基于交叉算子和非均匀变异算子的飞蛾扑火优化算法

针对飞蛾扑火优化算法收敛速度慢以及计算后期易收敛到局部最优解的问题,提出了一种基于遗传算法交叉算子和非均匀变异算子的改进方法。该方法在飞蛾围绕火焰飞行的计算过程中,采用交叉算子和变异算子对火焰位置进行扰动以生成新的火焰,当新火焰的适应度值优于原火焰时则替换原火焰,以提高算法的随机性,防止算法过快陷入局部最优解。测试结果表明,改进后的算法在8个常用最优化算法基准测试函数的求解问题中全局收敛能力和收敛速度均优于原算法。

基于非均匀变异算子改进遗传算法的成都市水资源优化配置研究

文章在传统遗传算法的基础上改用非均匀变异算子作为变异算子,提高寻优过程的适应性,有效避免早熟收敛。以成都市水资源分配为实例研究,在分析成都市现状供用水状态及2030年可供水量的基础上,分别采用传统遗传算法、非均匀变异算子的改进遗传算法对成都市水资源进行优化配置。配置结果显示,以总产值为目标函数,非均匀变异算子的改进遗传算法显著优于传统遗传算法,对研究区域的水资源高效利用有参考意义。

改进梯度算子的小生境遗传算法

为避免小生境遗传算法存在的早熟和收敛速度慢等问题,本文提出了一种改进的梯度算子,以保证进化朝最优解方向前进,提高计算峰值的精度。同时,利用进化代数和个体的适应度值,动态调整个体的交叉算子和变异算子,有效保证种群的多样性,改善全局搜索能力,加快收敛速度。将改进的梯度算子引入到基本小生境遗传算法和自适应小生境遗传算法,通过Shubert函数测试,证明本文改进后的算法与基本小生境遗传算法和自适应小生境遗传算法相比,不仅大大提高了收敛速度,并能搜索到所有全局最优解。

采用多项式变异策略和分解方法的多目标进化算法

MOEA/D-M2M算法将一个多目标优化问题同时转换为若干个多目标优化子问题,分别求得这些子问题的Pareto解,最终得到原多目标优化问题的Pareto解,保证了种群的多样性,比MOEA/D具有更好的算法性能.多项式变异算子具有强化局部搜索和加强收敛的作用,但是在多目标进化算法中应用多项式变异算子的成果不多.将多项式变异算子和MOEA/D-M2M中提出的多目标优化问题的新的分解方法相结合,提出了一种新的采用多项式变异策略和分解方法的多目标进化算法(MOEA/PmD).考虑到非均匀变异算子通过动态调整步长获得自适应性的特点,尝试通过将非均匀变异算子替换MOEA/PmD中的多项式变异算子而构造采用非均匀变异算子和分解方法的多目标进化算法(MOEA/NumD).实验表明MOEA/PmD算法比MOEA/NumD算法和MOEA/D-M2M算法具有更好的性能.

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。

采用改进遗传算法解决TDOA定位估计中的非线性优化问题

提出了当接收端在空间随机分布时 ,利用改进遗传算法解决TDOA定位估计中遇到的非线性最优化问题。采用浮点数编码遗传算法 ,引入一个非均匀变异算子 ,针对TDOA方式进行最佳坐标搜索。实验表明 ,在保证种群数量的情况下 ,该算法性能稳定 ,能找到逼近全局最优点的解 。

基于改进遗传算法的起重机臂架结构优化设计

在起重机臂架结构设计中,引入非均匀变异算子和小生境算子与采用浮点数编码遗传算法相结合,同时通过个体基因改变总几率来确定浮点数编码遗传算法的变异概率,提出了一种改进的遗传算法。算例结果表明,改进的遗传算法优化效果明显,对结构优化设计有较好的参考价值。

基于梯度优化的自适应小生境遗传算法

针对基本遗传算法全局搜索能力差和收敛速度慢,且在求解多峰函数时仅能得到部分最优解的缺点,提出一种基于梯度优化的自适应小生境算法。该算法利用当前种群适应度和种群代数来设计交叉算子和变异算子,有效地保持了种群的多样性,改善全局搜索能力,加快了收敛速度,应用改进的梯度优化算子保证进化向最优解方向靠近,提高了计算峰值的精确度。对Shubert函数的仿真试验证明,该算法能改善全局搜索能力,加快算法收敛速度并提高计算精度。

基于免疫的并行单亲遗传算法研究

在分析了单亲遗传算法的优越性与存在不足的基础上,借鉴生物免疫概念与理论并结合并行计算的思想,提出了一种新的遗传算法——基于免疫的并行单亲遗传算法。理论分析和仿真结果表明,该算法不仅能够有效地保持群体多样性,而且减轻了遗传算法后期的波动现象,同时收敛速度有明显的提高。

