基于模拟退火量子遗传算法的焊接机器人轨迹规划

针对焊接机器人在焊接过程中经常出现的轨迹规划问题,以六自由度机械臂PUMA 560为研究对象,采用笛卡尔空间规划轨迹,并利用混合算法,以关节惯性力矩变化量最小为优化目标,对不同末端位置的各个关节惯性力矩进行优化,从而消除了机械臂焊接过程中的运行不稳定、关节运动不平稳等问题。克服了模拟退火算法收敛速度慢及量子遗传算法局部寻优能力差等问题,成功规划出机械臂关节惯性力矩最优轨迹。MATLAB仿真结果表明,模拟退火量子遗传算法收敛时间相比传统遗传算法缩短30.56%,并且优化了关节惯性力矩,验证了该算法的可行性,可为后续研究奠定基础。

一种改进的量子遗传模拟退火算法及其在神经网络智能故障诊断中的应用

分析了模拟退火算法、遗传算法与普通量子遗传算法的优缺点,针对实数编码双链量子遗传算法的种群多样性和收敛快速性,将其与模拟退火算法相结合,在模拟天体宇宙演变的基础之上,提出实数编码双链量子遗传模拟退火算法,并用之改进BP神经网络的初始权值与阈值,并将改进后的BP神经网络运用于智能故障诊断中。仿真结果表明,该算法效果良好。

实数编码遗传模拟退火算法SHEPWM控制技术

针对多电平逆变器SHEPWM(selected harmonic elimination pulse width modulation,SHEPWM)消谐模型的求解问题,提出一种遗传算法和模拟退火算法相融合的新型算法。该算法根据个体适应度值进行自适应交叉和变异操作,采用模拟退火算法进行个体更新,以增加种群的多样性,增强全局寻优能力,避免陷入局部最优,并以实数编码保存个体来提高计算精度。以二极管箝位三电平逆变器SHEPWM为例,给出了全调制度下的开关角度轨迹及较高调制度下的另外两组解,绘制了谐波失真含量(total harmonic distortion,THD)随调制度变化的曲线,并给出了详细的仿真结果。最后通过建立的二极管箝位三电平逆变器实验平台进行了实验验证,仿真和实验结果证明了该算法的正确性和可行性。

量子原胞自动机遗传模拟退火算法改进研究

针对量子原胞自动机遗传模拟退火算法仿真大型电路的效率低的不足,提出一种可以减小问题规模的局部遗传模拟退火算法。理论验证了可定态细胞的定态规则,对可定态细胞进行定义;采用定态规则计算可定态细胞极化状态与遗传模拟退火方法计算不可定态细胞极化状态相结合,从而有效地减小了问题的规模。通过仿真验证了基于定态规则的遗传模拟退火方法相比单纯遗传模拟退火方法更具优越性,不但加快了量子原胞自动机仿真的收敛速度而且提高了仿真的精确度。

基于模拟退火算法与量子遗传算法的图像匹配研究

针对传统的基于先验模板或者个性特征的图像匹配算法存在的计算复杂、实时性较差、早熟收敛、全局最优缺失等问题,提出了一种基于模拟退火算法与量子遗传算法的图像匹配混合算法,可以克服模拟退火算法的收敛速度慢与量子遗传算法的局部搜寻能力弱等单一算法的固有劣势,实现全局最优,具有匹配精度高、抗干扰性强、并行搜索效率高等优势。在Matlab2015b环境下开发了验证环境并对算法进行了实际验证,结果表明该算法可以在较短的时间内有效匹配目标图像,实时性、准确率和稳定性较高,收敛速度、并行搜索效率等核心参数满足设计需求。

基于遗传模拟退火混合算法的矩形包络求解

介绍了一种利用遗传模拟退火混合算法求解矩形包络的方法,该算法在优化搜索中能自适应地控制变异率,使得优化高效地逼近全局最优。矩形包络是将不规则多边形用它们的最小外接矩形来代替,就是求解该多边形的最佳包络矩形。实验结果表明,在解决矩形包络问题中,遗传模拟退火混合算法是一种高效的、可靠的优化算法,具有一定的实用价值。

