基于云控制的混沌多种群自适应遗传算法

针对传统遗传算法存在的早熟收敛现象,提出一种基于云控制的混沌多种群自适应遗传算法。该算法兼顾全局性和个体差异性两方面平衡,通过云控制器实现交叉率和变异率的自适应调节。在种群正常进化时,对个体实行惩强扶弱措施,在发生早熟收敛或有早熟收敛趋势时,对劣质个体实行灾变,同时采用多种群优化机制实现种群之间的同步进化。实验结果表明,与标准遗传算法和自适应遗传算法相比,该算法能够有效地避免早熟收敛问题,具有较高的收敛效率。

并行多种群自适应遗传算法在COW集群上的实现

为改善标准遗传算法的求解效率,提出一种基于6模糊控制器的并行多种群自适应遗传算法。利用MPI(Messagepassinginterface)技术建立了一个COW(Clusterofworkstation)集群,将算法在该硬件平台上进行了实现。3机COW集群的仿真实验结果在演示算法设计可行性的同时,表明该算法的求解效率明显优于用于对照的单种群算法,具有在解决组合优化问题上广泛应用的可能。本文还对影响并行算法的参数进行了探讨。

基于改进自适应多种群遗传算法的结构-控制系统一体化优化

提出一种改进的自适应多种群遗传算法,以更好地解决建筑结构-主动控制系统一体化优化问题,即同时对被控结构参数、控制算法参数、主动作动器布置位置进行优化。该遗传算法对编码方法、初始种群生成、选择策略、交叉概率和变异概率的自适应调整、多种群协同进化中移民策略等进行改进。研究结果表明:改进的自适应多种群遗传算法和改进的基本遗传算法优化结果总体一致,表明前者分析结果是正确的,并且具有较高的精度;改进的自适应多种群遗传算法和改进的基本遗传算法首次得到优化分析最优解的平均进化代数分别为320与730,表明前者比后者收敛速度更快;改进的自适应多种群遗传算法每次能达到或接近最优解,可有效克服基本遗传算法优化结果随机性较强的缺点;经改进的自适应多种群遗传算法优化的主动控制系统取得明显减振效果,E1 Centro波输入时,主动控制结构层间位移角峰值和绝对加速度峰值较无控时分别平均减小54.5%与46.7%。算例结果表明了改进的自适应多种群遗传算法的有效性,实现了对建筑结构-主动控制系统的一体化优化。

基于多种群遗传算法的航天复杂系统测试任务调度

针对航天复杂系统型号较多,传统测试流程与调度设计只能人工定制化排布,效率较低且未有效优化,同时,考虑到航天复杂系统快速测试的迫切需求,提出一种基于多目标遗传算法的航天测试流程自动生成方法。该方法在测试项集合明确的前提下,将测试项抽象为离散事件,以测试总时间和测试资源均衡度为优化目标,充分考虑航天器测试的诸多约束,将其作为遗传算法执行过程中交叉或变异的禁忌项。在初始种群确定后,对测试流程和调度方案进行自动生成和优化。对算例的仿真结果表明,该方法相对于同实验条件下的传统半串行测试方法和单目标优化方法,测试总时间或资源均衡度得到了较大提升。在进一步扩展优化目标和约束项后,该方法可有效提高航天复杂系统测试过程的快速响应能力和可靠性。

基于自适应遗传算法的红外子热像图模糊增强方法

为了提高红外子热像图的边缘强度、信息熵和清晰度等,使图像视觉效果有所提高,研究了一种基于自适应遗传算法的红外子热像图模糊增强方法。对含有噪声的红外子热像图展开小波变换,分别获取高、低频小波系数,低频部分的小波系数不进行任何处理,高频部分的小波系数引入最小二乘对其进行总体估计,同时逆变换处理估计后的小波系数,完成红外子热像图去噪处理。通过模糊增强算法增强处理红外子热像图,同时引入自适应遗传算法优化处理模糊参数,实现红外子热像图模糊增强。实验结果表明,本文所提方法的图像更加清晰,且对比度也明显得到改善,其平均对比度值为0.075,平均边缘强度值为67.14,平均信息熵值为8.59,平均清晰度值为13.73,充分说明该方法获取的红外子热像图模糊增强效果更加理想,能够有效提升视觉效果。

