基于随机遗传算法的并行测试任务调度研究

针对并行自动测试系统开发中测试序列产生问题,提出了基于随机遗传算法测试任务调度方法,算法可以产生大量、高效的并行测试序列,解决了并行自动测试系统开发中的关键问题。文中首先对问题进行科学分析,得出并行测试任务调度是NP完全问题的结论;然后从算法原理、算法流程等方面对并行测试随机遗传调度算法进行了详细阐述;最后通过提高效率37.33%的实例验证了算法的高效性。

船舶尾流目标识别的随机梯度遗传算法研究

船舶尾流形貌包含着船舶类型、船舶吨位、船舶航速等方面的信息,对尾流目标的识别是船舶识别的一种有用途径.论述了随机梯度遗传算法的原理、特点及运算步骤,将该算法应用于船舶尾流目标的识别问题,对三个航速下船舶尾流目标的分类及识别.随机梯度遗传算法进化代数从5增加到10以及从10增加到15时,三个航速下的目标识别率按照接近20%的比例增加.而当进化代数从15增加到20及以上时,目标识别率增加缓慢,即进化代数达到15时,算法基本收敛.识别结果表明随机梯度遗传算法可用于船舶尾流目标的识别.标准遗传算法逼近全局最优值比较慢,有时会陷入局部最优,在全局最优值附近出现波动现象,算法收敛性较差.

基于随机权重多目标遗传算法的多目标动态单元构建方法

考虑多变的市场需求环境下单元生产系统在多个计划期具有多个目标的动态构建决策问题。通过对单元生产构建过程中的总费用、设备负载与能力之间最大偏差以及零部件跨单元移动的总次数3个目标进行权衡,建立了非线性多目标动态单元构建的数学模型。采用自适应小生境技术、惩罚技术、双轮盘赌法和精华选择策略,提出了基于精华保留策略的随机权重多目标遗传算法求解该组合优化问题。结合实例对模型和算法进行了仿真分析,结果显示了算法对解决多目标动态单元构建问题的有效性。

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢 ,为此引入另一种解决优化问题的工具 ,即 Simultaneous Perturbation Stochastic Approximation(SPSA)算法 ,该算法是一种简单、易实现、高效率的随机逼近算法。本文将 SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来 ,提出一种解决多目标优化问题的随机梯度遗传算法 ,对新算法的执行策略进行了认真的设计。大量的数值实验表明 :随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度 ,且得到了大量的分布较均匀的

随机化均匀设计遗传算法

众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向.以此结论为基础.利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为随机化均匀设计遗传算法.最后将随机化均匀设计遗传算法应用于求解函数优化问题,并与简单遗传算法和佳点集遗传算法进行比较.通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其它方法常有的早期收敛现象,

随机梯度遗传算法在船舶尾流目标识别中的应用

通过识别船舶尾流可以有效地反映出船舶的自身参数,从而能帮助海军航空兵的侦察工作。随机梯度遗传算法是在传统的遗传算法的基础上,融合了局部搜索,这样更有利于种群的收敛性。本文将此算法应用于船舶尾流识别,通过最后的实验结果可以看出,随着迭代次数的增大,不同航速下的船舶尾流目标识别率会增大,但是并不是匀速的增大。

求解最大子团的随机抽样免疫遗传算法

针对遗传算法在最大子团求解中保持群体多样性能力不足、早熟、耗时长、成功率低等缺陷,利用随机抽样方法对交叉操作进行重新设计,结合免疫机理定义染色体浓度,设计克隆选择策略,提出了求解最大子团问题的随机抽样免疫遗传算法。用仿真算例说明了新算法在解的质量、收敛速度等各项指标上均有提高,且不比DLS-MC、QUALEX等经典搜索算法差,对某些算例还得到了更好解。

随机梯度遗传算法在翼型优化设计中的运用研究

针对标准遗传算法在优化搜索过程中,局部搜索能力较低的弱点,利用将遗传算法与实时扰动随机逼近方法(SPSA算法)为基础的随机梯度算法相结合而产生的随机梯度遗传算法建立了可用于气动外形优化设计的设计方法。并运用此算法开展了有关翼型的气动优化研究。相关结果表明,将随机梯度遗传算法用于气动外形优化设计,不仅可以提高优化效率,同时由于增强了局部搜索能力,因此,在有限的搜索条件下,可以提高优化设计结果的质量。