基于模拟退火遗传算法的自动组卷系统研究

从题库中抽出一组满足多项要求的试题是一个组合优化问题,针对该问题,比较了目前几种组卷算法的特点,提出把一种实数编码的模拟退火遗传算法应用在自动组卷问题中。为了对群体中每个个体进行调整并改善单一遗传算法的性能,该算法以遗传算法流程作为主体流程,在主流程中嵌入模拟退火算法。与现有遗传算法相比,该算法能较好地克服未成熟收敛现象,并且组卷的成功率和速度有明显的提高。

量子进化和模拟退火的混合优化算法

将量子算法和模拟退火算法相结合,提出一种量子进化和模拟退火的混合优化算法。本算法同时利用了量子算法的并行搜索能力和模拟退火算法的串行搜索能力,和量子算法相比有更快的收敛速度和更好的全局寻优能力。仿真实验也表明本算法有更好的搜索性能。

基于量子遗传模拟退火算法的认知无线电频谱分配方法研究

无线频谱资源的紧张与无线通信应用的激增之间的矛盾越来越突出,认知无线电作为缓解频谱资源紧张的重要途径,其对应的频谱分配方法一直是研究的热点。量子遗传模拟退火算法是将量子遗传算法的多点并行性搜索及模拟退火算法所具有的较强的单点串行搜索能力相融合,模拟退火算法作为一个算子引入到量子遗传算法中能够克服量子遗传算法易产生的"早熟收敛"问题,实现两种算法的优劣互补,该算法在求解优化问题时具有更强的搜索能力和效率,并获得较高质量的最优解。本文将量子遗传模拟退火算法应用于认知无线电频谱分配问题中,采用非合作博弈论模型,研究了多用户竞争多信道的频谱分配方法,通过与已有的基于量子遗传算法的频谱分配性能进行仿真比对,验证了该思路的可行性及优势。

基于加速遗传模拟退火算法的协商策略研究

随着电子商务的不断发展,如何快速有效地进行自动协商是研究所面临的一个重要问题。根据Bazzar协商模型,提出了一种加速遗传模拟退火算法(AGASA),该算法将遗传算法和模拟退火算法结合,并且加入压缩搜索范围的算法加速机制,同时采用特殊的实数编码方式令算法能更加稳定地收敛。仿真试验表明,算法能快速稳定地解决协商模型所描述的协商问题。

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出一种实数编码混沌量子遗传算法(RCQGA).该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索.实验结果表明,RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点,而且可以减少寻优的计算复杂度,具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点,适用于工程应用中的复杂函数优化问题.

基于双链量子遗传算法的柔性作业车间调度

针对模糊交货期的柔性作业车间调度问题,以最小化完工时间、最小化总成本和最小化惩罚值为目标,建立问题的数学模型,提出改进的双链量子遗传算法。通过对实际生产交货期的模糊特点进行分析,设计了随交货时间变化的提前/拖期双惩罚系数;针对柔性作业调度问题的特点,提出基于机器分配链和工序链的双链结构编码方法和Hadamard变异策略,并在模糊集合理论的基础上引入对非支配解的优化排序策略和拥挤距离选择策略。将方法应用于Kacem算例和某机械模具车间调度,并与其他经典算法进行比较,验证了所提方法的有效性。

基于实数编码和目标函数梯度的量子遗传算法

提出了一种基于实数编码和目标函数梯度信息的量子遗传算法．该方法用量子比特构成染色体,用实数对量子比特进行编码,用量子旋转门进行染色体更新,用量子非门进行染色体变异．对旋转门的旋转角方向的选择,给出了简易快捷的方法；对旋转角大小的选择,结合了目标函数的梯度信息．该方法将每一量子位看作上下两个并列的基因,每条染色体包含两条并列的基因链,每条基因链代表一个优化解．在染色体数目相同时,可使搜索空间加倍．以函数极值问题和神经网络权值优化问题为例,验证了该方法的有效性．

基于改进双链量子遗传算法的投影寻踪调亏灌溉综合评价

针对调亏灌溉方案优选过程中存在单项指标的灌溉优劣评估结果单一和难以客观评价灌溉综合效益等问题,该文提出了基于双链量子遗传算法的投影寻踪综合评价模型。该模型利用双链量子遗传算法优化投影指标函数寻求最佳投影方向,同时通过矢量距浓度筛选进入搜索空间的量子染色体,以及在进化过程中逐步优化、压缩搜索空间对双链量子遗传算法进行改进。将改进双链量子遗传算法的投影寻踪模型对玉米各调亏灌溉方案进行综合评价,评价结果表明苗期水分亏缺程度为田间持水量50%～60%的处理是最佳调亏灌溉方案,产量与水分利用效率比正常灌溉处理分别提高了6.4%、10.8%。改进后的模型全局搜索能力与优化效率得到了显著提高。

