一种自适应紧凑遗传算法及其仿真研究

首先提出了用联合熵来刻画紧凑遗传算法的多样性方法;在此基础上针对紧凑遗传算法存在的早期收敛,同时提出了基于多样性的自适应紧凑遗传算法。该算法通过种群多样性的变化和每个基因座自身的进化状态来控制概率向量的更新。这种更新策略不仅可以跟踪种群的全局进化状态,同时还可以对基因座自身的进化状态进行局部调整,从而提高了进化中种群的多样性和算法的搜索效率。通过典型函数的测试,仿真结果表明了提出的算法的优越性和有效性。

基于变异的紧凑遗传算法

紧凑遗传算法(CGA)具有存储成本低的优点,但是其容易出现早熟。该文提出一种基于变异的紧凑遗传算法(MBCGA)。MBCGA在CGA的基础上,引进变异算子,完整地体现生态进化中的选择、遗传和变异,提高了局部寻优以及算法克服早熟的能力。试验结果表明,MBCGA保留存储成本低的优点,具有较快的收敛速度。变异算子的局部寻优作用明显。

基于变异的紧凑遗传算法在农药检测中的应用

为了简化农药检测的预测模型,提高模型预测精度,采用红外光谱技术结合基于变异的紧凑遗传算法对波长变量进行筛选,一定程度上减少了无信息变量和干扰变量。通过不同算法选择的波长变量建立预测模型,mCGA得到的预测均方根偏差平均值是0.198,而与mCGA比较的紧凑遗传算法、简单遗传算法得到的预测均方根偏差平均值分别为0.241、0.289,mCGA具有最小误差。结果表明,采用mCGA进行变量选择,能有效提高模型收敛速度及模型准确度,实现农药含量快速高效的检测。

CGA算法在梅沙系统中的应用研究

由于数据量巨大,梅沙系统的数据存储在分布式数据库中,受限于系统落后的查询策略,在查询过程中经常碰到延时等待甚至死机的状况,本文主要采用CGA算法(compact genetic algorithm,紧凑遗传算法)针对梅沙系统中的分布式数据库查询优化进行研究,通过引入CGA算法进一步提高梅沙系统查询效率。