自适应伪并行遗传算法及其性能分析

提出了一种度量种群多样性的新指标 ,将其应用于交叉概率和变异概率两个参数的自适应调整 ,再将自适应的思想和并行计算的思想结合起来 ,提出了一种在个人计算机上实现的改进自适应遗传算法 -自适应伪并行遗传算法(APPGA) .对几种典型的多峰值函数求极值 ,结果表明 :该算法的全局搜索能力和收敛速度都远优于标准遗传算法 。

基于自适应伪并行遗传算法的动力学参数识别

为研究结构动力学参数识别问题,引入一种新的度量种群多样性的指标,构造了新的自适应遗传算子,结合伪并行遗传算法,改进了遗传算法的全局收敛性和收敛速度;利用ANSYS程序的参数编程,将其成功应用于动力学模型中弹性模量和阻尼的识别.数值试验表明,该方法具有满意的识别效果,并具有较强的抗噪能力,可用于工程实际.

基于自适应伪并行遗传算法的PID参数整定

为了克服基本遗传算法局部搜索能力差和存在未成熟收敛等问题,引入新的种群多样性的度量方法,应用于交叉算子和变异算子,使得交叉算子和变异算子根据种群多样性的变化而变化。提出并行遗传算法的思想,并用于PID参数整定。设计了采用伪并行遗传算法进行PID参数优化的步骤。仿真结果表明该方法是可行的,不但解决了基本遗传算法存在的缺陷和不足,而且也提高了寻优精度和快速性。

自适应伪并行遗传算法在织机张力控制中的应用

为了克服基本遗传算法局部搜索能力差和存在未成熟收敛等问题,提出了自适应伪并行遗传算法,并用于PID参数优化;提出了采用遗传算法进行PID参数优化的方法,并具体为以ZA209i型织机张力控制系统PID参数的优化为例进行了仿真计算;为织机张力控制提供了新的方法。

基于并行自适应遗传算法的水文模型率定研究

【目的】参数率定是影响水文模型预报精度的重要因素,采用人工智能算法可以有效提高水文模型参数的率定效果。【方法】采用基于种群离散程度的自适应算子,对GA算法的交叉、变异和迁移过程进行自适应优化,并利用粗粒度并行计算模型提高种群进化效率,综合以上手段研究了一种基于自适应策略的并行遗传算法。将传统遗传算法(GA),串行自适应遗传算法(AGA)和并行自适应遗传算法(PAGA),应用于屯溪流域新安江模型的参数率定,从率定效率、率定收敛性、率定稳定性和率定效果四个方面,验证PAGA算法的综合性能。【结果】结果表明:PAGA算法的计算加速效果显著,在10核环境下相对于AGA算法计算时间减少了87.9%;在进化后期,PAGA算法能够更加稳定的收敛于最优解,收敛后的目标函数值具有更好的稳定性;在验证期的场次洪水模拟中,采用PAGA算法率定的模型模拟效果最优,总体洪水合格率大于90%,确定性系数均值为0.85。【结论】PAGA算法能够明显降低模型参数寻优耗时,改善模型率定效果和收敛性能,为水文模型参数的率定提供了新思路。

采用改进两点交叉算子的改进自适应遗传算法求解不相关并行机混合流水车间调度问题

针对不相关并行机的混合流水车间调度问题,提出了改进两点交叉算子(ITPX)的自适应遗传算法。首先,利用精确取点方式提高两点交叉算子的求解性能;其次,论证了基于激素调节的自适应选择概率引导种群的收敛趋势;然后,建立优质染色体池和记忆因子来记录种群迭代的优质解,并实现两种不同区域的交叉。实验结果表明,ITPX可节省优化时间,提高求解性能;自适应概率可增强收敛性;改进两点交叉算子的改进自适应遗传算法(ITPX-IAGA)可缩短40%以上的求解时间,并提高求解性能。

一种自适应伪并行改进遗传算法

针对基本遗传算法中存在的一些不足,例如“早熟”现象和计算速度较慢等缺点,对进化算子作一定的改进,在单台计算机上实现并行计算思想与遗传算法的结合,提出了一种新的伪并行改进遗传算法。最后通过典型测试函数的数值算例验证,表明该算法不但有效地克服了遗传算法的缺点,而且精度和收敛速度都有明显的提高。

用自适应伪并行遗传算法求解双准则三维运输问题

采用并行计算的思想,在单台计算机上应用自适应的伪并行遗传算法,求解了双准则三维运输问题,最后通过实验验证该方法可产生适合需求的解,同时体现了该算法有较快的收敛速度.

基于改进自适应遗传算法的并行测试任务调度

针对并行测试任务调度需要避免资源竞争、系统死锁与饿死,导致调度方案优化困难的问题,提出了一种基于改进自适应遗传算法的任务调度算法。该算法设计了种群相异度函数作为评价种群多样性的标准,并根据种群相异度自适应调节交叉与变异概率以保证整个迭代过程中种群的多样性。在某自动测试系统中的测试结果和算法对比表明,该算法可以有效解决并行测试任务调度问题,能够减小陷入局部最优解的可能性,提高算法搜索最优解的效率与准确性,实现较好的搜索性能。

混沌伪并行遗传算法及其在火力分配优化中的应用

剖析了混沌模型的随机性、遍历性和初值敏感性的特点,提出了多种群伪并行混沌遗传算法.把多群体伪并行进化的并行性和混沌运动的内在随机性结合起来,利用不同的混沌扰动策略,把混沌变尺度映射机理应用到种群初始化和中间群体的优化进化实现函数优化.仿真结果表明,混沌伪并行遗传算法比伪并行遗传算法和简单遗传算法具有更快的收敛速度和更高的最优解搜索成功率,可对火力分配进行优化.

