基于加速分层遗传算法-投影寻踪模型的三峡水质评价

针对基于遗传算法的投影寻踪模型的不足,提出了基于加速分层遗传算法的投影寻踪模型,提高了全局搜索能力和收敛速度。并将其应用于长江流域水体水质的评价中。利用长江三峡库区8个断面的水质指标监测数据,建立基于加速分层遗传算法的投影寻踪模型,对各断面水质展开评价。结果显示:该段流域内水体质量整体良好,水质等级主要分布在《地表水环境质量标准》(GB3838-2002)Ⅱ类、Ⅲ类、Ⅳ类等级中。该模型能够合理的评价水质等级,值得广泛推广应用。

基于分层遗传算法的网格任务调度策略

针对传统的网格任务调度算法存在的缺陷,提出了用分层遗传算法来实现对网格任务调度策略的优化.在构造分层遗传算法时引入了SGA,AGA和CHC算法.SGA采用基本的遗传操作,保证了种群的多样性;AGA对交叉概率和变异概率的动态调整,保证了遗传算法的收敛性;CHC算法强调优良个体的保留,加快了遗传算法的收敛速度;分层遗传算法在吸收了这3种算法优点的基础上进行优化.实验结果表明,分层遗传算法在结果精度和收敛速度上都较其他算法有较大程度的提高.

分层遗传算法实现图像边缘检测

提出一种基于分层遗传算法和梯度算子图像边缘检测的方法得到最优边缘算子,利用分层遗传算法优化设计灰度梯度算子,通过对样本图像的训练,在最小均方误差准则下获得最优灰度梯度算子。最优梯度算子增加了对噪声的抗干扰能力,并使得到的边缘更准确。

射频自动阻抗匹配的分层遗传算法实现

阻抗匹配问题在射频技术中有着极其重要的意义,良好的阻抗匹配不仅有利于电路的低压低耗实现,而且较小的反射系数为系统的可靠运行提供了保证。针对遗传算法在自动阻抗匹配过程中收敛速度慢且易陷入早熟(即陷入局部最优),提出利用分层机制来预防早熟,并对遗传算法中的交叉操作算子进行了改进来加快收敛。通过MATLAB对上述算法进行实现,并采用不同频率及不同负载阻抗对上述算法及遗传算法进行测试从而进行比较。结果表明分层遗传算法很好地预防了早熟,收敛速度比原算法得到较大的提升。

基于支持向量机与分层遗传算法的斜拉桥全结构损伤分步识别

为了实现斜拉桥全结构的损伤识别,提出一种支持向量机与分层遗传算法相结合的分步识别方法。该方法首先按结构的材料特性将斜拉桥分为主梁、索塔、拉索三类子结构,利用支持向量机的分类特性判定损伤的来源,确定损伤属于某一类子结构;然后,应用分层遗传算法对子结构中的单元进行损伤位置与损伤程度的识别。以实验室独塔斜拉桥模型作为研究对象进行数值仿真,结果表明:采用支持向量机方法能较准确的对主梁、索塔、拉索三类子结构的损伤进行分类,确定损伤的来源;分层遗传算法能快速有效的完成斜拉桥某一子结构中损伤单元的定位与识别;两种算法结合的分步识别方法,实现了斜拉桥全结构的损伤识别,同时分步识别策略减少了支持向量机训练样本与遗传算法中初始种群的规模,提升了寻优效率。

基于分层遗传算法的模糊控制器在线优化设计

针对模糊控制器的优化问题,提出了一种基于改进的分层遗传算法在线优化设计方法。该算法在分层遗传算法的基础上修改了信息交换方式,采用自适应交叉算子和变异算子,并改进了变异算子的变异方式,使其能在现有最优解基础上进行更精确的局部搜索,提高了搜索速度和精度;同时,使用了具有约束的时间与绝对误差乘积积分(ITAE)型性能指标函数,能够对系统的稳态误差、超调量和上升时间进行有侧重的优化;并结合最小二乘参数在线辨识技术,实现了时滞时变系统模糊控制器的参数和结构在线同步快速优化。仿真实验证明了该方法的有效性。

