基于自适应小生境遗传算法的船型优化

自适应小生境遗传算法能够克服基本小生境遗传算法操作复杂和计算费时的缺陷,同时具有保持种群的稳定性,获取合适的子种群规模,从而更快地获得最优解的特点。为快速获得阻力性能优良的船型,以势流兴波阻力理论Rankine源法为基础,采用自适应小生境遗传算法并结合CAD技术进行船型优化设计。S60船型的优化算例结果表明,采用自适应小生境遗传算法进行船型优化具有可行性。

基于自适应小生境遗传算法的混合交通网络设计双层规划模型

在现有的交通网络设计问题研究基础上,采用双层规划模型来描述混合网络设计问题,其中上层模型综合考虑网络阻抗、投资额以及CO的排放总量三方面因素,建立起以三者之和最小为目标的优化函数;下层模型为用户均衡模型。根据所建模型的特征,利用一种基于自适应方法和小生境技术的改进遗传算法进行求解。实例计算证明:此模型和算法是研究混合交通网络设计问题的有效方法。

自适应小生境遗传算法在关联规则挖掘中的应用

传统的遗传算法存在早熟收敛和易于陷入局部搜索最优等缺陷;根据关联规则挖掘的要求和特点,提出一种应用于关联规则挖掘的自适应小生境遗传算法。

基于自适应小生境遗传算法的物流配送路径优化研究

针对遗传算法具有早熟的缺点和小生境遗传算法比遗传算法更费时的问题,将自适应小生境技术引入遗传算法,构建自适应小生境遗传算法,用以解决带时间窗的车辆路径优化问题.实验结果表明该算法具有更好的搜索能力和收敛速度,能有效地调和种群多样性与算法耗时的矛盾,解决物流配送车辆路径优化的问题.

基于梯度优化的自适应小生境遗传算法

针对基本遗传算法全局搜索能力差和收敛速度慢,且在求解多峰函数时仅能得到部分最优解的缺点,提出一种基于梯度优化的自适应小生境算法。该算法利用当前种群适应度和种群代数来设计交叉算子和变异算子,有效地保持了种群的多样性,改善全局搜索能力,加快了收敛速度,应用改进的梯度优化算子保证进化向最优解方向靠近,提高了计算峰值的精确度。对Shubert函数的仿真试验证明,该算法能改善全局搜索能力,加快算法收敛速度并提高计算精度。

基于个体优化的自适应小生境遗传算法

针对遗传算法在处理复杂多峰函数优化问题时易于早熟和局部搜索能力差等问题,提出一种基于个体优化的自适应小生境遗传算法。在自适应小生境的基础上,利用进化过程中相邻个体的信息产生的试探点标记的算法进化方向,缩短邻域搜索的区间,提高算法的局部搜索能力。对复杂多峰问题进行的优化实验结果证明,该算法能快速可靠地收敛到全局最优解,其收敛速度和解精度均优于简单遗传算法和其他小生境算法。

基于改进自适应小生境遗传算法的机械臂逆运动学求解

逆运动学求解对机械臂位姿控制和轨迹规划具有重要意义,针对逆运动学求解存在多解及通用性差的问题,提出了一种基于改进自适应小生境遗传算法的逆运动学求解算法。适应度函数融合位姿误差和“最柔顺”原则,不存在多解及奇异解问题;引入减法聚类分析,提升算法通用性;对遗传算法进行改进,提升了算法收敛速度及精度。利用六自由度机械臂进行仿真实验,结果表明该算法收敛快、精度高,可求得唯一解。

自适应小生境遗传算法在土钉支护结构整体稳定性分析中的应用

根据极限平衡理论和遗传算法原理,建立了基于自适应小生境遗传算法的土钉支护结构内部整体稳定性分析模型,该模型利用自适应小生境遗传算法搜索最危险滑动面及其对应的最小安全系数,同时能定量分析各设计参数对土钉支护结构整体稳定最小安全系数的影响。针对遗传算法在寻优过程中存在的问题,引入小生境淘汰技术,设计自适应交叉函数和自适应变异函数,自适应调整交叉率和变异率策略,克服了简单遗传算法易陷入局部极小和早熟收敛的缺陷,提高了算法的搜索效率、精度和稳定性。通过对珠江三角洲地区某深基坑实例分析,得到了一些有益结论,可作为软土深基坑支护结构优化设计和施工提供参考。

