改进小生境遗传算法在电力系统无功优化中的应用

利用改进小生境遗传算法进行了电力系统无功优化计算。算法主要做了以下改进:设置个体之间的距离判别标准L为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优情况。对IEEE30节点算例系统进行了无功优化,并对优化前后各项技术性能指标进行了分析,说明了改进小生境遗传算法在保持解的多样性、提高搜索效率和优化效果等方面都具有良好的性能。对某县级配电网进行了仿真计算,仿真结果证明了所提算法的有效性。

认知无线电网络中系统效益最大化的频谱分配

传统遗传算法和自适应遗传算法在优化认知无线电网络的系统效益时易陷入局部最优。针对该问题,通过引入反映每个染色体基因特性的欧氏距离,对遗传算法进行改进,提出一种系统效益最大化的频谱分配方案。实验结果表明,该方案的频谱分配性能优于基于传统遗传算法和自适应遗传算法的方案。

基于改进小生境遗传算法的Pareto多目标配电网重构

配电网重构是一个多目标、多约束的复杂非线性组合优化问题,若采用传统的遗传算法处理此类问题,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。建立了Pareto多目标重构数学模型并提出一种改进小生境遗传算法来处理配电网重构问题。算法主要有以下几种特点:设置个体之间的距离判别标准L为动态函数,保持了种群的多样性;采用最优保存策略,提高了算法的收敛速度;交叉、变异采用自适应规则,避免了算法陷入局部最优的情况。另外,Pareto多目标数学模型的引入也使算法更具实际工程意义,采用国外一个实际的配电网络对算法进行了验证。理论分析和算例表明,该算法具有高收敛性、快实时性和强全局稳定性的优点。

一种基于量子遗传算法的红外图像分割方法

针对经典的二维O tsu和最大熵算法的不足,提出了一种基于量子遗传算法的海上红外图像目标分割方法.该方法同时考虑了图像像素点的灰度分布信息和像素间的空间相互信息,将基于fisher准则的类内类间距离判据作为分类依据,利用量子遗传算法进行寻优以获取最佳阈值,实现了海上红外目标图像的分割过程.选取3幅海上红外目标图像进行了仿真实验.实验结果表明,提出的方法在分割效果和计算速度上都优于传统的O tsu和最大熵法.

基于改进遗传算法的加权模糊C均值聚类算法

针对模糊C均值(FCM)聚类算法具有初始聚类中心敏感和容易陷入局部最优的问题,提出了一种基于改进遗传算法(GA)的加权模糊C均值聚类算法,采用高斯变异算子,提高了遗传算法在每个峰值附近的局部搜索能力,用基于复相关系数的加权欧式距离代替欧式距离,改进了FCM算法的聚类目标函数。用改进的算法对国际标准测试数据Iris进行测试,实验结果表明改进后的算法具有更好的稳定性和健壮性,提高了聚类的效果。

基于免疫遗传算法的移动机器人全局路径规划

提出了基于免疫遗传算法的静态环境下移动机器人全局路径规划方法。该方法首先建立机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,将免碰撞要求和路径最优要求融合成免疫遗传算法的一个简单适应度函数。将抗体选择概率表示成一个基于抗体矢量距和抗体浓度的融合函数,同时保证了抗体的多样性和成熟收敛。通过仿真,并与遗传算法相比,性能有很大提高,证明了该全局路径规划方法的正确性和有效性。

遗传算法在水土保持综合效益评价中的应用初探

采用遗传算法与欧氏距离判别法相结合的方法,对水土保持综合效益进行评价,并以丹东市为例进行解析。实例中,运用上述方法并得出:大沙河的水土保持综合效益最优,而大洋河与隶属鸭绿江其他支流的水土保持综合效益最差,这与卫星影像解译结果有良好的一致性。这也表明,采用遗传算法与欧氏距离判别法相结合的办法评定水土保持综合效益具有可行性,并较好地克服主观性,使结果更加客观公正。

基于高斯混合模型的轨迹模仿学习表征参数优化

针对高斯混合模型(Gaussian mixture model,GMM)参数选取效率较低的问题,提出了一种在基于GMM的轨迹模仿学习表征中综合求解GMM参数估计的方法.该方法基于多中心聚类算法中的最大最小距离算法改进kmeans算法,得到最优初始聚类中心,并基于贝叶斯信息准则(Bayesian information criterion,BIC)通过遗传算法优化求解,同时获取GMM的4个重要参数.该方法通过提高划分初始数据集的效率,在优化初始聚类中心基础上确定混合模型个数,有效地避免了因为初值敏感而导致的局部极值问题.通过多组仿真实验验证了该方法的有效性.

基于遗传算法的动态文本聚类

为了解决动态文本聚类中聚类中心陷于局部极值点的问题,该文提出了基于遗传算法的动态文本聚类方法.采用二进制编码方式对聚类中心进行编码、类内中的点与其类中心的欧氏距离作为适应度函数.通过遗传算子的操作对类中心进行逐步迭代,直至适应度函数收敛,得到使聚类划分效果最好的聚类中心.实验表明该方法可以克服局部极值点的问题,且聚类结果的评价指标Purity(纯度)也比较好.

