应用基本遗传算法进行水面舰船目标识别研究

水面舰船识别判读是海军航空侦察工作的重要内容。文章论述了基本遗传算法 (SGA)的原理、特点和运算步骤 ,并将该算法引入对水面舰船的识别。

基于遗传算法的快速多极基本解法的源点分布优化分析

快速多极基本解法的计算精度主要由源点数和源点分布决定,针对源点的布置具有一定盲目性的问题,提出了基于遗传算法的快速多极基本解法。给出了基于遗传算法的快速多极基本解法的理论公式,并用于预测发动机表面辐射声场。结果表明,利用遗传算法优化后的源点分布,在保证计算精度的基础上,可实现减少源点数和配置点数的目的,从而提高计算效率。源点和配置点之间的距离过小时,计算误差变大;反之,计算误差变小,同时会导致源点分布越来越密集,使矩阵呈现病态。基于遗传算法的快速多极基本解法用于发动机表面辐射声场的预测,计算结果与试验值吻合较好,表明该方法的可行性和正确性,同时也为该方法在工程中进一步应用提供了借鉴。

基本遗传算法与电网智能调度

近年来,电网技术和产业增长迅速,电网调度系统所面对的情况也越来越复杂。在这种背景下,电网智能调度系统应运而生。电网智能调度系统将电网与互联网技术相结合,达到供配电和发输电的智能化。遗传算法模仿自然界的生物遗传过程,采用存优去劣的策略将电网的调度方案逼近最优解。遗传算法方案既能实现对电网的智能调度,也能降低电网的运行成本,是当前电网智能调度发展的热点方向之一。

基本遗传算法及其改进

介绍遗传算法的机理,论述了基本遗传算法的原理、特点,分析以基本遗传算法为蓝本的各种扩展遗传算法的步骤,针对其不足之处,提出了相应的改进方法.

基于基本环矩阵及改进并行遗传算法的配电网重构

为了快速准确地去除配电网重构过程中的不可行解,给出基本环信息矩阵以包含所有配电网含环路情况,从而在一定条件下保证非基本环信息矩阵内的方案可行,同时避免小生境遗传算法收敛于局部最优解,提出小生境—粗粒度混合遗传算法求解配电网重构模型,即将小生境遗传算法中的子父代共同竞争淘汰机制与粗粒度并行遗传算法中的迁移操作相结合,再通过试验获取最优参数配置。算例结果表明,该方案较传统小生境遗传算法求解配电网重构模型具有更高的寻优成功率和更快的收敛速度。

基于粒子群融合遗传算法的阵列天线方向图综合

基本粒子群算法应用于阵列天线波束赋形时,优化算法容易陷入局部收敛,无法准确获得所需方向图,针对这一问题提出了一种粒子群融合遗传算法的改进优化算法。该算法在基本粒子群算法的基础上,引入了遗传算法中的交叉、变异机制,并结合精英粒子选择策略,增加了粒子种群的多样性,增强了算法的全局寻优能力,有效地提高了算法全局搜索的效率。仿真结果表明,将该方法应用于阵列天线波束赋形时能够得到预期的目标方向图,算法的优化效率高、优化效果好,具有较强的稳健性。

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.

两阶段遗传算法的结构及性能分析

针对基本遗传算法(简称BGA)常常存在局部收敛以及收敛解精度不高等方面的不足,提出了一种改进的算法——两阶段遗传算法,给出了算法的结构及具体的实施策略,进而利用Mark-ov链理论和仿真技术分析了该算法的收敛性能,结果表明该算法具有操作简单、鲁棒性强等特点,不仅可以有效地避免寻优过程中的“早熟”现象,而且在很大程度上能提高最优解精度,适合于大规模、高精度的优化问题。

基于混合自适应遗传算法的工作流挖掘优化

针对目前工作流挖掘算法采用局部策略而无法保证最优挖掘以及算法对噪声敏感的情况,提出了基于混合自适应遗传算法的工作流挖掘优化算法。首先定义了基本工作流网以及变迁的使能和点火规则,描述了过程模型;然后提出了过程模型转换成基本工作流网的算法,给出了衡量事件日志与过程模型的符合性的适应值评价函数;最后根据进化阶段以及个体相似度设计了混合自适应的交叉率和变异率。仿真试验结果表明,该算法与α算法相比具有更高的鲁棒性和对噪声的抗干扰性;与基本遗传算法相比,该算法能显著提高解的质量和收敛速度。

具有年龄结构的遗传算法

该文提出了一种基于年龄结构的遗传算法。标准遗传算法 (SGA)已经被成功地应用到很多进化优化问题上 ,但是对于复杂的多模态函数寻优时 ,会出现早熟收敛现象。为了解决这个问题 ,该文结合自然规律和遗传算法的特点 ,提出了具有年龄结构的遗传算法的框架以及实现。通过对不同年龄个体的不同操作 ,克服了早熟收敛问题且保持了群体的多样性 。