基于自适应小生境遗传算法的图像复原

传统的小生境遗传算法收敛太慢,且容易陷入局部最优,对小生境算法做出以下三点改进:一是将解空间划分为多层区域,每层使用不同的距离因子;二是采用差值编码方式,使得算法更易收敛;三是使用伪并行加速算法,改进经典的邻居模型为镜像邻居模型。实验表明改进算法的PSNR比常用的遗传算法以及小生境算法高0.2～0.3dB,且运算时间仅有它们的40%～50%。

一种用于智能组卷的自适应小生境遗传算法

在采用遗传算法进行智能组卷的过程中,常出现选择策略缺乏多样性保护机制的现象,易出现早熟收敛。为解决智能组卷的早熟收敛问题,提出一种自适应小生境遗传算法。采用小生境技术可提高个体的选择概率,增加个体的多样性选择机率;在保证算法收敛速度的情况下,给出一种一致变异算子,同时调节个体的变异概率和变异范围,提高种群多样性。最后,通过具体实例验证了该算法在较短的组卷时间内,可以实现全局寻优的结果,从而证明该算法的有效性。自适应小生境遗传算法在智能组卷中的应用具有实际意义。

自适应小生境遗传算法在系统级综合中的应用

多目标遗传算法是解决SoC系统级综合问题的有效途径之一,但现有的遗传算法只能求得非劣解集前沿的一部分,局部搜索能力差,收敛速度较慢。该文通过结合小生境技术,根据种群往代的多样性信息,自适应地确定子种群的规模和交叉、变异的概率,提出一种自适应小生境遗传算法,有效提高解集的覆盖率,加快收敛速度。以视频编解码的系统级综合为例,证明该算法可以较快地产生较多非劣解。

基于小生境遗传算法的社区养老公共空间优化设计

常规的社区养老公共空间优化方法构建公共空间网络结构关联性较差,空间优化效果不佳。因此,基于小生境遗传算法,设计了一种社区养老公共空间优化方法。根据网络结构多元化、多层次和系统化的特点,构建社区养老公共空间网络结构,通过计算网络结构的关联性,判断当前网络结构的构建效果,在小生境遗传算法的作用下,通过计算网络结构节点的适应度,生成社区养老公共空间优化模型,从而输出切实有效的社区养老公共空间优化策略。通过上述的设计,完成对社区养老公共空间优化方法的设计。实验结果表明:与以往的社区养老公共空间优化方法相比,设计的基于小生境遗传算法的社区养老公共空间优化方法在实际应用中空间利用率高达97.82%,优化效果更好。

面向多模态函数优化的自适应小生境遗传算法

为了解决小生境遗传算法不能准确识别小生境的缺陷,以及算法无法有效平衡快速收敛和保持种群多样性的冲突问题,提出一种自适应小生境遗传算法.在算法中,设计一种改进的小生境识别方法来确定小生境范围,引入用于度量种群多样性的小生境熵概念,并利用小生境熵自适应调整进化参数的取值.同时,改进选择、交叉策略,在识别的小生境基础上将交叉分为境外交叉和境内交叉,用于提高算法的全局搜索能力和局部收敛速度.实验表明,算法对于解决多模态函数优化问题具有收敛速度快和计算量小等优点,能够有效避免遗传漂移现象.

直觉模糊小生境的自适应遗传算法求解旅行商问题

提出一种基于直觉模糊距离测度的小生境技术,结合模糊控制的自适应遗传算法求解旅行商问题。运用个体在遗传算法迭代寻优中的适应度值,通过直觉模糊集的距离测度确定个体之间的相似性,使用共享函数和惩罚函数对适应度低的个体进行惩罚和淘汰,维护了种群个体的多样性;建立模糊推理系统,以自适应调节遗传算法迭代中的交叉率和变异率,使遗传算法能在局部寻优和全局寻优之间达到平衡,弥补遗传算法易早熟收敛和后期寻优能力差的缺陷;通过求解TSPLIB中的多组实例并进行对比,结果表明所提算法的收敛速度、优化精度、效率均具有明显优势。