途径节点不确定的MTSP路轨规划模型及其遗传算法研究

一般的路径规划问题假设道路网络是确定的,并且采用实时优化的方法建立优化路径,这种方法的结果不具有实用性。在高速发展的中国,道路网络实际上变化很快,而路网的电子地图往往无法实时更新;即使实时规划的路径本身是可行的,各配送点也会因为对新道路缺少经验而导致实际行驶时间大大超出预计,尤其对多个司机的情况。根据途径节点,考虑不同途径节点的不确定性,阶段性地产生稳定线路,是可行的方案。能够在路径成本和时间取得综合的平衡,多配送点工作量的相对均衡。利用MTSP问题的解决,提出了具有不确定途径节点的多目标路径规划模型,并且设计了随机遗传算法。仿真研究表明,该模型是有效的,该算法具有良好的求解性能。该成果有望集成在配送或运输决策支持系统中,为阶段性路径规划提供支持。

一种求解0-1背包问题的新遗传算法

众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新算法,称之为随机化均匀设计遗传算法。最后将随机化均匀设计遗传算法应用于求解0-1背包问题,并与简单遗传算法和佳点集遗传算法进行比较。通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其他方法常有的早期收敛现象。

一种基于随机GA的提高BP网络泛化能力的方法

LM-BP网络对其初始权值和阈值敏感,泛化能力不强,针对该缺点,采用遗传算法(GA)对其初始权阈值进行优化,在一定程度上能提高LM-BP网络的泛化能力。为进一步扩展GA初始种群的覆盖范围,进一步提高LM-BP网络的泛化能力,采用多次随机产生初始种群多次优化的方法。以伦河孝感段氟化物含量为实例,建立随机GA的LM-BP网络模型,对原始数据进行拟合及测试,结果表明该方法基本能100%拟合,测试误差不超过2.3%。经过对比实验,证明了该方法的有效性。

一种基于随机化均匀设计点集的遗传算法用于求解MVCP

基于理想浓度模型的机理分析,利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行重新设计,并在分析图最小顶点覆盖问题特点的基础上,结合扫描-修正和局部改进策略,给出一个解决图最小顶点覆盖问题的遗传算法,称之为基于随机化均匀设计点集的遗传算法.通过将该算法与简单遗传算法和佳点集遗传算法进行求解图最小顶点覆盖问题的仿真模拟比较,可看出该算法提高求解的质量、速度和精度.

排课数学模型及其算法

针对院校排课问题,建立多目标优化的数学模型,并对这一模型提出一种随机旋转遗传算法,使模型的求解速度大大提高。为在不可遍历的可行域中,提供一种寻优的途径。

单向编组站配流与调机运用综合问题

单向编组站配流与调机运用综合问题研究的是确定出发列车的编组内容,指派并调度解体和编组调机的任务,使得出发列车满足列车编组要求,调机任务没有冲突,且车辆在站总停留时间最小。基于并行机调度和资源分配理论,建立该问题的混合整数线性规划模型。设计有偏随机键遗传算法求解该优化模型,基于平均分配和随机分配规则生成初始种群,并采用参数均匀交叉算子以使子代能有效继承父代的优化特征。最后,以1个实际算例对所提出方法的有效性进行测试,并与现场采用的贪婪算法、直接求解模型的优化求解器CPLEX进行比较。算例结果显示所提算法在计算质量和计算效率上的优越性。

一体化联合作战的机会约束兵力规划模型

一体化联合作战的机会约束兵力规划模型,通过随机规划与机会约束规划、模型转化,采用随机模拟处理机会约束,以基于随机模拟遗传算法求解模型。步骤含:复制染色体和突变概率;初始生成第一代染色体种群;对各染色体检验其可行性直到可行的染色体数目达到每代染色体总数目;最后对染色体进行相关操作并给出最优解。

大型桥梁施工预测控制系统研究

为了保证实际施工中结构各节段在构形和受力状态两方面逼近施工节段合理状态,避免事故发生,确保工程高效、安全、优质,基于归一化映射规则,研究灰因和白果,提出了适应任意灰序列的灰预测模型NGM(1,1);研究遗传算法的随机摄动法,提高向前滚动优化效率;研究强度、稳定性的同步分析技术,保证施工过程强度、稳定性安全。在此基础上,论述了大型桥梁施工控制系统的理论特色,以实例说明了其应用,论证了其正确性。