基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。

一种改进的自适应遗传算法

针对现有遗传算法在求解多参数问题时出现收敛精度低、收敛速度慢、易陷入局部最优等问题,提出一种改进的自适应遗传算法。该算法引入复制算子、种群密集度函数和精英选择策略,提出根据种群迭代次数和个体适应度的自适应策略调节交叉概率和变异概率,很好地平衡了遗传算法的全局搜索能力和局部寻优能力。总结出具有代表意义的测试函数,通过求解测试函数和旅行商问题,证明改进的自适应遗传算法的收敛精度、收敛速度等均有明显的提高。

基于多种群混沌遗传算法的GEO目标服务任务规划

面向地球同步轨道(geosynchronous Earth orbit,GEO)空间目标碎片清除、燃料加注等不同在轨服务需求,研究了“固定储油站+往返航天器”相结合的航天器任务规划问题。首先,建立了多任务混合的燃料最优双层任务规划模型,外层为目标服务序列规划,内层为轨道机动规划。随后,针对该连续-离散混合变量组合优化问题,提出了一种多种群混沌遗传算法(multi-group chaotic genetic algorithm,MGCGA),采用混合编码表征决策变量,引入立方混沌映射算子提高初始种群质量,多种群及精英保留策略使得算法在求解过程中能更为显著地逼近全局最优解。最后,参考实际GEO目标构建了典型算例,规划结果表明所提算法具有全局收敛性好、收敛速度快的优点。

基于多种群遗传算法的钢框架结构优化设计

传统的基于力学分析软件的结构设计方法存在效率低下、依靠专家经验等局限性,采用智能算法能实现高效的结构自动优化设计。然而,由于随机搜索特征,优化结果和收敛性高度依赖于算法的参数设置,需要通过试算来确定其合理取值,该方法会造成优化效率低、计算量大等问题。引入多种群协作和信息共享机制来改善此类问题,并研究其在结构优化设计中的适用性。利用MSC.Marc软件建立钢框架结构有限元模型,采用底部剪力法将地震作用等效为水平荷载施加到结构上,搭建有限元软件与智能算法的自动优化过程,以结构的总体材料用量最低为目标,考虑了层间位移角、应力比、构件稳定性和宽厚比等多种约束条件,以遗传算法为基础,通过适应度尺度变换、基于方向的交叉算子、非均匀变异算子、自适应概率、精英保留策略、重复项替代机制、基于约束的策略对其进行改进,引入多种群思想,对比多种算法优化结果的差异。结果表明:基于多种群的遗传算法能有效改善优化结果对算法参数的依赖性,提高结构优化设计的效率。

基于改进多种群遗传算法的核电热力系统参数优化

核电机组二回路热力系统是将热能转化为机械能并进行发电的关键部分,在保证安全的基础上提高其效率具有重要意义。对此,首先根据热平衡法建立热力系统的数学模型。其次,在多种群遗传算法的基础上增加并行机制与协同策略,结合自适应策略提出一种改进多种群遗传算法,并利用测试函数测试其寻优性能。最后,以机组循环热效率为目标函数,回热再热抽汽流量为决策变量,在约束条件下采用改进算法对热力系统进行优化设计。结果表明:改进多种群遗传算法比标准遗传算法与多种群遗传算法更有效率且收敛精度高;采用该优化算法后,机组循环热效率提高了1.18%。