基于自适应小生境混合遗传算法的说话人识别

为了解决传统高斯混合模型(Gaussian Mixture Model,GMM)对初值敏感,在实际训练中极易得到局部最优参数的问题,本文提出了一种GMM参数优化的新方法.将小生境技术与最大似然估计融入到遗传训练过程,形成了一种新的混合算法,缓解了遗传算法产生的“早熟”现象,提高了算法的局部搜索能力.采用自适应策略来控制交叉和变异算子,同时在适应度评价中融入了其他用户的区分性信息,提高了模型的分类精度,增强了GMM的泛化能力.实验表明,与传统和改进的两种方法相比,本文的方法都可以得到更优的模型参数,使得系统的识别率进一步提高.

一种新的基于小生境的自适应遗传算法

针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢的问题,根据群体适应值的分布特点,启发性地提出了一种新的基于小生境的自适应遗传算法(ANGA).采用一种新的适应值计算方法,引入了一个自适应的常数Cmin,根据群体中各个个体的适应值分布情况加以启发,通过自适应调整Cmin,以适时改变群体适应值的分布,优化了各个个体被选择的概率.同时采用了小生境技术,并对交叉和变异位置引入了自适应的非均匀选择机制.采用3个典型的全局优化测试函数进行了验证,仿真试验表明该方法能够明显地改善全局寻优能力,并大大加快了收敛速度.

可拓聚类适应度共享小生境遗传算法研究

针对遗传算法易陷入早熟收敛和全局搜索能力差等缺点,提出一种基于可拓理论的小生境遗传算法.算法首先构造了遗传编码物元和可拓遗传算子,然后通过可拓聚类方法实现小生境群体的划分,结合适应度共享技术和聚类代表个体保存策略,维持稳定多样的小生境.仿真实验表明,该算法能可靠、快速地收敛到全局最优解,有效避免早熟收敛,其收敛速度和求解精度均优于简单遗传算法和常规小生境算法.

基于改进自适应多种群遗传算法的结构-控制系统一体化优化

提出一种改进的自适应多种群遗传算法,以更好地解决建筑结构-主动控制系统一体化优化问题,即同时对被控结构参数、控制算法参数、主动作动器布置位置进行优化。该遗传算法对编码方法、初始种群生成、选择策略、交叉概率和变异概率的自适应调整、多种群协同进化中移民策略等进行改进。研究结果表明:改进的自适应多种群遗传算法和改进的基本遗传算法优化结果总体一致,表明前者分析结果是正确的,并且具有较高的精度;改进的自适应多种群遗传算法和改进的基本遗传算法首次得到优化分析最优解的平均进化代数分别为320与730,表明前者比后者收敛速度更快;改进的自适应多种群遗传算法每次能达到或接近最优解,可有效克服基本遗传算法优化结果随机性较强的缺点;经改进的自适应多种群遗传算法优化的主动控制系统取得明显减振效果,E1 Centro波输入时,主动控制结构层间位移角峰值和绝对加速度峰值较无控时分别平均减小54.5%与46.7%。算例结果表明了改进的自适应多种群遗传算法的有效性,实现了对建筑结构-主动控制系统的一体化优化。

融入小生境和混合变异策略的鲸鱼优化算法

鲸鱼优化算法作为一种结构简单的先进优化算法,被用于解决各类学科问题。通过对鲸鱼优化算法进行深入研究,发现该算法存在收敛速度慢、无法跳出局部最优、收敛精度低以及无法平衡全局勘探与局部开发能力等问题。为解决上述问题,提出一种融入小生境和混合变异策略的鲸鱼优化算法(whale optimization algorithm integrating niche and hybrid mutation strategy,NHWOA)。该算法通过引入自适应权重,平衡算法全局勘探与局部开发能力,并加快收敛速度;将种群按照相同规模划分成三个小生境并独立寻优,提高种群多样性;采用混合变异策略对种群进行随机扰动,帮助算法跳出局部最优。通过在CEC2017测试套件上对NHWOA进行仿真实验,并将其应用于特征选择问题,验证了NHWOA的先进性和有效性。NHWOA的收敛速度更快,收敛精度更高,并且鲁棒性更好。

基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。