基于自适应交叉概率因子的差分进化算法及其应用

基本差分进化算法的控制参数在进化过程中是保持不变的,但是交叉概率因子的大小影响种群进化的多样性以及种群的收敛速度.本文提出一种根据种群平均适应度方差非线性改变交叉概率因子的方法.在种群多样性降低时增大该因子,使之接受更多变异个体的基因,有利于加强局部搜索和加速收敛速率;多样性增大时减小该因子,避免该个体基因结构遭到过多的破坏,促使该个体的进化,有利于保持种群的多样性和完成全局搜索.并且给出了一种新的变异方式,这种变异方式一方面能提高算法的收敛速度,另一方面能在一定程度上保持较高的种群多样性.最后将其应用到热连轧精轧机组负荷分配优化中,改进后的优化方法在性能上要优于所对比算法.

利用排序对遗传算法的改进和自适应交叉概率

作为一种并行、自适应 ,全局搜索方法 ,遗传算法已在多种领域得到应用。文中先简单介绍了遗传算法的发展、基本程序与几种遗传操作 ,然后详细说明了排序选择。在此基础上文中提出了在非线性排序中加入适应值信息和交叉前进行排序两种改进方法。为了减少近亲遗传 ,文中还设计了一种自适应交叉概率。实验中选择具有不同特点的四个测试函数进行测试 ,寻优结果表明改进的算法对加快收敛速度 ,提高寻优效果起到了作用。

基于自适应交叉与协方差学习的改进平衡优化器算法

针对平衡优化器算法存在的收敛精度低和易陷入局部停滞的问题,提出一种基于自适应交叉与协方差学习的改进平衡优化器算法。首先,构建外部存档来保留历史优势个体,增加种群多样性,以提高算法的全局寻优能力。其次,引入自适应交叉概率来平衡算法的全局探索能力和局部开发能力,以提高算法的寻优精度和鲁棒性。最后,采用协方差学习策略,充分利用浓度向量之间的关系来增强种群间信息交流,以避免算法陷入局部停滞。通过对CEC2019测试函数进行仿真实验,并将改进算法与反向传播(back propagation,BP)神经网络相结合用于预测新疆玛纳斯河的径流情况,实验结果表明,改进算法在收敛精度和鲁棒性方面有显著提升,且大幅提高了BP神经网络的径流预测效果。

融合对数交叉概率因子和随机迁移的差分进化算法

针对差分进化算法在后期收敛缓慢和易陷入局部极值缺点,提出了一种带有对数递增交叉概率因子和随机迁移算子的差分进化算法。这个算法增强了收敛速度和精度,同时也提高了全局寻优能力。数值实验结果表明,所提出的算法LMDE比基本DE和带混沌差分进化算法CDE在收敛性和稳健性以及全局寻优能力方面更好。

自适应概率问题的空间遗传算法的研究

求解约束条件下的调度和分配的最优解是一个ＮＰ难题，因此提出了一种基于自适应概率参数模型的问题空间遗传算法（ＡＰＰＳＧＡ），它较好地解决并发进行硬件资源调度与分配问题，使得在给定的输入控制数据流图中找到使目标函数最小的位置。最后以求解方程中的资源调度为例，用实验验证了该算法的有效性。

一种遗传算法交叉算子的改进算法

为了有效克服遗传算法收敛速度慢和易陷入局部极值点的缺点,提出了一种遗传算法交叉算子的改进算法,即采用自适应交叉概率,给不相关大的个体赋予较大的被选概率的配对方式进行交叉操作;在适应度比例轮盘赌的基础上辅以父子竞争的选择操作。二元多峰值Schaffer函数优化的仿真实例结果表明:与保留最优个体策略的遗传算法相比,改进算法能有效减少无效的交叉操作,收敛速度和全局搜索能力都得到了较大提高,其平均收敛代数和收敛到最优解的概率都优于保留最佳个体策略的遗传算法。

基于隔离小生境的自适应遗传算法研究

基本遗传算法存在着收敛速度慢、易陷入局部最优等缺陷.针对这些缺陷,本文通过对自然界中隔离机制和自适应技术的研究,发现隔离机制对于改善种群的多样性等方面有良好的作用,而交叉概率和变异概率不仅与自身的适应度值有关而且同进化代数有较大关系.本文结合隔离小生境的知识和自适应技术提出了一种基于隔离小生境技术的自适应遗传算法,并通过函数测试表明该方法能够有效改善种群多样性,提高算法的全局寻优能力和收敛速度.

