一种新的遗传算法最优保存策略

提出了一种新的遗传算法最优保存策略,该策略在最优个体保留的基础上,添加一个与最优个体相异因子较大,而适应值不过小的个体.这样做既利用了最优保存策略的全局收敛性,又通过新添加的个体来保持种群的多样性,以防止早熟现象的出现.对典型优化函数进行了测试,结果表明基于新的最优保存策略的遗传算法(DESGA)收敛性能显著好于一般简单遗传算法(SGA)和最优保存简单遗传算法(ESGA).该策略与最优保存策略一样具有一般通用性.

一种改进的最优保存遗传算法

在已有的研究工作基础上,给出了一种改进的最优保存遗传算法,研究了算法的全局收敛性和收敛速度,并给出了收敛性证明.数值实验表明,该算法能够有效的求解全局优化问题.

自适应最优保存的模拟退火遗传算法及应用

在分析遗传进化的基础上 ,提出了一种自适应最优保存的模拟退火遗传算法 ,自适应地保存最优个体 ,并对其进行模拟退火 .与简单最优保存遗传算法 (MOSGA)进行了性能比较 ,结果表明本算法明显比MOSGA搜索能力更强 ,有极强的跳出局部最优的能力 .有效地解决了MOSGA的早熟现象 .

最优保存遗传算法在最优资产组合计算中的应用

本文基文献 [1]的思路 ,详细论述了利用遗传算法解决有风险控制的最优资产组合问题的具体实现过程 .

一种改进的最优保存人机交互遗传算法

提出一种改进的最优保存的遗传算法IGABP,通过对个体进行局部改进,并且通过提高交叉、变异操作生成最优解的概率,极大的改进了算法的效率.理论分析和实际应用都证明了算法的有效性.

基于基因库的最优个体保存遗传算法

针对一般最优个体保存方法的缺陷,提出了一种基于基因库的最优个体保存遗传算法。其基本思想是:对每代种群建立一个基因库,将该代种群中的若干较优个体存入基因库;对每个基因库设定一个距离di,将基因库中的较优个体与最优个体进行距离比较,然后将距离大于di的较优个体保留在基因库中,而将距离小于di的较优个体剔除出基因库。数值计算表明,这种新的算法既提高了收敛速度,又提高了种群的多样性,避免了过早收敛于局部最优解的现象。

改进小生境遗传算法在电力系统无功优化中的应用

利用改进小生境遗传算法进行了电力系统无功优化计算。算法主要做了以下改进:设置个体之间的距离判别标准L为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优情况。对IEEE30节点算例系统进行了无功优化,并对优化前后各项技术性能指标进行了分析,说明了改进小生境遗传算法在保持解的多样性、提高搜索效率和优化效果等方面都具有良好的性能。对某县级配电网进行了仿真计算,仿真结果证明了所提算法的有效性。

结合保优策略和移民策略的自适应遗传算法

针对基本遗传算法具有早熟性收敛、寻优时间长及局部搜索能力差的问题,分析产生这些问题的原因。结合最优保存策略和移民策略,提出基于种群平均适应度信息的遗传算法自适应算子的改进方案,并对改进遗传算法的收敛性予以证明。仿真结果表明,改进遗传算法在搜索效率、搜索精度和克服早熟收敛现象方面均有明显的优越性。

最优保存遗传算法在双摆线齿轮减速器设计中的应用

针对双摆线齿轮减速器的配齿计算难度较大的特点。对配齿计算问题进行分析建模,应用最优保存策略构造遗传算法并选择合适的编码解码和个体评价方法对其进行求解,同时结合计算实例加以验证,取得了令人满意的结果。

采用重复交叉操作及最优保留策略的遗传算法

基于有限次重复交叉操作和将父代的最好个体代替子代的最差个体的思想 ,提出了一种新的遗传算法 (REGA)。该方法克服了基本遗传算法容易出现的早熟现象 ,并利用马尔可夫极限定理获得全局收敛性 ,求得基于有限次重复交叉操作的基本遗传算法 (记为RSGA)的渐近性质 ,以及提供关于这两种算法吸收时间的数学期望的计算方法。仿真事例表明 ,它不仅克服了局部最优的缺点 ,而且适用于有多个最优解问题 ,同时群体的平均适应度增加较快 ,运行效率更高 ,因而 。

水库短期优化调度改进选择算子的遗传算法应用研究

针对传统遗传算法寻优能力差、易出现早熟的问题,对遗传算法的选择算子进行了改进,提出了对优秀个体进行比例复制的方法,并在种群交叉和变异之后增加了最优保存策略,以保证改进遗传算法的收敛性。用改进的遗传算法求解水库短期优化调度模型,结果表明,改进选择算子的遗传算法趋近于全局最优解的能力更强,收敛速度更快。