自适应遗传算法在建筑结构优化中的应用

遗传算法易搜索到全局最优解,但局部寻优能力差且易发生早熟、随机漫游现象.基于对本文所采用的基本遗传算法的原理和实施过程介绍的基础上,针对其缺陷提出改进措施:利用混沌序列的“遍历性、随机性、规律性”的特点生成初始种群;采用最优个体储存、最差个体替换策略.在改进遗传算法的基础上,又引入自适应的交叉、变异概率公式,幅度系数调节交叉率、变异率形成自适应遗传算法.通过十五杆平面桁架的数值算例,自适应遗传算法的优化结果、优化进程与基本遗传算法、改进遗传算法进行了对比,验证自适应遗传算法的优越性能.

基于一种遗传算法的最小测试用例集自动生成

测试数据的生成是一个复杂的问题,且其技术和方法还不成熟。在生成最小测试用例集过程中,为了避免基本遗传算法对已经满足测试需求的测试用例重复进行遗传操作,文中在基本遗传算法的基础上,最大提高遗传算法的稳定性,提出最大稳定遗传算法(LSGA)。该算法能很好地保证种群的最大稳定性,提高搜索性能,最后对该算法从概率角度理论证明其优越性。实例分析表明,利用该算法能较快生成最小测试用例集,从而实现对测试目标的充分测试,提高测试效率,降低测试成本。

基于遗传算法优化的软件可靠性组合模型评估

文章针对现有软件可靠性组合模型评估方法在模型选择、评估精度和评估效率方面的不足,从软件可靠性模型特征的形式化定义出发,借助特征量化获取的特征矩阵,给出了构建软件可靠性模型基本集的统一方法。依据软件可靠性评估的特点,对传统遗传算法的适应度函数和爬山操作进行了改进,并将其用于基模型权值的求解。在此基础上,给出了基于加权组合基模型的软件可靠性评估方法。实例验证表明,该方法在全局评估精度和评估效率上均有显著提升。

用遗传算法求解多参量函数优化问题

针对简单遗传算法 ( SGA)的编码方式不适用于优化多参量函数的弱点 ,介绍了一种基于多参级联编码方式的遗传算法 ,详细描述了该算法的各主要组成部分和工作原理 。

基于自适应元胞遗传算法的房地产信托投资基金价格研究

以房地产投资信托基金价格预测精度作为切入点,将遗传算法的思想引入元胞自动机价格模型的规则演化,建立起元胞自动机模型,然后将其应用到房地产投资信托基金的研究中,并进行数值仿真及实证研究,对房地产信托投资基金投资者个体的投资决策行为进行自适应遗传算法改进与优化,以提高自适应主体的智能化程度与自学习能力。研究认为:元胞遗传算法的引入,驱动房地产信托投资基金价格呈现基本价值收敛;其收益率分布更加具有"尖峰厚尾"特性,提高了房地产投资信托基金价格的预测精度。

改进遗传算法在结构优化中的应用

提出了一种组合优化的策略,利用改进的遗传算法在整个可行域中寻找较好的解,然后利用传统优化方法寻找局部最优解,算例表明了该算法的合理性和有效性。

基于CHC遗传算法的Hadoop作业调度研究

作业调度是影响Hadoop平台性能的重要因素。基于基本遗传算法(SGA)的作业调度进化代数大、收敛速度慢,且其编码与解码、遗传操作过程中存在过多冗余计算,增加了作业总完成时间。为此,提出一种基于CHC遗传算法的作业调度算法。采用双目标函数的控制方式和最优解保留策略,优化作业总完成时间与平均完成时间,从而加快最优解的收敛速度。实验结果表明,与SGA算法相比,CHC算法在作业调度效率、资源利用率等方面有较大的性能提升。

多种群协同演化遗传算法

通过分析影响遗传算法的要素,同时借鉴生物遗传学,提出了多种群协同演化遗传算法.

基于遗传算法的遥感数字图像镶嵌研究

遥感数字图像的镶嵌处理是遥感图像处理的基本工作之一,为此介绍了一种基于遗传算法确定图像重叠区和调整图像色度,以辅助完成遥感图像的镶嵌工作的新方法。

基于自适应小生境遗传算法的船型优化

自适应小生境遗传算法能够克服基本小生境遗传算法操作复杂和计算费时的缺陷,同时具有保持种群的稳定性,获取合适的子种群规模,从而更快地获得最优解的特点。为快速获得阻力性能优良的船型,以势流兴波阻力理论Rankine源法为基础,采用自适应小生境遗传算法并结合CAD技术进行船型优化设计。S60船型的优化算例结果表明,采用自适应小生境遗传算法进行船型优化具有可行性。