基于改进遗传算法的离场航班时刻优化

为提高机场航班放行正常率,对离场航班时刻进行了智能优化方法研究。考虑进场航班时刻不变、离场容量和航班时刻调整范围受限等约束,构建了以全局时间调整偏差总量最小为目标的离场航班时刻优化模型;为提高优化效率,将遗传算法的交叉概率改进为自适应交叉概率;设计了一种基于改进遗传算法的离场航班时刻优化方法。以兰州中川国际机场全天运行455起降架次为例,对航班时刻进行优化和仿真验证。结果表明,优化的航班时刻相较于原航班时刻,航班平均延误时间降低12.8%;离场航班平均延误时间降低22.3%;离场航班延误架次减少了42.8%;航班放行正常率提高了12%。采用基于自适应交叉概率的遗传算法可有效降低了航班延误和提高航班放行正常率。

采用双变异策略的自适应差分进化算法及应用

为了克服差分进化算法早熟收敛和寻优精度低的缺点,提出一种采用双变异策略的自适应差分进化算法(Adaptive Differential Evolution Algorithm using Double mutation strategies,DADE)。DADE引入基于种群相似度和中心解的双变异策略,有效平衡了算法的全局搜索和局部搜索;自适应交叉概率使种群个体向更新成功的个体学习,有利于后续种群的进化。在7个测试函数和3个电力系统动态经济调度(Dynamic Economic Dispatch,DED)问题上的优化结果表明,DADE算法与其他4种DE算法相比具有更强的全局寻优能力,且对电力系统动态经济调度问题的优化结果优于文献中所报道的结果。

基于t分布变异的自适应差分进化算法

为了更好地提高差分进化算法的全局探索和局部开发能力,提出了一种改进的差分进化算法。在该算法中,引入t分布变异算子将高斯变异和柯西变异的优点结合起来,根据以往的进化经验自适应地调整进化策略及交叉概率。通过四个典型的Benchmarks函数的测试结果表明算法具有良好的性能。

中心变异差分进化算法

针对高维复杂优化问题,提出了基于中心变异和自适应交叉概率的差分进化算法——中心变异差分进化(center mutation-based differential evolution,CMDE)算法。该算法首先改进了个体的变异形式,即把当前代的群体中心作为基向量,依据参加变异的三个随机个体向量间的函数适应值的大小关系,确定差向量的方向;然后给出了自适应交叉概率策略,即依据交叉的作用,通过分析个体向量间的函数适应值在群体内部的分布情况,确定每个个体的交叉概率。通过几个Benchmark函数的测试表明,CMDE算法具有较快的收敛速度,且对于高维复杂问题的求解精度高,寻优性能好。

面向排课系统的遗传算法改进研究

为了解决实施学分制对排课所造成的困难,改进了排课系统中使用的遗传算法。基于遗传算法的原理以及在排课系统中的应用,指出了交叉和变异概率选择的盲目性,并提出了遗传算法中染色体编码设计和含动态调整参数的交叉变异概率选择的改进措施。采用仿真实验的方式验证了改进后的遗传算法,结果表明,改进算法减少了无效的染色体和交叉变异操作,提高了收敛速度和全局搜索能力,克服了遗传算法的早熟和局部收敛的问题。

基于模拟退火遗传算法的虹膜轮廓提取方法

选择了一种基于模拟退火遗传算法来提取虹膜的内外轮廓。为了避免了遗传算法后期搜索效率不高,容易陷入局部最优解的情况,本文将模拟退火算法引入遗传算法,结合模拟退火算法的局部搜索能力强的优点,设定了自适应交叉概率和变异概率,提高了收敛到全局最优的概率。处理虹膜图像时,使用区域生长的方法去除光斑,各提取出虹膜内外边缘的多个边缘点,使用模拟退火遗传算法优化目标函数,寻找出最优的圆拟合虹膜内外边缘。最后选取了中科院提供的CASIA-Iris-Interval和CASIA-Iris-Twins虹膜数据库,在MATLAB2010b上与另外两种算法进行性能测试,结果证明,本文算法速度更快,准确率更优。

