遗传算法的改进与参数特性研究

先叙述了遗传算法的基本原理和操作流程,并结合实际问题具体分析其特点,针对遗传算法易早熟、局部搜索能力弱以及易受参数影响等缺陷,从适应值函数、变异概率和自适应调节三个方面对算法进行了改进研究,并通过实例进行仿真验证,结果表明改进的算法有较好的寻优性能。参数间的不同组合将影响算法的寻优性能,尤其是收敛性,研究交叉概率和变异概率之间的交互作用,得出交叉概率和变异概率的建议取值区间。

农村中小学信息技术教育普及的问题及应对

本文主要介绍了当前中小学信息技术教育普及过程中存在装备及其维护不能满足普及信息技术教育的需要,滞后的教育观念不能满足普及信息技术教育的需要,教师掌握和应用信息技术的能力不能满足信息技术教育普及的需要等主要问题,并在此基础上分析了其产生的原因及四大应对策略。

仿生智能算法研究现状及军事应用综述

对仿生智能算法的运行机制和特点进行了叙述,分析遗传算法、狼群算法和蝙蝠算法这三种仿生算法的基本原理和优缺点;通过对近几年研究文献的统计分析,探讨了三种仿生算法的研究热点和成果;基于仿生智能算法研究现状,针对信息系统安全、目标识别、优化问题和火力分配四个方面讨论了该类算法在军事领域的应用;最后,对今后仿生智能算法的研究方向提出几点展望。

粒子群算法惯性权重的自适应改进与研究

针对粒子群算法存在早熟和收敛较慢两种缺陷,首先对粒子群算法的越界方式进行了改进,由于惯性权重是标准粒子群优化算法中一个重要的参数,决定了当前粒子速度对后续粒子的影响程度,从而控制整个算法的性能。在研究现有的几种惯性权重改进策略的基础上,提出基于适应度自适应动态调节的惯性权重改进算法。通过仿真研究不同的惯性权重对算法的影响,发现改进的粒子群算法在每次种群进行迭代时,根据每个粒子的适应度值自适应地改变其惯性权重,动态调整每个粒子的活性,提高了算法的全局搜索能力和收敛能力,较好的改进了原算法存在的缺点。

基于欧式距离的多种群克隆免疫遗传算法研究

为了克服基本免疫遗传算法最优解质量不高、种群多样性较低的缺陷,将免疫系统中抗体多样性的维持机制引入遗传算法,同时提高种群多样性和避免出现早熟,提出了欧式距离的多种群克隆免疫遗传算法,并分析了欧式距离原理、多种群原理和克隆选择原理。基于欧式距离的多种群划分提高了算法全局收敛性能,克隆选择操作则提高了算法的局部搜索能力。利用测试函数分别对免疫算法、免疫遗传算法和本文提出的改进算法进行仿真比较,结果表明所提方法可行有效,收敛性好。

基于均值聚类的KMCPSO舰载机出库调度算法

航母舰载机的出库调度效率,在很大程度上决定了整个航母的战斗力生成。通过研究K均值聚类算法的基本原理,提出基于均值聚类的KMCPSO舰载机出库调度算法。该算法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,通过在迭代过程对种群进行分群,以提高种群多样性,从而克服原算法的不足。基于俄罗斯“库兹涅佐夫”号航母舰载机出库任务,建立舰载机调度模型,并用KMCPSO算法进行求解。结果表明,KMCPSO算法能克服上述缺陷,模型有较好的应用价值。

基于速度向量化策略的二进制粒子群算法

基于二项分布等概率统计方法对原始的离散二进制粒子群算法进行分析,发现速度最大值和惯性权重这两个参数对原算法的搜索性能影响较大,且原算法的速度更新方式会降低种群多样性,导致全局搜索性能不强。基于此,提出基于速度向量化策略的二进制粒子群算法,通过对粒子的速度进行向量化,较好地提高了算法全局搜索性能。通过实例仿真对比,证明了所提算法的可行性及其优势。