基于近似Hessian矩阵的修正网格自适应直接搜索算法

针对网格自适应直接搜索算法寻优效率低和收敛速度慢的问题,提出了一种基于近似Hessian矩阵的修正网格自适应直接搜索算法。基于正交三角分解,提出一种产生探测方向集的算法,用于构建搜索步目标函数的二次模型函数和约束函数的线性模型函数。运用泰勒展开式、秩一校正及线性回归的思想,并改变部分参数解决子问题,得到局部最优解。在探测步中,以试验点为中心按照新的探测方向集进行局部搜索,在理论上证明了新算法的收敛性。通过对不同维数的测试函数分析可知,与原始的网格自适应直接搜索算法相比,该算法的迭代次数明显减少。

基于自适应遗传算法的网格任务调度优化

针对传统任务调度算法效率较低、资源负载不平衡等缺点,基于遗传算法,考虑现代网格系统异构性和动态性的特点,提出一种有效的交叉概率和变异概率自适应更新方法,提高遗传算法的全局搜索能力和收敛速度.仿真实验表明,改进后的遗传算法在进化速度上有明显提升,可较好地处理网格任务调度问题,提高任务调度效率,降低资源负载的不平衡性.

基于和声搜索遗传算法的桁架结构拓扑优化

为改善传统设计理念和遗传算法优化不足,促进桁架结构离散变量拓扑优化发展与创新,将遗传算法与和声搜索算法混合,同时对遗传交叉和变异分3种情况进行自适应改进,建立了用于桁架结构拓扑优化的新型混合遗传算法——和声搜索遗传算法,利用该方法分别对平面桁架和空间桁架结构进行拓扑优化分析,并与改进遗传算法、拟满应力遗传算法、相对差商法、复合形遗传算法和改进蚁群算法比较,证明了此方法是有效、可行的。

基于改进自适应遗传算法的旅行商问题研究

传统遗传算法因其强大的全局搜索能力成为了解决旅行商问题的优选之一,但它较差的局部搜索能力限制了该算法在寻求最优解时的效能。为解决此问题,笔者通过改良圈算法优化初始解,在进化过程中自适应调整进行各遗传操作的概率,结合模拟退火算法的关键步骤metropolis准则和加入逆转操作,基于随机模拟的策略对遗传算法进行改进并将其应用于求解旅行商问题。仿真结果表明,改进的遗传算法在算法收敛速度、收敛效果和解质量方面均优于传统遗传算法。

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法。通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变。试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性。

基于自适应大邻域搜索的遗传算法求解VRPTW研究

针对传统遗传算法在求解带时间窗的车辆路径问题(vehicle routing problems with time window,VRPTW)上存在的易陷入局部最优及求解质量不高等问题,本文主要对基于自适应大邻域搜索的遗传算法求解带时间窗车辆路径问题进行研究。通过将自适应大邻域搜索算法与遗传算法相结合,称为ALNS-GA设计了3个移除算子和2个重插算子,以提高遗传算法的局部搜索能力,并优化了初始种群生成策略。同时,为了验证算法的有效性,分别对比了传统遗传算法和基于大规模邻域搜索的遗传算法(LNS-GA、LNS*-GA),并选取Solomon数据库上VRPTW测试算例,在Matlab R2016b上进行实验验证。实验结果表明,当终止条件为迭代100次时,ALNS-GA的求解质量高于传统遗传算法,大部分案例中,ALNS-GA所求的最好值优于LNS-GA和LNS*-GA,且ALNS-GA平均用时均小于LNS-GA和LNS*-GA,特别是当顾客规模为100时,ALNS-GA的平均用时更少,虽然小部分案例的平均值略高于LNS-GA和LNS*-GA,但从整体上看,ALNS-GA的寻优速度和质量均优于LNS-GA和LNS*-GA,说明经过改进后,遗传算法的局部搜索能力明显提高,可以有效改善遗传算法在带时间窗车辆路径问题上的应用。该研究具有一定的创新。