基于改进遗传算法的神经网络集成模型

介绍神经网络集成的基本概念及其算法理论,设计了改进的自适应交叉概率和变异概率,提出基于种群适应度集中程度的改进遗传算法,利用该算法优化加权平均集成网络的权,从而构建一种高效的神经网络集成模型。该模型用于解决分类问题.表现出比传统神经网络集成模型更好的性能。

基于Laplace分布变异的改进差分进化算法

为了提高差分进化算法(DEA)的收敛速度和寻优精度,提出了一种改进的差分进化算法。在该算法中,引入了基于Laplace分布的变异算子,并且能根据以往的进化经验自适应地调整进化策略及交叉概率以适应不同阶段的进化。通过5个典型Benchmark函数的测试结果表明,该算法的收敛速度快、求解精度高、鲁棒性较强,适合求解高维复杂的全局优化问题。

具有较大鲁棒度的歼击机容错控制

针对复杂非线性系统被动容错控制问题,提出将AREs与小生境遗传算法相结合的方法。在T-S建模的基础上,这种方法用于搜寻最优控制器。在小生境遗传算法中提出了交叉变异概率的自适应调整律,克服遗传算法早熟的缺点。为了消除T-S建模误差,应用在线可调且具有补偿项的RBFN来消除建模误差。歼击机在多种故障下的仿真表明,此方法能够实现很好的容错控制效果。

装备联合配送路径优化及算法分析

针对传统的装备配送模式存在着分区复杂、物资无法共享以及配送路径优化不合理等问题,提出了装备联合配送的方式,综合考虑配送时间、部队服务满意度和配送成本的目标,构建带时间窗的联合配送路径优化模型。并针对模型,提出了一种自适应改进遗传算法。该算法利用PFIH算法构建初始解,采用新颖的变异算子和自适应的交叉变异概率,利用relocate和2-opt进行中间解的优化,加快算法收敛。多目标权重处理采用RCA算法进行量化。最后实验证明该算法性能优良,求解高效,能够应用于军用装备联合配送的实际场景。

媒体重头文章概览

针对墙土系统损伤识别方法进行研究，提出了一种基于改进多种群遗传算法的墙土系统损伤识别方法。首先，建立了墙土系统动测简化模型，同时对土体发生损伤时墙土系统的特征方程进行理论分析。基于系统的特征方程构造目标函数；其次，对多种群遗传算法进行改进，改进的内容主要包括采用实数编码、采用自适应交叉概率、采用自适应变异概率；最后，利用改进多种群遗传算法分别进行了无噪声条件和噪声条件下的墙土系统损伤定位和定量研究。通过分析结果表明：无论对单处损伤还是多处损伤、单一损伤程度还是多损伤程度。按所提出的方法都能较好的识别出损伤位置和损伤程度，具有较强的抗噪声能力。因此，所提出的方法为墙土系统的损伤识别提供一种简单有效的途径。

基于改进遗传算法的柔性制造车间等量分批调度问题

针对柔性制造车间等量分批调度问题,提出了改进遗传算法的求解方法。利用改进的适应度函数,增加了个体的区分度。针对染色体的交叉和变异方式继承亲代特征不足的问题,在交叉过程中使用保留亲代交叉机床基因策略。在变异过程中采用混合变异的方式选择加工机床,在维持种群多样性下防止个体因变异而破坏。通过自适应交叉变异概率提高算法的寻优和收敛速度,采用标准遗传算法与改进算法进行算例测试对比,结果表明改进算法缩短了加工周期。

基于改进遗传算法的软包装企业生产调度模型建立及仿真

针对软包装印品种类少、印量多、交货期短等特点,以最小化最大加工时间为目标优化,建立生产调度模型,研究软包装车间的生产调度问题。传统遗传算法在求解生产调度问题上会出现收敛过慢或者局部收敛,利用改进遗传算法进行仿真,使用改进的精英保留策略和自适应交叉变异概率,避免种群多样性降低,通过实验仿真验证了该算法可以求解软包装印刷的排产调度。