方向自学习遗传算法

为克服准遗传算法收敛速度慢、早熟收敛等缺点,提出一种方向自学习遗传算法,该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向。算法通过个体之间的竞争、合作与学习来不断更新最优个体,为增加种群的多样性提出一种消亡算子,避免早熟收敛,提高算法收敛速度。采用4个二维函数和多个无约束高维函数对算法进行测试,与3个新提出的算法进行比较,实验数据和理论分析表明,该算法在解的质量上和计算复杂度上都优于上述3个算法,充分证明该算法的有效性。

基于方向自学习遗传算法的水库优化调度

本文提出一种方向自学习遗传算法并用于水库优化调度问题。在传统遗传算法基础上引入方向自学习机制,克服标准遗传算法收敛速度慢,早熟收敛等缺点。该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向,提出一种消亡算子用以增加种群多样性,有效地避免了早熟收敛、提高了算法的收敛速度,避免了水库优化调度问题中的维数灾问题。实例计算表明,相对于传统的遗传算法,方向自学习遗传算法计算速度快、收敛性好,提高了计算效率,较好的解决了传统遗传算法求解水库优化调度时存在的一些问题。

一种改进的遗传算法的三维人脸建模方法

采用网格重采样算法提取人脸特征实现了真实人脸与原型三维人脸之间的精确对应,在此基础上,提出了基于改进的方向自学习遗传算法的模型匹配算法,该算法在局部搜索中引入方向信息,提高了算法的收敛速度和重建精度,实验结果表明:新算法可有效实现真实人脸与原型三维人脸之间的精确对应,减少了优化参数,提高了模型重建精度和速度,缩短了模型匹配的时间。