基于遗传算法的机械优化设计

本文提出了用遗传算法解决轴承优化设计的方法。针对简单遗传算法(Simple Genetic Algorithms,简称SGA)在机械设计中出现的进化过程缓慢问题,采用最优保存策略 (Elitist Genetic Algorithm)对计算过程进行处理。同时,针对后代个体不满足约束条件 的问题,采用罚函数的方法进行处理。并给出在轴承行业中的算例。

小生境遗传算法在函数优化中的应用

探讨了基于稳态复制策略的二进制小生境遗传算法,并把其应用于复杂函数优化问题中,通过与基于最优保存策略的基本遗传算法进行比较,说明改进算法可以极大克服遗传算法未成熟收敛问题以及极易陷入局部解问题,提高了算法收敛性能和收敛速度。

一种基于自适应混合遗传算法的非线性函数优化方法

遗传算法因其具有的特性,它采用交换、复制和突变等方法,获取的解为全局最优解,而且无需计算函数的导数,是一种只考虑输入与输出关系的黑箱问题,适用于处理各种复杂问题.此文基于最优保存的思想,把最速下降法与最优保存和自适应遗传算法相结合,用于求解非线性函数优化问题,提出一种基于自适应混合遗传算法的非线性函数全局优化方法.

基于遗传算法的3L-CVRP优化问题研究

为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题。在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数。设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解。案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5s,车辆总行驶里程缩短了7km。

面向自标定室内定位基于遗传算法优化SVM的视距与非视距信号分类

对于室内定位,基于安卓手机平台,利用特定频段的声技术TPSN测距模型,以到达时间(TOA)作为重要参数,可以实现高效、高实时性定位。算法中涉及到视距(LOS)与非视距(NLOS)信号wav文件分类,之前定位系统中大都使用支持向量机(SVM)完成分类。兼顾安卓手机实际使用情况与实际需求,改进了特征提取算法,并且使用遗传算法(GA)从训练样本再选择、参数寻优以及每代种群的最优保存策略三方面对SVM进行升级,提升了SVM性能。

基于改进小生境遗传算法的Pareto多目标配电网重构

配电网重构是一个多目标、多约束的复杂非线性组合优化问题,若采用传统的遗传算法处理此类问题,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。建立了Pareto多目标重构数学模型并提出一种改进小生境遗传算法来处理配电网重构问题。算法主要有以下几种特点:设置个体之间的距离判别标准L为动态函数,保持了种群的多样性;采用最优保存策略,提高了算法的收敛速度;交叉、变异采用自适应规则,避免了算法陷入局部最优的情况。另外,Pareto多目标数学模型的引入也使算法更具实际工程意义,采用国外一个实际的配电网络对算法进行了验证。理论分析和算例表明,该算法具有高收敛性、快实时性和强全局稳定性的优点。

自适应遗传算法在工程训练在线考试中的应用

在工程训练中心车间信息化实现的基础上,针对工程训练管理系统中考试模块现有组卷方式所带来的抽重复题、组卷效率低下等问题,以满足在线考试的实时性要求。为此,给出一种改进的遗传算法,采用分段整数编码,改进初始种群的产生方法,有效提高了算法的收敛速度,并自适应调整遗传算子,在进化过程中增加去重题策略及最优个体保存机制,维护了种群多样性,保证了运算结果的质量。实验结果表明,该算法不但解决了系统组卷原有的问题,在迭代次数、运行时间和组卷精确度上均明显优于随机组卷法和简单遗传算法。

基于混合遗传算法的人工神经网络模型及其对有机化合物熔点的预测

为了避免BP神经网络在训练过程中收敛于局部极小的缺陷,采用自适应交叉变异、最优保存的混合遗传算法对BP网络的权值和阈值进行优化,从而提出一种新的基于混合遗传算法的神经网络模型.该算法首先对一给定的网络结构,采用混合自适应交叉变异和最优保存策略,取各自的长处,用尽可能少的搜索代数找到问题的最优解,从而既防止算法陷入局部最优,又保证算法有较好的平均适应值和最佳的适应值个体.采用上述优化策略的人工神经网络可明显改善收敛的稳定性和收敛速度,并确保网络收敛于全局极小点.人工神经网络运用于物性数据的预测是一个具有潜力和有待开发的领域.运用该模型,根据有机化合物的分子量、临界密度、正常沸点和偶极矩,对其熔点进行预测.预测结果表明:提出的混合遗传算法神经网络优于其他算法神经网络,而且预测结果优于文献上已有的Joback方程和许氏方程的计算值.

一种基于对称调和的遗传算法

提出了一种基于对称调和的遗传算法。此算法根据遗传进程中各个体适应值的变化情况来有选择性地投放对称调和个体,使种群的多样性得到了较好的保持,从而有效地防止了早熟现象的出现。算法采用最优保存策略来保证全局收敛性。对典型优化问题在采用与不采用对称调和策略下进行了对比试验,结果表明对称调和策略的有效运用将大大改进遗传算法的性能。