基于分层遗传算法的BP神经网络学习算法

针对BP算法局部搜索能力强,而分层遗传算法全局搜索优势突出的特点,结合二者优势构造了一种分层遗传算法与BP算法相结合的前馈神经网络学习算法.将分层遗传算法引入到前馈神经网络权值和阈值的早期训练中,再用BP算法对前期训练所得性能较优的网络权值、阈值进行二次训练得到最终结果.仿真结果表明,该混合学习算法能够较快地收敛到全局最优解,优于BP算法、分层遗传算法,具有一定的实用价值.

基于分层遗传算法的基站频率最优分配策略

针对通信基站频率区间分配的问题,提出了一种基于分层遗传算法来实现最优数字分配的方法,有效地改进了具有过早收敛缺陷的基本遗传算法。首先,论文介绍了遗传算法的基本原理,阐述了分层遗传算法的优点,然后通过对实际问题的分析,整理出数学模型,采用线性规划的方法计算出适应度函数,分别进行基本遗传算法和分层遗传算法的实验。通过对实验结果的整理和分析,证明了分层遗传算法可以有效地实现频率区间的最优分配。

基于分层遗传算法的双阈值图像分割

图像分割是图像处理中的重要问题,通常的图像分割法包括阈值法、边缘检测法、区域跟踪法等。其中,阈值法是一种通用的方法。本文将分层遗传算法用于阈值的选取,仿真结果表明,在设定了合适的遗传算子后,该算法可以实现正确的图像分割,将分层遗传算法用于图像处理中,是非常有效的。

分层遗传算法在注汽锅炉控制系统中的应用

鉴于蒸汽干度在油田注汽锅炉控制系统中的重要性 ,文章根据目前注汽锅炉控制技术落后 ,故障率高、维修困难这一现状 ,在孔板计量法的基础上 ,经过大量的实验 ,运用分层遗传算法对蒸汽干度模型进行辨识的研究 ,详细介绍了分层遗传算法的特点 ,阐述了HGA建立蒸汽干度的具体步骤的方法 ,给出辩识结果中最大适应曲线和误差曲线图 ,提出了在此基础上开发的智能控制系统 ,能够实时地、精确地进行注汽锅炉的蒸汽干度控制 ,优化了蒸汽干度模型的结构和参数 ,极大地提高了注汽锅炉干度的控制精度。

兼顾最优个体的模拟退火分层遗传算法

针对传统分层遗传算法存在"发散"、收敛速度慢和最优解易丢失等缺陷,本文提出了一种改进的分层遗传算法,采用基于模拟退火思想的底层交叉和变异算子,避免底层算法的"发散"、提高收敛速度;设计了一种兼顾最优个体的高层选择算子,防止最优个体丢失。求解SAT问题的比较实验结果表明:求解成功率与收敛速度等算法性能均有较大提升。

限定搜索区域的分层遗传算法无人机路径规划

为克服简单遗传算法易陷入局部最优解的缺点,减小路径搜索范围,提出了限定搜索区域的分层遗传算法无人机路径规划方法,该方法将分层遗传算法引入无人机路径规划的优化搜索问题中,将路径节点的二维坐标作为基因进行编码,根据威胁的分布情况缩小路径规划算法的搜索范围,使子种群可以获得包含不同优良模式的新个体,为子种群提供更加平等的竞争生存机会,使优化搜索有较为明确的搜索方向。仿真结果表明:与基于分层遗传算法的路径规划方法相比,该方法提高了路径寻优算法的性能,减少了绕行路径的出现几率,缩短了最优路径的长度。