光纤通信网络中信号再生器定位问题的求解

信号再生器定位问题是光纤通信网络中一种新型组合优化问题,该问题的求解质量直接影响通信网络的设计成本,并且理论上被证明是NP完全问题。给出一种基于反向学习的有偏随机键遗传算法的求解方法,在有偏随机键遗传算法的基础上采用反向学习策略,充分挖掘反向解中的优化信息,提高算法的全局搜索能力。对大量标准测试算例的计算表明算法具有良好的优化性能,又通过与有偏随机键遗传算法和人工协作搜索算法的比较,进一步说明了本算法的高效性。

全极化合成孔径雷达高维小样本数据在森林地上生物量估算中的应用

以河北省承德市塞罕坝机械林场为试验区域,设置37块实测样地;以随机森林模型、自适应遗传算法为基础,构建随机森林模型与自适应遗传算法的混合算法(RF-LOOCV-AGA),对高维小样本合成孔径雷达(SAR)数据特征集同时进行特征选择和回归估计;利用试验地大地2号(ALOS-2)全极化数据提取121个高共线性特征,结合实测样地数据,构建高共线性高维小样本数据集,并应用随机森林模型与自适应遗传算法的混合算法、随机森林算法、逐步回归法,分析全极化合成孔径雷达数据估算森林地上生物量时,因样地较少、影响因素维数多存在的高共线性;探索在算法层面各极化分解参数之间存在的高共线性及小样本林业数据回归估计泛化能力。结果表明:随机森林模型与自适应遗传算法的混合算法从121个高共线性特征集中筛选出含19个影响因素的特征子集,交叉留一法验证泛化精度决定系数为0.906 9、均方根误差为14.184 0 t/hm^(2)、相对均方根误差为11.70%;逐步回归法从121个高共线性特征集中筛选出含7个影响因素的特征子集,交叉留一法验证泛化精度决定系数为0.777 0、均方根误差为23.075 9 t/hm^(2)、相对均方根误差为=19.03%;拟合决策树数目为50、100、150、200的随机森林模型,交叉留一法验证泛化精度均方根误差分别为18.479 44、18.050 25、18.180 52、18.395 33 t/hm^(2)。3种方法泛化精度对比表明,在高维高共线性小样本情况时,随机森林模型与自适应遗传算法的混合算法精度,优于随机森林算法、逐步回归法。

基于焊缝品质参数区间模型的疲劳寿命预测方法

疲劳寿命预测中,焊缝品质参数如材料弹性模量E、疲劳强度系数σ′f和指数b、疲劳延性系数ε′f和指数c往往存在不确定性。运用随机-遗传算法对焊缝品质参数进行区间估计,并结合Manson-Coffin公式构建上述不确定因素的区间模型,提出了一种疲劳寿命区间预测方法。首先,在双轴疲劳试验机上进行了基于应变控制的焊接试件疲劳寿命试验。其次,针对疲劳寿命试验数据,运用随机-遗传算法构建了焊缝品质参数区间求解模型,并结合Manson-Coffin公式建立了疲劳寿命区间预测模型。最后通过模型预测数据与试验数据对比证实了预测模型的精确性以及考虑焊缝品质参数不确定性的合理性。

基于跨层设计的认知无线Mesh网络拥塞反馈研究

在认知无线Mesh网络中,由于信道状态变化导致的链路负载差异,网络拥塞成为影响认知无线Mesh网络系统性能的重要因素。针对这一问题,提出了基于最大最小公平策略的拥塞反馈算法。该算法通过综合分析基于随机搜索-遗传算法的多速率编解码调制、多重数据流的信道分配机制,以及优化的路由选择三种机制的网络资源分配约束条件,来构建跨层模型,计算网络拥塞。同时,通过拥塞值反馈,实现对物理层、链路层和网络层的联合跨层优化,最大程度避免网络拥塞。仿真结果表明,该算法在网络发生拥塞时收敛更快,能够有效避免拥塞,均衡负载,并能提升网络吞吐量。