采用概率判定法的分组变异自适应差分进化算法

为了平衡差分进化算法(DE)的全局探索和局部开发过程,提高算法避免陷入局部最优的能力,文中提出采用概率判定法的分组变异自适应差分进化算法(GVADE).GVADE采用概率判定法判定个体进化状态为较好、较差或一般,并根据个体进化状态为个体选择合适的变异算子和控制参数组.同时,为了满足进化状态较差个体变异的需要,设计具有较强全局探索能力的变异算子.在CEC2005标准测试集合上的实验表明,GVADE优于现有的其它DE算法,可以更好地平衡全局探索和局部开发,具有更高的收敛精度.

基于多变异分组遗传算法的多机协同作业静态任务分配

为解决农业机械(简称农机)多机协同作业前的任务分配问题,提出了基于多变异分组遗传算法的同种农机多机协同作业静态任务分配方法。首先,根据农机合作社实际作业模式,基于农机性能参数和任务参数,综合考虑机群的作业时间、作业油耗和路程代价等因素,建立了多机协同代价函数;根据多机协同作业特点,构建了多变异分组遗传算法,设计了两段式编码、分组交叉算子和多种变异算子,并建立了农机多机协同作业静态任务分配模型;通过仿真试验对比分析了算法的性能,并采用不同的代价权重进行了任务分配仿真试验;最后,采用不同的权重对实际深松作业进行任务分配试验,对本文提出算法进行了验证。结果表明:在不同权重下,基于多变异分组遗传算法的多机协同静态任务分配的机群代价比实际作业代价降低了29.48%~55.00%,选取合理权重的静态任务分配具有较高的分配效率和分配性能,能够满足实际多机协同作业中任务分配的要求。

一种免疫进化算法及仿真研究

遗传算法(GA)作为一种高效并行随机搜索方法,具有很好的全局寻优能力;但是GA存在易陷入局部最优、个体多样性不足等缺点。正是基于GA的诸多问题,定义了一种计算抗体相似度和选择概率的新方法,并在遗传算法的基础上借鉴生物免疫系统的免疫记忆、浓度调节、抗体促进与抑制等机理以及分组变异思想,提出了一种新的免疫遗传算法。该算法用于优化复杂函数以及PID控制器,并与其它算法进行了比较。实验结果表明,该算法具有很好的全局收敛性能和搜索速度快等优点。