改进自适应遗传算法优化的船用增压锅炉上锅筒水位滑模控制方法

[目的]船用增压锅炉的上锅筒水位由于航行中负荷的频繁变化,难以获得理想的控制效果。为了保证上锅筒水位的稳定,对大负荷扰动下的上锅筒水位控制方法进行研究。提出一种基于改进自适应遗传算法优化的增压锅炉上锅筒水位滑模控制方法。[方法]将上锅筒水位偏差的速度和速度变化率引入S函数来设计滑模控制器,采用李雅普诺夫稳定性原理证明其稳定性。在此基础上,利用改进的自适应遗传算法优化滑模控制器。[结果]将改进的自适应遗传算法优化的增压锅炉上锅筒水位滑模控制方法与传统的PID控制方法进行了对比分析。在响应斜坡扰动信号和阶跃扰动信号时,改进自适应遗传算法优化的滑模控制器均能够无差跟踪输入信号,其稳定时间比PID缩短5 s,超调量也小于PID。[结论]仿真结果表明,改进自适应遗传算法优化的滑模控制方法具有更优的控制效果。

基于种群混合迁移策略的并行量子遗传算法

针对量子遗传算法求解大规模优化问题存在收敛速度慢、易于陷入局部最优等问题,改进量子遗传算法。设计一种种群混合迁移机制促进算法的种群多样性,采用仿TriBA种群结构、双精英种群、重生种群、自适应迁移算子、个体竞争排挤算子以及随机失活机制,提高算法的局部勘测能力和全局寻优能力。利用Spark框架实现算法在分布式集群环境下的运算。改进2-opt&R优化算法,通过引入高斯变异提高算法的局部搜索能力,缩小算法的搜索空间。实验结果表明,改进后的算法在全局优化能力、收敛速度、运行速度和求解稳定性等方面均有大幅度提升。

自适应遗传算法优化堆叠LSTM超参数的入侵检测研究

针对传统入侵检测模型检测准确率、精确率偏低和模型泛化能力不足的问题,采用自适应遗传算法优化堆叠(Long short-term memory, LSTM)进行入侵检测研究。构建堆叠LSTM入侵检测模型提取网络数据特征,为充分利用堆叠LSTM各层提取到的数据特征信息,改进堆叠LSTM的网络结构,将各层LSTM提取到的特征信息进行保留合并。为确定模型的最佳超参数取值,使用自适应遗传算法(Adaptive genetic algorithm,AGA)优化模型的超参数,AGA迭代完成后的输出即为最佳超参数取值,使用最佳超参数取值构建入侵检测模型。该模型在NSL-KDD数据集上的检测准确率为99.03%、精确率为94.86%、召回率为95.39%,在UNSW-NB15数据集上的检测准确率为90.21%、精确率为86.97%、召回率为89.11%。在所有对比模型中表现最优,且模型的泛化能力较强,能准确检测出未知攻击。

改进自适应遗传算法求解函数优化问题

针对遗传算法在复杂函数优化过程中存在收敛速度慢、搜索效率低和易陷入局部最优等问题,提出一种多方面改进的自适应遗传算法。算法从全局出发,对编码长度、种群初始化方式、选择方式、交叉和变异算子自适应机制以及适应度函数构造方式等方面进行了优化。仿真实验表明,算法在收敛速度、求解精度、稳定性、全局寻优能力等方面有了明显的改善,在复杂函数优化问题中显示了较好的性能。

遗传算法与修正的自适应矩估计优化循环神经网络的心音分类方法

针对传统的循环神经网络(RNN)在识别分类心音信号方面具有梯度爆炸、梯度消失和短期记忆的问题,该文提出了无需心音分段的结合遗传算法(GA)与修正的自适应矩估计(RAdam)优化RNN的心音分类模型。该模型的优势是将GA和RAdam优化器以串联的方式融合到RNN中,以达到改进RNN的作用。首先,利用GA的选择、变异和遗传操作,优化RNN的输入层节点数,获取心音特征向量的最优个体的初始解。其次,根据最优个体中的权重、偏置矩阵,赋予模型初始权值和阈值,获得初始权重最优解,整个模型共享参数。最后,联合改进的学习率自适应优化算法,优化RNN模型。结果表明,结合经典的梅尔(Mel)倒频谱系数方法提取心音信号的特征向量,心音信号分类准确率达到90.29%,相比于未优化的RNN模型,准确率提高了17.79%。

