基于标准遗传算法的地下水污染源溯源方法

本文将标准遗传算法应用于确定一维均质含水层中污染源位置,利用数值实验分析污染源预估域对溯源计算时间、均值及方差的影响。研究发现,基于标准遗传算法的溯源方法可以在文中的理想算例中取得较好的溯源效果。溯源时间在整体上呈现溯源问题越复杂溯源时间越长的规律。延污染物运移主方向上,污染溯位置的变化对溯源结果的影响小于垂直于污染物运移主方向上的影响,而溯源方法陷入局部最优的可能要大于在垂直于污染物运移主方向上陷入局部最优的可能。

标准遗传算法的改进方案——加速遗传算法

针对标准遗传算法在实际应用中存在的问题 ,设计了简单遗传算法的一种改进形式——加速遗传算法 ( AGA) ,并对 AGA的有效性和可行性进行了理论分析和实例分析 .

多种群遗传算法在图像处理中的应用研究

传统图像增强方式存在一系列缺陷,基于此有针对性地提出以多种群遗传算法为基础的新图像增强算法。首先,将非完全Beta函数图像增强过程参数编码成为遗传算法中的个体,然后根据适应度函数,模拟自然界生物进化过程对参数进行寻优,这是一种标准的遗传算法,因为优化过程中不依赖于梯度,使其具有很强的鲁棒性和全局搜索能力,但存在一个不可忽视的问题,即过早收敛,主要表现为种群中的所有个体都趋于同一状态并结束进化,导致最终算法无法获得相对满意的结果。为了克服上述问题,多种群遗传算法引入移民算子和精华种群,实验表明它具有很好的稳定性和较快的收敛性。

基于混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点·算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法·

基于个体相似度的双种群遗传算法

针对标准遗传算法搜索精度低、容易陷入局部最优解的缺陷,提出一种基于个体相似度的双种群遗传算法。将竞争算子和第二个种群引入标准遗传算法中,在主种群内部利用海明距离计算个体之间的相似度,进行种群内部竞争,保留"种子"个体,而与其相似的个体参与种群之间的交流,从而保持种群多样性。使用经典测试函数对该算法进行了仿真实验,结果表明,该算法能有效抑制"早熟"现象,其全局搜索能力和搜索效果都有了明显的提高。

云自适应遗传算法有能力约束的车辆调度优化

针对与车辆调度成本密切相关的运输量和车辆利用率,建立油耗费用和固定费用最小的车辆调度模型。根据车辆调度问题实时性和复杂性的要求,提出云模型理论与遗传算法相结合的云自适应遗传算法,利用云模型云滴的随机性和稳定倾向性改进标准遗传算法中固定设置交叉和变异概率的方式,克服了标准遗传算法搜索速度慢及易早熟的缺陷,设计基于最大保留机制的交叉和变异算子,提高了算法的收敛性和鲁棒性。最后,结合算例对模型和算法的有效性进行验证。

改进的实码加速遗传算法

对实码加速遗传算法(RAGA)8个步骤的局部参数进行修改,再对最后一次加速收缩后的区间用标准遗传算法(SGA)进行精细搜索。经过实例证明,改进后的算法计算机运行的次数减少,并且精度也得到提高。另外,对加速后的区间产生偏向最优点一侧的概率做了理论上的探讨,提出了把区间端点值重新赋给2个个体参加下一轮搜索。这样处理后避免舍去上次搜索的最优值,在一定程度上避免了某个变量的搜索区间在最优值一侧发生偏移。

改进遗传算法在环状管网水力平衡计算中的应用

标准遗传算法不擅于局部微调,在标准遗传算法的基础上,利用传统的优化方法中坐标轮换寻优方法对个体进行局部微调,寻优能力明显提高。把该算法用于环状管网水力平衡计算,计算结果精度较高。

混合遗传算法在工程结构优化设计中的应用

根据工程实际 ,充分考虑规范规定的约束条件和各项技术标准要求 ,建立了建筑结构优化模型。并提出一种离散变量结构优化设计的斐波那契算法与标准遗传算法结合成混合遗传算法。优化设计结果表明 ,这种混合遗传算法既发挥了斐波那契算法省时、高效、局部搜索能力强的特点 ,又发挥了遗传算法全局性好的特点 ,是兼二者之长 ,弃二者之短的高效的理想的工程结构优化设计方法。

结构优化设计中的组合遗传算法

针对标准遗传算法存在的早熟收敛、随机振荡和收敛速度慢等缺陷,采取改进措施.利用混沌序列的随机遍历性生成初始种群,并把相对差商算法的优化解加入到初始种群中,改善初始种群的性能.采用适应度的指数尺度变换改进传统的适应度评价函数.相对差商算法局部搜索能力强,而遗传算法具有较强的全局搜索性,发挥两者的优势,提出组合遗传算法.把相对差商算法作为一个与选择、交叉、变异平行的遗传算子嵌入到改进遗传算法中,提高局部寻优能力,防止早熟收敛.通过十杆平面桁架的数值算例来验证组合遗传算法应用的可行性和有效性,组合遗传算法的优化结果也远好于标准遗传算法和改进遗传算法.

