基于聚类排序选择方法的进化算法

为提高进化算法的效率,提出了聚类排序选择方法。主要工作有:(1)提出了新的种群内个体相似度度量,并使用种群所包含不同簇的数量来描述和度量种群的多样性;(2)为解决早熟问题提出了新的基于种群聚类和排序选择的聚类-排序选择方法;(3)导出了选择压力-种群多样性(SP-PD)方程,该方程能描述进化过程中选择压力随种群多样性变化的规律。在基于全面学习粒子群算法环境中作了详实的实验,对16个多峰函数进行了优化。实验结果表明,在10维和30维条件下,在15个函数优化中,新方法明显优于指数排序选择方法,最高能使精度提高4个数量级。

基于改进的Apriori算法和遗传算法的数据挖掘模型

针对Apriori算法的局限性,本文在此算法的基础上应用基于划分技术的方法,并结合遗传算法的特点建立一种改进的Apriori算法和遗传算法的关联规则挖掘模型。同时对此模型中遗传算法的早熟问题进行研究,通过模型中的一个应用实例,证明了此模型在关联规则挖掘中是可行的,有效的。

基于粗粒度Agent的离散分段遗传算法

为了改善遗传算法早熟对性能的影响以及提高递阶分段遗传算法的整体寻优速度,在递阶分段遗传算法的基础上,提出用Agent技术来实现离散分段遗传算法.通过少数Agent进行粗粒度控制,这样不仅能减少因Agent过多而造成过大的内存和通讯开销,也能从根本上提高离散分段遗传算法的整体寻优速度.通过多峰值函数对算法的验证,表明算法的优化速度得到了一定程度的提高.

遗传算法中群体多样性的研究与应用

遗传算法中,初始群体的特性对计算结果和计算效率均有重要影响,要实现全局最优解,初始群体在解空间中应尽量分散,标准遗传算法是按预定或随机方法产生一组初始群体,这样就导致初始群体在解空间中分布不均匀。本文阐述了用相似度和适应度值对群体中每两个个体进行逐位比较,剔除相似个体,选择不同模式的个体组成新的群体,增加了群体的多样性,尤其在计算初期,能够有效的避免早熟问题的产生。最后,通过实例应用matlab7.0编程测试说明了这种方法的可行性。

一种优化高维复杂函数的PSO算法

对于高维复杂函数,一般粒子群优化算法收敛速度慢,易早熟收敛。本文重构一个适合高维复杂函数惯性权重函数,使粒子群算法寻优过程中的全局收搜能力和局部收搜能力良好平衡,以达到快速收敛,高效避免早熟问题,获得最优解。对典型高维复杂函数的仿真表明:算法在求解质量和求解速度两方面都得到了好的结果。

基于自适应粒子群算法的约束布局优化研究

二维带平衡及不干涉约束的圆集在圆容器内的布局优化问题(如卫星舱布局)在理论上属于带性能约束的布局优化问题,它是NP-hard问题的难点,由于它的复杂性,传统的粒子群优化算法难于求解.通过对传统的粒子群优化算法的多重改进,提出了一种自适应粒子群优化算法,该算法在整个搜索过程中,既能保持粒子群原有基本结构,同时又能扩大搜索范围,在提高多样性的同时保证搜索精度,从而加快了收敛速度,有效避免早熟收敛问题,得到最优解.将改进后的算法应用于约束布局问题,建立了此类问题的粒子群算法,通过3个算例的数值计算,验证了该算法的可行性和有效性.

考虑变频调速时泵站优化调度的改进遗传算法

采用遗传算法对有部分变频调速机组的泵站进行优化调度计算 ,并对遗传算法进行改进 ,克服了遗传算法的早熟收敛问题 .仿真研究表明 。

八面来风

南京消息:9月4日,南京首家性早熟咨询门诊在南京市妇幼保健院开诊,早熟问题将得到专业医师的指导和治疗。据了解,我国目前性早熟年龄标准是女孩子8岁前、男孩子9岁前分别出现乳房肿大、睾丸增大或女孩子10岁前月经初潮。

多重自适应性遗传算法的研究

为了改善遗传算法"早熟"的问题,增强算法的全局收敛能力并加快收敛速度,提出了一种新的多重自适应遗传算法.由于种群在不同的遗传阶段具有不同的特征,所以将遗传代数分为三个阶段,每一阶段采用不同的选择策略,加快算法的收敛,并且设计了一种基于种群多样性和个体适应度的多重自适应交叉概率和变异概率,增强算法的全局搜索能力.通过分别对两处改进的仿真对比,验证了改进的有效性,对交叉和变异概率的改进加快了收敛速度和精度,改善了"早熟"问题,对选择策略的改进在不影响收敛精确度的前提下,进一步加快了收敛速度.新算法在搜索全局最优解和收敛速度上具有较好的综合表现.