多种群遗传算法下电网源网荷多时段优化调度

电网源网荷多时段调度分配衔接不当,造成能源跨区消纳较高,利用率较差。为此,提出基于多种群遗传算法的电网源网荷多时段的优化调度方法。利用种群优化算法建立不间断和间断的供给优化调度模型。采用遗传调度算法进行数据迭代,根据用户的舒适度和经济度建立目标函数,在满足约束条件的基础上,确定时间尺度,实现优化调度。实验结果表明,多种群遗传算法下电网源网荷多时段优化调度能够很好地实现跨区消纳,能源利用率能够达到98.95%,具有较好的实用价值。

改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法

余热锅炉过热蒸汽温度常受到多种干扰和不确定因素的影响,导致温度波动较大,难以实现稳定控制。为此,提出改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法。利用过热蒸汽温度、锅炉负荷参数定义余热锅炉过热蒸汽温度控制方程,引入改进自适应遗传算法,通过自适应调整交叉和变异概率提升遗传算法的收敛速度,获取最优适应度函数,代入余热锅炉过热蒸汽温度控制方程中,实现蒸汽温度最优控制。通过对比实验验证得出,该方法的收敛性能好,对余热锅炉过热蒸汽温度控制的超调量为2.6℃,响应速度为1.8 s,证明该方法对余热锅炉过热蒸汽温度控制的稳定性及精度较好。

一种基于自适应边界约束的高效遗传算法

针对遗传算法中用于多父体重组的系数向量缺乏高效生成方法的问题,提出一种基于自适应边界约束(ABC)的高效遗传算法。该方法依据前一个系数的值,自适应缩放后一个系数的边界,可在任意多的父代重组情形下快速生成系数向量。在CEC2017标准数据集上的实验结果表明,所提算法在29个复杂优化问题上的表现都优于经验概率分布(EDBF)算法。

基于并行自适应遗传算法的水文模型率定研究

【目的】参数率定是影响水文模型预报精度的重要因素,采用人工智能算法可以有效提高水文模型参数的率定效果。【方法】采用基于种群离散程度的自适应算子,对GA算法的交叉、变异和迁移过程进行自适应优化,并利用粗粒度并行计算模型提高种群进化效率,综合以上手段研究了一种基于自适应策略的并行遗传算法。将传统遗传算法(GA),串行自适应遗传算法(AGA)和并行自适应遗传算法(PAGA),应用于屯溪流域新安江模型的参数率定,从率定效率、率定收敛性、率定稳定性和率定效果四个方面,验证PAGA算法的综合性能。【结果】结果表明:PAGA算法的计算加速效果显著,在10核环境下相对于AGA算法计算时间减少了87.9%;在进化后期,PAGA算法能够更加稳定的收敛于最优解,收敛后的目标函数值具有更好的稳定性;在验证期的场次洪水模拟中,采用PAGA算法率定的模型模拟效果最优,总体洪水合格率大于90%,确定性系数均值为0.85。【结论】PAGA算法能够明显降低模型参数寻优耗时,改善模型率定效果和收敛性能,为水文模型参数的率定提供了新思路。

基于云自适应遗传算法的野营器材运输路径优化

针对野营器材运输投送过程中存在的及时性不强、精准性不高和匹配性欠佳等问题,论文围绕现代联合作战保障和现代军事物流体系建设,综合考虑野营器材运输投送中的时间要求、经济成本和风险制约,构建运输路径优化模型,并采用基于云自适应遗传算法优化求解,以期制定合理的野营器材运输方案,供野营器材保障决策参考。