基于改进自适应遗传算法的空心串联电抗器优化设计

采用遗传算法对空心串联电抗器的优化设计进行了研究,给出了空心串联电抗器的优化设计模型。提出一种改进的自适应遗传算法,并设计了一种适应度线性变换方法,同时对最优保存策略作了改进。通过对有约束的测试函数进行求解,证明这些改进措施增强了遗传算法的全局寻优能力。将空心串联电抗器的优化方案与原设计方案进行比较可见电抗器的结构尺寸、重量和损耗都显著减小。

自适应小生态遗传算法的理论分析和加速技术

提出了联赛选择和相似个体概率替换的自适应小生态遗传算法 ,建立了小生态生长的动力学模型 .平衡态理论分析和仿真实验表明 ,概率联赛小生态技术选择能够形成和维持稳定的子种群 .提出了种群聚类分割和单纯形搜索的并行局部搜索算子 ,定性地分析了其搜索性能 .对复杂多峰问题的优化结果表明 ,结合概率联赛选择和并行局部搜索算子的小生态遗传算法不但能够快速可靠地收敛到全局最优解 ,且能并行地搜索到多个局部最优解 。

基于分层遗传算法的网格任务调度策略

针对传统的网格任务调度算法存在的缺陷,提出了用分层遗传算法来实现对网格任务调度策略的优化.在构造分层遗传算法时引入了SGA,AGA和CHC算法.SGA采用基本的遗传操作,保证了种群的多样性;AGA对交叉概率和变异概率的动态调整,保证了遗传算法的收敛性;CHC算法强调优良个体的保留,加快了遗传算法的收敛速度;分层遗传算法在吸收了这3种算法优点的基础上进行优化.实验结果表明,分层遗传算法在结果精度和收敛速度上都较其他算法有较大程度的提高.

基于捕食搜索策略混合遗传算法的车辆路径问题研究

在分析研究车辆路径问题的基础上,将其转换为经典TSP优化问题进行求解并建立数学模型,针对遗传算法在求解车辆路径问题时搜索效率低,容易陷入局部最优的缺点,提出了一种改进的遗传算法.改进算法引用自适应邻域法进行种群初始化;基于捕食搜索策略动态自适应调整遗传参数,在加快寻优速度的同时防止陷入局部最优;交叉前后的种群分别实施精英个体保留策略,交叉变异之后引进进化逆转操作,继承父代较优和较多的信息.实验结果表明:改进遗传算法搜索效率高、计算结果较为稳定;求解车辆路径最优问题较其它算法具有较好的性能.

一种实数编码的自适应遗传算法及其在热工过程辨识中的应用研究

该文针对传统的遗传算法(GA)难以解决的早熟和局部收敛问题,分析了传统的GA编码策略、选择策略、交叉变异策略和交叉变异概率选择等环节存在的不足,提出一种实数编码、多种算子互相补充和交叉变异概率自适应选择的改进算法。用～个非常复杂的数学函数对新算法进行了测试,结果表明改进算法较之传统GA有效地提高了全局寻优能力。在此基础上将这种改进算法应用于热工过程辨识进行仿真研究,结果表明该方法是有效的,具有一定的应用价值,并且文中所提出的算法和策略具有一般性,很容易运用于其它优化问题。

网格结构优化设计中遗传算法的应用探讨

本文探讨了空间网格结构优化设计中遗传算法的应用,并利用遗传算法的并行性、全局优化性以及可操作性等特点,建立空间网格结构的优化设计模型,寻求各设计参数的最佳匹配.最后通过三杆平面桁架的数值例题来验证遗传算法应用的可行性和有效性.