一种改进的免疫遗传算法的性能分析

针对基于信息熵和基于欧氏距离的免疫遗传算法存在的不足,提出了一种改进的免疫遗传算法(IIGAE)。该算法重新定义了抗体相似度和期望繁殖率,从而提出了一种新的保持抗体群多样性策略。将IIGAE与D-IGAE、IGAE、GAES相比较,仿真结果表明,IIGAE能很快收敛到最优解,并且解的波动小。

基于最小欧式距离(1+1)小生境遗传算法的无功优化

针对电力系统无功优化存在的问题,提出了利用最小欧氏距离下(1+1)竞争小生境遗传算法,克服了小生境遗传算法中小生境难以确定的不足,改善了遗传算法容易陷入局部收敛和早熟的缺点。通过对IEEE30节点测试系统进行无功优化计算,验证了该算法全局搜索能力强、效率高。

基于类内类间判据与遗传算法的故障特征选择方法

针对原始故障数据集因"高维"和"海量"引发的"维数灾难"问题,提出一种基于类内类间距离判据和遗传算法相结合的故障特征选择方法.在提取出时域、频域、小波包频带能量作为描述系统状态的原始故障特征集基础上,经类内类间距离判据初次选择剔除不相关特征之后,引入遗传算法二次选择去除冗余特征,得到一种近似最优特征子集.结果表明:基于类内类间距离判据和遗传算法的故障特征选择方法可以剔除不相关和冗余特征,最终得到精简特征子集,并且筛选出的特征子集对故障类型的判别有很高的识别能力.

改进粒子群算法在供应链库存控制中的应用

针对季节性产品,设计了拥有多个供应商和零售商的二级供应链网络,其中,每个供应商都有对应的仓库且库存量是有限的.供应商和零售商的位置是已知的,零售商从供应商处购买不同的产品拥有相应的折扣.把零售商与供应商的距离设为欧氏距离.寻找最优的供应商,使库存总成本包括运输成本,库存持有成本和采购成本最小化.通过改进的粒子群优化算法和遗传算法分别对算例进行求解.最后对结果对比分析,证明了改进粒子群算法与遗传算法相比具有更好的效果.

最小欧氏距离下(1+1)竞争小生境遗传算法

探讨了避开事先了解和设定任何小生境相关参数的小生境方法。考虑NGA进化的特点,利用最小欧氏距离下的成对个体具有性态相似性及其大概率地同属同一小生境的特点,采用改进的进化算子建立(1+1)模拟自然小生境内性态相似个体的竞争机制,各个小生境内多对性态相似个体的竞争能够保证各小生境的同时进化,同时引入整体解空间的动态交叉和变异概率来保持群体的多样性,构造了一种全新的小生境算法。4个多峰函数优化数值试验结果证明此方法稳定、显效。

PATHCLUST空间聚类算法在洛阳城市规划与管理中的应用

城市人口的聚类分析对科学制定城市规划是一个很有用的方法。本文主要讨论PATHCLUST算法的原理和方法,给出了聚类分析选择最优算法应注意的问题;以洛阳市第三期城市规划中学规划为例。

遗传算法中种群维护策略的比较

遗传算法在许多优化问题中都有成功的应用,但其本身也存在一些不足。如何改善遗传算法的搜索能力,使其兼顾收敛速度和搜索范围,能更好地解决实际问题,一直是智能计算领域主要的课题之一。本文就3种常见的种群维护策略进行了比较与讨论,并分析了不同策略的优劣之处。

结合遗传算法的聚类神经网络

许多聚类算法有两个缺点：１）采用某种距离作为相似性测度。类别接受域为球形，不能与复杂模式分布匹配；２）对确定合理类别数不能提供任何帮助。采用最大似然准则的聚类算法其类别接受域为球形或椭球形，可以与模式的分布匹配更好。在计算似然值时使用先验概率，能为确定合理的类别数提供依据。本文的贡献是把遗传算法结合到基于最大似然准则的神经网络聚类算法中，解决聚类中心的初值选择问题并获得最优聚类。

基于欧式距离约束自适应遗传算法的参差码搜索

提出了一种基于欧式距离约束的自适应遗传算法(Euclidean distance-Adaptive Genetic Algorithm,EAGA),该算法将欧式距离引入自适应交叉概率,使交叉概率随适应度和个体之间的相似度自适应变化,更好地增强种群的多样性,保存优良个体;为了防止EAGA在优化过程中出现退化现象,通过融合按照一定规则产生的新个体对算法进行了改进。采用EAGA选择最优参差比,使滤波器的零点尽可能的浅,在有效抑制杂波的同时避免目标丢失。同标准遗传算法相比,EAGA表现出了较好的搜索性能。

自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别

首先,采用Log-Gabor滤波器提取虹膜幅度特征,根据虹膜库的种类,通过改进的遗传粒子群优化算法优化滤波器参数;其次,利用主成分分析法降低维数,进而减少噪声和冗余;再次,构建动态径向基函数神经网络,并通过虹膜幅度特征间的欧氏距离进行虹膜识别;最后,采用多种小型虹膜库与其他虹膜识别算法进行对比实验,实验结果表明,该算法在一对一虹膜识别中正确率更高,ROC曲线更贴近坐标轴,滤波器通用性更好,提高了小型虹膜库的识别率,解决了传统算法学习收敛速度慢、结构通用性差的问题.

基于GAWK-means的地铁车站指纹定位方法

针对在城市轨道交通车站内,利用iBeacon技术进行指纹定位时存在匹配效率较低、定位精度不理想的问题,文中提出了一种基于GAWK-means的地铁车站指纹定位方法。离线阶段,根据指纹数据本身的离散程度进行K-means欧式距离权重优化以便更好地体现类内相似度,再将改进的K-means结合遗传算法,优化聚类结果以减少陷入局部最优。在线阶段,利用K近邻法将信号向量与最为接近的子指纹库匹配获得定位结果,通过平均定位误差对该方法整体性能进行评估。实验结果表明,在地铁车站离线阶段使用GAWK-means算法平均定位误差为1.52 m,相较于未聚类和传统K-means聚类,定位误差减少了0.41 m以上。