基于遗传算法的Web集群负载均衡方法

Web集群技术解决了Web服务器系统的容量问题,其核心思想是负载均衡策略和算法。在此对Web集群中的负载均衡技术进行了分析和探讨,并提出一种混合遗传算法。仿真实验表明,这种算法能有效解决Web集群的负载均衡问题,并且能避免标准遗传算法的早熟收敛现象,同传统的负载均衡方法相比,降低了任务执行时间。

基于改进遗传算法的摄像机标定参数优化方法

针对标准遗传算法在摄像机标定参数非线性优化过程中,易出现过早收敛和停滞现象的问题,提出一种新的摄像机标定参数优化方法。首先,采用非线性的归一化几何排名函数与随机遍历抽样法混合作为选择方法,对遗传算法进行改进;然后,采用改进的遗传算法对摄像机标定参数进行非线性优化;最后,将其与标准遗传算法进行标定参数非线性优化对比实验,实验结果表明:算法平均绝对误差低于标准遗传算法,且图像主点坐标更接近参考值,能较好地缓解过早收敛和停滞现象,提高了标定精度。

基于改进遗传算法的圆锥滚子轴承优化设计方法的研究

文章给出了基于改进遗传算法的圆锥滚子轴承优化设计的方法。针对传统算法在圆锥滚子轴承优化设计中全局寻优能力较差问题,文章改进了标准遗传算法(Simple Genetic A lgorithm SGA)的算法参数,采用了最优解保存策略,并运用退火罚函数法[1]处理约束。通过与标准遗传算法及综合约束双下降法比较,表明改进遗传算法具有良好全局寻优能力和稳定性。从而解决了开发圆锥滚子轴承CAD系统的关键问题。

基于实数编码的改进遗传算法研究

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了基于实数编码的遗传算法的改进算法,对基于实数编码的遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略、多算子交叉和变异,并且采用自适应变焦变异,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性。实验表明基于实数编码的改进遗传算法(RIGA)有效的改善了遗传算法的缺点。

船舶尾流目标识别的随机梯度遗传算法研究

船舶尾流形貌包含着船舶类型、船舶吨位、船舶航速等方面的信息,对尾流目标的识别是船舶识别的一种有用途径.论述了随机梯度遗传算法的原理、特点及运算步骤,将该算法应用于船舶尾流目标的识别问题,对三个航速下船舶尾流目标的分类及识别.随机梯度遗传算法进化代数从5增加到10以及从10增加到15时,三个航速下的目标识别率按照接近20%的比例增加.而当进化代数从15增加到20及以上时,目标识别率增加缓慢,即进化代数达到15时,算法基本收敛.识别结果表明随机梯度遗传算法可用于船舶尾流目标的识别.标准遗传算法逼近全局最优值比较慢,有时会陷入局部最优,在全局最优值附近出现波动现象,算法收敛性较差.

基于量子遗传算法的多峰函数优化研究

针对标准遗传算法在多峰函数寻优中出现的局部收敛性及精度不高等问题,提出了一种基于量子遗传算法的多峰函数优化算法。该算法融合了量子计算和遗传算法的思想,通过量子比特编码和量子旋转门调整策略更新种群。仿真结果表明该优化算法收敛速度快,能跳出局部最优,在多峰函数寻优中具有有效性和可行性。

一种改进的混合遗传算法研究

标准遗传算法的求泛能力优于它的求精能力,在求解GA-困难问题时求解精度难以控制,本文由此提出了一种改进的ε-混合遗传算法。本算法在每代找出最优个体之后,以该最优个体为初始出发点在一个固定半径的区域内进行局部搜索,以搜索结果代替最差个体或其它个体,然后再进入下一代操作。算法大大提高了求解精度,同时也提高了稳定性。

遗传算法在车牌特征选择的应用研究

研究车牌自动识别系统中的车牌特征选择问题。车牌特征选择结果的优劣将直接影响车牌识别准确率,因此选择对车牌字符识别能力强的特征是车牌自动识别中一个关键问题。由于传统特征选择方法计算时间长及标准遗传算法过早收敛的缺点,导致车牌字符识别准确率低。为了提高车牌识别的准确率,提出一种改进遗传算法的车牌特征选择方法,把车牌特征作为遗传算的种群中个体,以车牌识别率为目标函数,在算法前期采用保优策略,保持最优特征的多样性,来避免局部最优;在进化后期,当特征最优信息陷入停滞时,自适应调整进化参数,加快进化速度。仿真结果表明,选择车牌特征的车牌自动识别系统识别准确率达到了92.36%,远远高于标准遗传算法和自适应遗传算法的86.53%和90.3%,说明,改进方法不仅提高了车牌字符识别率,而且克服了传统遗传算法在特征选择过程中出现的早熟现象,防止陷入局部最优的缺点。

WSN中基于改进自适应遗传算法的移动代理路由算法

文章针对无线传感器网络能量消耗和延时问题,结合移动代理路由策略,提出了一种改进型自适应遗传算法,利用此算法求出移动代理在网络中的最佳迁移节点序列,以达到优化网络效果。通过仿真实验结果表明,与标准遗传算法相比,此算法具有更小的网络能量消耗和延时。

基于MATLAB遗传算法工具箱的非线性电路求解

结合非线性电路,将非线性方程组的求解转化为用遗传算法求解目标函数的最小值问题,借助MATLAB的遗传算法与直接搜索工具箱(GADS)采用标准遗传算法较详细地介绍了其求解过程。结果表明,用该方法求解非线性方程组不仅方便快捷,而且近似解精度较高,突出了遗传算法在非线性电路数值计算中的优越性。该方法可以推广应用于其他非线性问题的求解。