基于改进萤火虫算法PID控制器参数优化研究

PID控制器仍是现今应用最广的控制器。但由于其被控对象具有高阶非线性等特点,传统的PID参数整定方法使系统易出现超调、震荡,控制系统性能变差等问题。为改善系统性能,提出一种萤火虫算法的智能优化策略,引入非均匀变异算子和自适应步长策略改善全局搜索能力和局部求精能力。将PID的三个参数作为萤火虫,以误差的时间积分函数绝对值的倒数作为适应度,进行PID参数整定。利用MATLAB仿真软件进行仿真,并与传统的PID参数整定方法(Z-N法)进行比较。结果表明,萤火虫算法的PID参数整定方法可以提高系统的性能,实现最优整定。

基于改进单亲遗传算法的梯级水电站群多目标优化

为有效地解决梯级水电站群多目标联合优化问题,充分发挥水电的容量效益,建立兼顾梯级最小出力最大化的总发电量最大模型,提出了一种基于非均匀变异算子的改进单亲遗传算法。新算法采用实数编码,不在染色体间进行交叉操作,利用非均匀变异算子运行前期的充分全局搜索和后期的精细局部开发特性在单条染色体上进行进化寻优,且仅有3个控制参数,不要求初始种群中的个体具有多样性。与其他相关方法的实例计算结果对比表明,新方法不仅收敛性能优越,而且遗传操作简单,易于控制。

改进的自适应遗传算法在TDOA定位中的应用

提出了接收端在空间随机分布时,利用改进的自适应遗传算法解决TDOA定位估计中遇到的非线性最优化问题.采用浮点数编码遗传算法,引入自适应交叉率和变异率、非均匀变异算子,以TDOA方式进行最佳坐标搜索.仿真结果表明,在保证种群数量的情况下,该算法性能稳定,能找到逼近全局最优点的解,相对于其他算法精度更高.

基于免疫规划的单亲遗传算法研究及其应用

在分析了单亲遗传算法的优越性与存在不足的基础上,借鉴生物免疫概念与理论,提出了一种新的单亲遗传算法——基于免疫规划的单亲遗传算法。该算法的核心在于使用最优保留策略前提下,合理地构造了非均匀算子和免疫算子。理论分析和仿真结果表明,该算法不仅能够有效地保持群体多样性,而且减轻了遗传算法的后期波动现象,同时收敛速度明显提高。

多资源均衡优化的布谷鸟算法

针对标准多目标布谷鸟算法(CSA)后期收敛速度慢、收敛精度不高的缺陷,提出一种求解多资源均衡优化问题的改进多目标布谷鸟算法。首先,引入非均匀变异算子,以均衡算法的全局搜索能力和局部寻优能力;然后,引进差分进化算子,促进群体间的合作和信息交流,提高算法的收敛精度。通过算例测试表明,改进的多目标布谷鸟算法比标准多目标算法和VEPSO-BP算法具有更好的全局收敛性。

基于改进遗传算法的直发包装SKU归并优化方法

目的 采用直发包装SKU归并优化方法,通过减少最小存货单位(Stock Keeping Unit,SKU)的种类,来达到节省物料成本的目的。方法 综合运用k-means聚类分析和组合优化理论,建立直发包装SKU归并模型,并设计基于非均匀变异算子的遗传算法求解方法。以随机生成SKU尺寸信息及其对应的直发包装订购数量的测试数据集为例,通过对比归并前后的SKU种类数和物料成本来验证优化方法的有效性和可行性。结果 优化后,直发包装SKU归并方案中SKU种类的平均降低率为33.13%,归并可使物料成本平均下降2.84%。结论 研究成果可丰富直发包装领域的相关研究,对优化供应链结构,促进包装系列化、智能化发展具有指导意义。

花朵授粉算法及其在断路器优化设计中的应用

为了解决花朵授粉算法(flower pollination algorithm, FPA)在寻优过程中容易陷入局部最优解、后期收敛速度慢等问题,提出一种结合鲶鱼效应和均匀变异算子的改进FPA算法。首先,引入鲶鱼效应可以来避免算法陷入局部最优解;其次,加入均匀变异算子使其后期收敛速度加快,并通过经典测试函数验证改进的FPA算法性能优于其他算法;最后,将改进的FPA算法应用到断路器优化设计中,对两种不同类型的万能式断路器的能耗模型进行优化仿真,并计算出对应的断路器参数。结果表明,采用改进的FPA算法设计的断路器参数更加合理,能耗值更低,可以有效提高能耗参数的设计精度和设计效率。