基于分层遗传算法的二维最大熵图像分割

基于二维最大熵的图像分割算法充分考虑了点灰度和邻域灰度均值,较好地克服了图像中噪声带来的影响,将分层遗传算法引入到此图像分割算法中,加快了阈值搜索的收敛进度,大大提高了计算速度,有效地避免了局部最优解的情况,是一种实用有效的图像分割算法。

基于分层遗传算法的电力变压器优化设计

在研究了分层遗传算法的基础上,分析了该方法动态编码及动态调整遗传算子的优点,提出了一种改进的交叉变异机制.该机制在交叉操作时,不能在关联变量内部选择交叉点,在变异操作时,如果其中一个变量发生了变异,则与其关联的变量也要同时进行变异操作,并且可以将所有个体限制在有效的搜索空间内.文中将分层遗传算法应用于电力变压器优化的问题中,与单层遗传算法相比,在相同计算量的情况下,多层遗传算法成本节约1.83%,负载损耗下降1.01%.

基于分层遗传算法的模糊控制

介绍了模糊控制系统和遗传算法的基本内容及二者间的融合 .基于遗传算法的模糊系统模型辨识 ,引出了可以对实际复杂系统总结出较完善控制规则的分层遗传算法的模糊控制 .分层遗传算法通过基因操作使控制基因和由控制基因控制的参数基因都得到改变 ,进而使控制规则的结构和形状及个数得到了优化 .将这种分层模糊控制技术应用于铝电解工业中的极距控制 ,可使改进后的极距控制系统的动态性能和稳态误差都得到提高 .

土石坝初始漏测沉降的分层遗传计算方法

针对土石坝初始漏测沉降常规计算方法中对实际沉降过程描述差的缺点,提出了一种基于分层遗传算法的土石坝初始漏测沉降计算新方法,该方法将初始漏测沉降自身也作为优化的参数,对3个参数进行分层优化。实例证明,该方法合理有效,计算精度高,同常规方法相比具有明显的优越性。

基于分层遗传算法的土钉支护方案研究

土钉支护方案的选择,对土钉设计十分重要。现行的土钉支护设计一般由工程类比或设计经验确定,可能造成材料浪费和安全隐患。将分层遗传算法应用于土钉支护方案的优化中。工程实例计算证明,经分层遗传算法优化后,在满足安全系数的前提下,土钉支护方案造价有所降低,优化效果良好。

自适应分层遗传算法在函数优化中的应用

通过分析基本遗传算法在函数优化中的应用 ,研究其不收敛和收敛慢的原因 ,并在此基础上提出了自适应分层遗传算法。通过实验 。

基于分层遗传算法的一类非线性规划问题的新解法

关于非线性规划的问题的诸多传统解法中都存在效率较低、容易达到局部最优、甚至找不到最优解的局限性。而基本遗传算法也常常由于本身算法的局限性,在搜索最优解的过程中易早熟,局部搜索能力弱,后期收敛过慢。源于这些缺陷,本论文提出使用分层遗传算法来求解一类非线性规划问题,并通过数值实验,结果表明基于分层遗传算法求解一类非线性规划问题是非常有效的。

基于分层遗传的新聚类算法应用于数据分类

针对FCM(模糊C均值聚类算法)对初始聚类中心的选取敏感以及梯度法易收敛到鞍点,在此基础上提出了一种分层遗传算法(HGA)优化的核模糊C均值聚类算法(HGA-KFCM)来提升聚类性能,首先用分层遗传算法(HGA)在全局筛选出高品质聚类中心以替代FCM的随机产生的聚类中心,再利用高斯径向核函数改变FCM中的距离函数并且重新定义目标函数,最终根据新参数进行迭代流程。在仿真实验中用两种数据集作为实验数据,利用FCM、HGA-KFCM以及其他三种聚类算法进行聚类测试,结果显示HGA-KFCM在一定程度上解决了FCM的缺陷,此外将新算法与另外三种性能不错的聚类算法在抗局部收敛能力,迭代次数和精度上比较,结果显示新算法具有良好的聚类性能。