率偏低和模型泛化能力不足的问题,采用自适应遗传算法优化堆叠(Long short-term memory, LSTM)进行入侵检测研究。构建堆叠LSTM入侵检测模型提取网络数据特征,为充分利用堆叠LSTM各层提取到的数据特征信息,改进堆叠LSTM的网络结构,将各层LSTM提取到的特征信息进行保留合并。为确定模型的最佳超参数取值,使用自适应遗传算法(Adaptive genetic algorithm,AGA)优化模型的超参数,AGA迭代完成后的输出即为最佳超参数取值,使用最佳超参数取值构建入侵检测模型。该模型在NSL-KDD数据集上的检测准确率为99.03%、精确率为94.86%、召回率为95.39%,在UNSW-NB15数据集上的检测准确率为90.21%、精确率为86.97%、召回率为89.11%。在所有对比模型中表现最优,且模型的泛化能力较强,能准确检测出未知攻击。

改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法

余热锅炉过热蒸汽温度常受到多种干扰和不确定因素的影响,导致温度波动较大,难以实现稳定控制。为此,提出改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法。利用过热蒸汽温度、锅炉负荷参数定义余热锅炉过热蒸汽温度控制方程,引入改进自适应遗传算法,通过自适应调整交叉和变异概率提升遗传算法的收敛速度,获取最优适应度函数,代入余热锅炉过热蒸汽温度控制方程中,实现蒸汽温度最优控制。通过对比实验验证得出,该方法的收敛性能好,对余热锅炉过热蒸汽温度控制的超调量为2.6℃,响应速度为1.8 s,证明该方法对余热锅炉过热蒸汽温度控制的稳定性及精度较好。

基于改进自适应遗传算法的异形标签排样

针对二维异形标签人工排版费时费力费料的问题,提出了一种高效便捷的解决方案。首先,建立二维矩形带排样问题的数学模型,使用最低水平线算法作为排样定位算法。其次,通过自适应调整遗传算法中交换和变异的概率,平衡算法的收敛速度与种群多样性之间关系。实例验证表明该方案具有较强的可操作性,对异形标签的排样具有较大的应用价值。社会的发展推动技术更迭,异形标签的自动排样技术对于推动传统印刷产业升维,促进印刷产业在智能时代持续发展具有重要意义。

物联网背景下基于改进多目标自适应遗传算法的智能汽车路径规划研究

在物联网迅速发展的时代背景下,智能汽车作为物联网的重要应用之一,其路径规划算法的优化显得尤为重要。然而,现有路径规划算法在应对复杂多变的实际道路情况时存在局限性,需要更灵活、高效的解决方案。本文首先列出了物联网背景下基于改进多目标自适应遗传算法的智能汽车路径规划的研究原因,随后重点论述了相关算法和研究方法,最后对研究结果进行了分析。

基于自适应遗传算法的葡萄酒生产质量评价方法

本研究提出了一种基于自适应遗传算法的葡萄酒生产质量评价方法,建立了全面的质量评价指标体系,包括物理化学、感官和工艺参数数据。通过自适应遗传算法,自动优化生产参数以最小化质量与理想标准的差距,实验结果表明,该方法相比传统方法具有更高准确性和稳定性,显著提高了葡萄酒品质,减少了质量波动。这一创新的评价方法有望广泛应用于葡萄酒生产业。

基于自适应遗传算法的频谱传感器部署方法研究

频谱监测是快速、高效实施频谱决策、管制和制定用频计划的重要依据。高质量的传感器部署方案能够提升对电磁环境的全域、精细化感知能力,是准确获得电磁态势信息的重要基础。首先构建传感器监测能力模型,采用区域栅格化方法对监测覆盖面积进行快速计算;然后以栅格化的区域坐标点作为传感器备选部署位置,以使用最少数量传感器部署实现对监测区域最大面积覆盖为优化目标,构造遗传算法模型,通过迭代计算得到最优的传感器部署结果。仿真结果表明该方法相较于传统传感器部署方法具有更好的效果。

基于自适应遗传算法的制丝排产研究与应用

针对卷烟制丝排产多约束多目标的问题,以烟丝交付及时率、换牌次数、生产均衡性为目标,充分考虑机台产能、工艺约束、原辅料供应约束条件下,构建制丝排产模型,并设计自适应遗传算法进行模型求解,通过改进交叉和变异算子的自适应设计,加快算法收敛速度。本文的方法已在某卷烟厂制丝排产中应用,验证了该方法的有效性。

自适应遗传算法求解半开放式多配送中心的车辆路径问题

针对半开放式多中心车辆路径问题,考虑配送中心配送成本不同,设计一种两阶段自适应遗传算法求解.在第一阶段通过并行算法和TOPSIS评分模型将客户点按配送中心进行分组,将较大规模问题问题转化为多个单配送中心路径问题,并在第二阶段设计了自适应遗传算法求解.基于国际标准算例库中的pr02算例,通过将所提出算法与其他文献中的混合蚁群算法和遗传算法进行对比分析,验证了所提算法的有效性和适用性.