一种变步长双链量子遗传算法

为了克服基于实数编码和目标函数梯度信息的双链量子遗传算法存在收敛速度慢和鲁棒性较差的缺点,提出了一种自适应变步长双链量子遗传算法。建立了反映目标适应度函数变化率的数学模型;构造了反映当前搜索点处适应度相对变化率的变步长系数k,通过调整k以改善适应度函数相对变化率从而优化解的搜索过程;提出了在迭代过程中的量子旋转门转角Dθ更新策略。针对复杂连续函数的优化问题,设计了算法的具体实施步骤,并对典型复杂函数进行了仿真。结果表明,该算法有效地改善了双链量子遗传算法的鲁棒性,加快了算法收敛速度。

改进的双链量子遗传算法在图像去噪中的应用

针对传统双链量子遗传算法收敛速度慢、搜索精度低、鲁棒性差等不足,提出一种F型双链量子遗传算法(F_DCQ-GA).对编码空间进行单值映射处理,在保证量子种群适应度值与相应幅角排序单调性的前提下,缩小算法的搜索空间,增加搜索密度;在量子更新时引入自适应步长因子,使步长随目标函数在搜索点处梯度的变化而变化,有效解决了传统寻优算法普遍存在的全局最优解搜索困难的问题;在染色体变异更新时提出了π/6门,克服了原来非门变异无法更新量子比特概率幅的缺点.将F_DCQGA优化算法应用于小波阈值去噪的阈值选择机制中,通过仿真证明F_DCQGA优化算法提高了小波阈值函数的收敛速度和搜索精度,在图像边缘特征提取中可以获得更小的均方误差(S_(ME))和更大的峰值信噪比(R_(PSN)),同时又保留了大部分高频信息.

基于双链量子遗传算法的多约束QoS组播路由算法

多约束QoS组播路由问题是NP完全问题。提出一种基于双链量子遗传算法的多约束QoS组播路由算法,该算法具有种群多样性、收敛速度快、并行性更高等优点,并对算法具体流程和实现方法进行了详细的描述。实验结果表明,与已有的遗传算法、量子遗传算法相比,该算法有搜索速度快、全局寻优能力强等优点。

改进双链量子遗传算法及其应用

针对目前传统双链量子遗传算法存在搜索速度慢、搜索精度低、保持种群多样性差、易出现早熟收敛等问题,本文提出一种新的改进的双链量子遗传算法.该算法引入自适应步长系数,使步长随目标函数在搜索点处梯度的变化而变化;在染色体种群更新过程中采用Hε门;提出π/3门进行染色体的变异.通过7个典型函数的优化问题,并与已有几种算法进行比较,验证了该算法的有效性.

基于双链量子遗传算法的系统故障概率分布研究

为简化空间故障树理论中的系统故障概率分布计算方法,提出基于双链量子遗传算法计算该分布。双链量子遗传算法有收敛快、计算量小的特点;同时系统故障概率分布原有方法基于分段函数解析计算,虽可得到精确分布,但计算较为复杂,不适合现场应用。据此,给出了基于双链量子遗传算法的系统故障概率分布确定步骤,并使用该方法分析了以往系统的故障概率分布。对比于前期研究成果,得到的故障分布可以分区表示故障的变化范围,且形成的分布图更为直观,同时体现了原分布中故障概率的变化特征,进而可得到符合故障概率要求的因素范围。

基于双链量子遗传算法的过程神经元网络训练

基于函数正交基展开的过程神经元网络训练,由于参数较多BP算法不易收敛。针对这一问题,本文提出了一种基于双链量子遗传算法的解决方案。首先按权值参数的个数确定染色体上的基因数,完成种群编码,然后通过染色体评估获得当前最优染色体,以该染色体为目标,用量子旋转门完成种群中个体的更新,用量子非门实现个体变异增加种群多样性。在该方法中,每条染色体携带两条基因链,因此可扩展对解空间的遍历性,加速优化进程。以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强。