基于改进和声搜索算法的项目工期——成本优化

工期—成本优化(time-cost trade-off problem,TCTP)是组合优化中NP—hard问题,其实现的科学性对提高企业经济效益有着重要意义。为解决这一问题引入了和声搜索算法,并针对该算法收敛稳定性差、不易获得全局最优的缺陷,对其进行了算法参数的自适应改进。利用MATLAB R2012a软件对改进的和声算法进行编程,实现了工期—成本最优解的搜索。最后通过实例分析,验证了改进的和声搜索算法对工期—成本进行优化是行之有效的。

基于自适应遗传算法的传感器网络数据融合算法

能源有效性是无线传感器网络(WSN)路由算法设计要考虑的首要问题,数据融合可以通过合并冗余数据而有效地节约能耗。提出了一种基于自适应遗传算法(AGA)的WSN数据融合算法,基于移动代理(MA)对Sink节点发出兴趣代理报文和目标节点发出数据代理报文进行转发。采用AGA求出MA最优路由节点序列,通过把WSN均匀分割为多个大小适当的二维网格,形成AGA的初始群体。仿真结果表明,随着网络规模增大,和局部最近邻优先算法(LCF)相比,该算法有更小的网络能耗和延时。

基于超平面及遗传算法优化的网格简化

基于对目前反求工程中已有方法的分析 ,引入超平面的概念 ;通过对三角网格曲率的离散化计算 ,经过种子点的生长以及区域合并形成超平面 .在对超平面删除后留下的空洞进行重新三角化时 ,利用遗传算法生成具有空间形状优化的简化模型 .在此过程中以一种新的编码方式使遗传算法能够适应网格优化的特殊性 ;通过对变异算子的修改 ,保证遗传进化的有效性 ;将交叉算子放弃 ,避免了新产生的三角网格和已经存在的网格重叠和相交 .

基于跳点搜索-遗传算法的自主移动机器人路径规划

为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题,引入自适应交叉算子和变异算子,将改进后的跳点搜索(jump point search)算法与改进遗传算法融合,得到跳点搜索-遗传(jump point search-genetic,JPSG)算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力,加速算法整体收敛趋势;利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态,提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明,相比于改进遗传算法、传统遗传算法,JPSG算法可以有效缩短寻优执行时间,提高寻优准确率,减少运算执行次数,在稳定性、准确性、快速性上具有明显的优势。

基于自适应微粒群算法的网格工作流调度

服务网格是一个通过组合网格服务为用户提供强有力的各种服务的系统,其中网格服务遵循OGSA的标准。网格服务工作流调度的关键在于如何在应用程序运行过程中能动态地根据当前系统中基本服务的情况,组合出满足用户需要的服务。提出了一种自适应微粒群优化算法用于服务感知的Web服务选择,其中引入了一个特殊的速度变异操作来增强空间搜索的有效性,并融合了遗传算法杂交与变异。它不仅能很好地满足组合服务的需求,而且能更有效地进行全局搜索。仿真试验显示对于具有全局Qos约束条件的Web服务选择在执行效率上自适应微粒群优化算法明显优于其它混合遗传算法(如种群多样性控制遗传算法)。

基于变异概率自适应调整的逆序遗传算法研究

提出一种改进的遗传算法,根据个体适应度不同对变异概率进行自适应调整,使群体中的优良模式不易被破坏,同时又保证了种群个体的多样性,从而提高了算法的搜索效率。算法中改变了交叉与变异的操作顺序,避免了个体适应度的重复计算,提高运行速度。仿真结果表明,该算法优于普通遗传算法。

遗传算法在三维网格模型数字水印中的应用

在数字水印的研究中,为保护版权信息特性,提高精确性和抗噪能力,提出了一种遗传算法的三维网格模型变换域盲水印算法。先将三维模型转化为二维数值矩阵,然后进行二维分块DCT变换生成系数矩阵,利用遗传算法寻找满足适应度函数的最佳嵌入系数,适应度函数使嵌入水印后的模型变形最小。并要嵌入矩阵的位置信息及相应的DCT系数,进行仿真。结果表明,算法可抵抗平移、旋转、各向一致缩放攻击、顶点重排序攻击、噪声攻击。证明对简化方法具有一定的鲁棒性,为设计提供参考。