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.

伪并行遗传算法在供水管网优化调度中的应用

讨论了基于微观水力模型的多水源大型供水管网优化调度问题的主要特征,并提出了求解该问题的改进遗传算法.首先,针对决策变量的结构提出二进制-实数混合编码策略;其次,设计并实现了多种群进化的伪并行遗传算法.将本算法与单一群体进化算法同时应用于实际管网的优化调度求解,结果表明,通过个体迁移策略,伪并行遗传算法可以加速优化搜索的进程,显著改善解的质量,并有效节省运行调度费用.

伪并行遗传算法在无功优化中的应用

在无功优化中,应用矩阵奇异值分解理论,引入了静态电压稳定裕度最大化目标和并行遗传算法思想,提出了用于无功优化的伪并行遗传算法。该算法在一定程度上避免了常规遗传算法容易出现的“早熟”现象,收敛速度也有一定提高。对Ward&Hale6节点和IEEE14节点系统进行了测试,计算结果表明,本文所提模型和算法是合理可行的。

伪并行遗传算法及其在水电站经济运行中的应用

提出了一种伪并行算法,来提高遗传算法的搜索能力和效率以及避免算法中常出现的“早熟”现象,并且进行了两个仿真实验。在以清江隔河岩水电站的4台机组为例的经济运行工程实验中,从收敛速度、搜索能力和运算速度三方面比较了该算法和自适应遗传算法、双代竞争遗传算法的性能,得到了令人满意的结论,说明本文所提出的改进遗传算法可以成功地应用到水电站经济运行中。

基于伪并行遗传算法的路径测试数据自动生成

路径测试数据自动生成是结构测试中的关键问题,也是当前软件测试研究中的热点问题。为了探讨伪并行遗传算法用于路径测试数据生成的可行性及其效果,首先归纳了基于演化算法的路径测试数据自动生成方法的基本思想和流程,然后在MATLAB7.1上实现了一个基于粗粒度模型和基于适应度选择迁移个体的伪并行遗传算法和一个使用代沟的基本遗传算法。采用基于分支距离的适应度函数,以三角形分类程序为例比较了二者在生成路径测试数据时的性能差异。实验结果表明伪并行遗传算法较之基本遗传算法具有明显优势。此外,自由迁移和相邻迁移策略要优于单向迁移策略。

自适应的多种群并行遗传算法研究

典型的遗传算法本质上是一种并行的随机搜索策略,它不能对进化方向做出正确的感知和预测。文章定义了一个可以感知进化方向和衡量进化速度的指标,指导遗传算子做出自适应的调整。结合并行计算和多种群进化思想,提出了“带环多种群模型”,并构造了一种自适应的多种群并行遗传算法。实验结果表明,该算法可以有效地引导和控制进化方向,克服过早收敛现象,提高搜索效率。

基于伪并行混合遗传算法的神经网络优化

在分析并行多物种遗传算法应用于神经网络拓扑结构的设计和学习之后,提出一种伪并行遗传(PPGA-MBP)混合算法,结合改进的BP算法对多层前馈神经网络的拓扑结构进行优化。算法编码采用基于实数的层次混合方式,允许两个不同结构的网络个体交叉生成有效子个体。利用该算法对N-Parity问题进行了实验仿真,并对算法中评价函数各部分系数和种群规模对算法的影响进行了分析。实验证明取得了明显的优化效果,提高了神经网络的自适应能力和泛化能力,具有全局快速收敛的性能。

基于伪并行遗传算法的聚类分析方法

针对传统的基于聚类准则的聚类算法初始化敏感和容易陷入局部极值的问题,设计了一种新的基于伪并行遗传算法的聚类方法。采用实数编码方式对每个样本所属的类别进行编码,通过空类的识别和修复来修正不合法的染色体。在引入离散随机变异算子和优化方向变异算子的基础上,结合迁移策略和插入策略,达到兼顾局部收敛速度和全局收敛性能的目的。与K-均值算法对比仿真实验,表明了这种基于伪并行遗传算法的聚类新方法的可行性和有效性。

基于自适应并行遗传算法优化设计的有源滤波器

提出一种用于有源滤波器的改进自适应并行遗传算法设计.引入了两个自适应算子:其一根据进化过程实现交叉和变异概率的自动调节;其二通过设计随机个体集和健壮个体集,实现种群个体的多样性和保护适应度高的个体不被破坏.采用基于岛屿的交换模型实现多种群间信息交换,扩大了种群的规模和相应的搜索空间.给出了利用该方法设计四阶切比雪夫低通滤波器的设计结果,并与基本遗传算法进行了比较实验,结果表明该算法收敛速度快、精度高,有效地克服了早熟现象.为大规模有源滤波器设计提供了方法上的支持.

实数自适应并行遗传算法的研究

针对遗传算法中的早收敛现象,提出了一种实数自适应并行遗传算法(real adaptive parallel genetic algorithm,RAPGA)。该算法采用了一种并行遗传进化结构,并将自适应交叉、变异算子引入到本算法中,增强和保持了种群的多样性。最后,通过与其他经典优化遗传算法进行比较显示,RAPGA对多个标准测试函数均表现出较好的搜索性能。