一种结合混沌搜索的改进云自适应遗传算法

针对传统云自适应遗传算法由于初始种群质量不高、局部搜索能力较差、交叉和变异概率的云模型控制参数为固定值而造成的早熟和收敛速度较慢的问题,提出一种结合混沌搜索的改进云自适应遗传算法(CAGACS)。利用混沌模型生成初始种群,提高初始种群多样性;在进化过程中对最优个体进行混沌扰动,加强算法局部搜索能力;设计了随进化代数和种群规模变化的云模型控制参数,增强交叉和变异概率的自适应变化,克服早熟和收敛过慢的缺陷。实例仿真结果表明,CAGACS算法既保持了云自适应遗传算法的稳定倾向性和随机性,又进一步加强了算法的寻优能力。

基于自适应遗传算法的微信小程序界面信息布局设计方法

微信小程序界面受手机屏幕大小的影响,其视觉注意程度影响着小程序的使用率,因此,为了提高微信小程序界面信息布局效果,提出了基于自适应遗传算法的微信小程序界面信息布局设计方法。分析微信小程序视觉注意程度的影响因素,将图标、颜色等指标作为目标函数,并采用自适应遗传算法不断迭代最优解,基于全局观念按照程序的功能与重要性来整体划分小界面单元格面积大小,以此完成微信小程序界面信息布局设计。实验结果表明,经过所提出方法优化微信小程序界面布局后,用户错误点击次数较少,信息寻找时间也较少,获得了较好的布局效果。

基于混合自适应遗传算法的路径规划研究

为解决供应商管理库存(VMI)模式下带时间窗的车辆路径规划(VRPTW)问题,综合考虑多种条件建立了具有多目标约束的数学模型,并创新性提出混合式自适应遗传算法,该算法在自适应遗传算法(AGA)的基础上加入了节约算法构造种群的初始解,引入了随机遍历抽样法进行选择操作,改进了算法的交叉方式,最后运用大规模邻域搜索法(LNS)对变异后的种群进行破坏和修复操作。通过MATLAB软件进行仿真实验,与传统自适应遗传算法进行对比,运输成本显著性降低了50%,据此得出该混合式自适应遗传算法在解决VRPTW问题时具有更强更科学的全局搜索和快速收敛的能力,以期更高效合理地优化供应商车辆配送路径规划。

时变环境下基于自适应遗传算法的模糊绿色车辆路径问题

针对时变环境下的模糊绿色车辆路径问题,同时考虑了车速连续时变、客户需求量为模糊变量等特性,在目标函数中引入与绿色低碳有关的燃油成本,以极小化燃油成本、车辆使用成本并极大化客户满意度为目标,建立了相应的模糊规划模型,并运用自适应遗传算法进行了求解。采用仿真实例,分析了决策者主观偏好值对各个目标函数的影响,以及各个目标函数之间的相互影响。

基于自适应遗传算法的道岔油润除雪系统

针对传统道岔滑床板润滑、除雪工作普遍依靠人工作业完成,无法满足时效性和安全性要求等问题,设计了一种基于自适应遗传算法的道岔油润除雪系统。将喷油次数、单次喷油量、融雪剂量、摩擦系数等作为适应度函数的评价指标;利用自适应策略调整交叉、变异算子,提高算法的收敛速度。试验结果表明:基于自适应遗传算法的道岔油润除雪系统可以实现对道岔的智能控制和实时监测,减少了道岔转换卡阻问题,提高了道岔工作的可靠性。

基于自适应遗传算法的微服务移动目标防御策略

微服务架构因具有灵活、可扩展等特性,能够有效地提高软件的敏捷性,成为目前云中应用交付最主流的方法。然而,微服务化拆分使得应用的攻击面呈爆炸式增长,给以“要地防御”为核心的移动目标防御策略设计带来了巨大的挑战。针对该问题,提出了一种基于自适应遗传算法(AGA)的微服务移动目标防御策略,即动态轮换策略(DRS)。首先,基于微服务的特点,对攻击者的攻击路径进行分析;然后,提出微服务攻击图模型来形式化各种攻击场景,并对移动目标防御策略的安全增益和防御回报率进行定量分析;最后使用AGA求解移动目标防御的最优安全配置,即微服务的最优动态轮换周期。实验表明DRS具有可扩展性,相比统一配置策略、DSEOM以及随机配置策略,其防御回报率分别提高了17.25%,41.01%和222.88%。

采用改进两点交叉算子的改进自适应遗传算法求解不相关并行机混合流水车间调度问题

针对不相关并行机的混合流水车间调度问题,提出了改进两点交叉算子(ITPX)的自适应遗传算法。首先,利用精确取点方式提高两点交叉算子的求解性能;其次,论证了基于激素调节的自适应选择概率引导种群的收敛趋势;然后,建立优质染色体池和记忆因子来记录种群迭代的优质解,并实现两种不同区域的交叉。实验结果表明,ITPX可节省优化时间,提高求解性能;自适应概率可增强收敛性;改进两点交叉算子的改进自适应遗传算法(ITPX-IAGA)可缩短40%以上的求解时间,并提高求解性能。

基于自适应遗传算法的无线激光通信网络负载均衡成簇算法

由于无线激光通信网络吞吐量低、节点传输延时高和存在分组丢失率多等问题,提出基于自适应遗传算法的无线激光通信网络负载均衡成簇算法。利用AGCH算法对无线激光通信网络节点进行分组和成簇,从中取得簇头节点,构建资源调度模型,利用该模型对簇头节点中的资源进行分配调度,采用自适应遗传算法对建立的模型进行求解,以此提升无线激光通信网络负载均衡效果,实现无线激光通信网络负载均衡。实验结果表明,通过对该算法进行网络吞吐量测试、节点传输延时测试和分组丢失率测试,验证了该算法的有效性强、实用性高。