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.

连续时间遗传算法模型及其强收敛性分析

本文在隐马尔可夫链的框架下利用隐马尔可夫链 {Xt∶t∈ [0 ,∞ ) }的观测链的概率分布提出一个连续化遗传算法模型 ,并给出其一个强收敛结果 ,讨论了其离散骨架的性质 .

基于奇偶树型交互学习机与遗传算法的密文优化系统

为使图像加密系统具备优化功能,并解决当前遗传算法无法实现全局最优、收敛速率慢等问题,提出奇偶树型交互学习机耦合全局离散遗传算法的密文优化系统。定义权值更新机制,耦合混沌映射,构造奇偶树型交互学习机及其互扰模型。将切断型轮盘赌择取机制引入均匀交叉算子中,以图像分块的相邻像素相关系数和密文信息熵为目标,根据权重理论设计加权适应度函数,提出一种全局离散遗传算法,最终形成"初始加密-密文优化"的加密结构。实验结果表明,与超混沌算法、离散遗传算法、元胞自动机相比,该系统的加密质量较好,并且具备全局优化功能,可优化所有迭代结果,使最终输出密文的信息熵最大,相关系数最小。

改进离散型遗传算法在离心泵性能优化中的应用

针对离心泵性能优化中设计参数多且优化周期长的问题,提出了适用于离散变量优化的改进遗传算法.以泵效率为优化目标,选取叶轮6个设计参数,采用拉丁超立方设计方法创建90组设计样本,用响应面模型对泵效率和设计参数进行拟合.通过改进的离散型遗传算法对其进行寻优,得到叶轮最优设计参数组合.结果表明:响应面模型能够准确反映效率和叶轮设计参数之间的关系,设计工况下预测值与数值模拟的偏差为0.82%;优化后泵效率在0.6Qd,1.0Qd和1.4Qd下的增幅分别为7.05%,5.98%和1.90%,且输入功率显著降低;优化后叶轮和蜗壳内部的流动损失面积明显减小,整体流动损失显著降低.参数敏感性分析表明:叶片出口安放角、叶轮出口直径、叶轮出口宽度和叶片包角对泵性能的影响较大.

基于多信号流图模型的导弹系统级测试性设计研究

针对导弹长时间贮存,一次性使用特点,开展测试性设计工作难度较大的问题,提出采用多信号流图模型对导弹系统进行测试性设计研究。根据故障模式、影响及危害性分析(FMECA)信息确定系统的故障模式,采用多信号流图模型建立导弹系统级测试性模型,根据可达性算法得到故障-测试相关性矩阵,确定系统的测试性指标。考虑到现有算法如遗传算法、二进制粒子群算法等诸多算法的缺点,提出采用混合离散二进制粒子群-遗传算法对测试进行优化选取,将22个备选测试减少至14个,大大减少测试个数。最后通过实例验证,所提算法可以满足系统测试性指标精度要求,并有效降低测试个数,减少测试费用。