一种非一致性的自适应遗传算法与应用

在排序操作的自适应遗传算法的基础上 ,建立了一种非一致性自适应遗传算法。这种算法运用非一致性自适应算子确定变异量 ,使演化系统根据演化进度及解的质量 ,自适应地去调整搜索区域 ,使得算法的全局搜索效率得到明显提高 .实例仿真表明了该算法的有效性。

漂浮基双臂空间机器人基于自适应遗传算法的最优非完整运动规划

讨论了漂浮基双臂空间机器人非完整运动的最优控制规划问题。以多体动力学理论为基础,导出了载体位置、姿态均不受控制情况下,双臂空间机器人耦合了系统动量守恒关系的系统动量矩守恒关系,并将其转化为控制系统状态方程。由此,将双臂空间机器人的非完整运动规划问题转化为非线性系统的控制问题。以此为基础,利用近似优化的方法,给出了双臂空间机器人基于自适应遗传算法的最优非完整运动规划控制算法。其优点在于,仅需要控制双臂空间机器人机械臂的关节运动,即可达到对载体姿态及机械臂关节位置的双重控制效果。一个平面双臂空间机器人系统的数值仿真,验证了算法的有效性。

解非线性方程自适应变搜索区间的遗传算法

叙述了解非线性方程的一种自适应变搜索区间的遗传算法(GANE)。数值实验表明该算法大大增强了一般遗传算法的性能;在求解非线性方程(组)时,克服了传统方法的某些局限性,完全不需要考虑初始值的选取以及初始区间的确定,甚至在有多个根的任意区间内也可以高效地搜索到精度较高的各个根。

基于熵极大准则的非用户赋适应值交互式遗传算法

针对交互式遗传算法适应值人工赋值极易疲劳导致的算法进化代数不足、优化效率低下这一难题,提出了适应值非用户赋值方法.首先,用户对个体采用二元评价机制评价个体,将个体划分为满意集合和不满意集合;然后,根据个体评价时间与偏好的内在联系,通过个体评价时间确定评价满意度;最后,基于熵极大准则求解满意度最大条件下的个体适应值.为了确保优势基因遗传,加快算法收敛,采取种群精英基因构建优势个体保留策略.将该方法应用于装饰性墙壁纸选型系统中,并与其他代表性算法比较.结果表明,该方法能有效降低疲劳,提高算法优化效率.

遗传算法的一种非单调适应值标度变换方法

讨论了遗传算法(GA)中选择算子对于改善群体整体品质、实现群体进化和导致群体早熟与模式欺骗的双重作用。以One-Max函数为例分析了选择压力对群体进化能力的影响。针对复杂优化问题,提出了一种非单调适应值标度变换方法,给出了均值规范变换和可调规范变换两种形式,并结合典型函数进行了实验计算。

多工序车削的自适应搜索非支配排序遗传算法

在实际数控生产加工过程中,切削参数的优化对于保证加工质量、提高生产效率和降低加工成本具有非常重要的意义。为计算以单位生产成本最小为优化目标的多工序车削非线性优化模型,在NSGA-II算法基础上提出了一种新的自适应搜索非支配排序遗传算法(ASNSGA)。多工序车削加工实例结果表明,与模拟退火算法(SA/PA)、分散搜索算法(SS)及浮点编码遗传算法(FEGA)优化算法比较,自适应搜索非支配排序遗传算法得到最低的单位生产成本,有助于数控加工中粗车进给量、粗车切削速度及精车进给量、精车切削速度等切削参数的优化选择。

基于自适应遗传算法的SVC非均等错误保护算法

为提高可伸缩视频编码(SVC)在丢包的网络传输环境下的抗误码性能,提出了一种基于自适应遗传算法的SVC非均等错误保护算法。首先针对可伸缩视频编码的网络抽象层单元数据包头的特点,设计了一种新的网络抽象层单元的封装方案。然后将前向纠错编码的校验位在各层的分配转化为多约束条件下的优化问题,再引入惩罚函数将多约束优化问题转化为无约束优化问题,进而采用自适应遗传算法进行求解。仿真实验结果表明,与目前典型的非均等错误保护算法相比,该算法使重建的可伸缩视频编码的峰值信噪比的平均值提高了0.8 dB^1.95 dB,并有效提高了可伸缩视频编码在接收端的解码速度和重建质量。

基于自适应遗传算法优化非对准误差补偿算法

针对在无转台标定下,惯性测量单元中三轴加速度计的灵敏度与零位输出电压会随时间变化而改变的问题,提出了一种基于自适应遗传算法优化椭球拟合的现场标定方法.通过建立椭球拟合补偿算法引入非对准误差,再采用自适应遗传算法对非对准误差进行最优参数估计,解算出三轴加速度计标定因数矩阵与零位输出电压.仿真结果表明,在数据良好的情况下,补偿标定精度最多提升了6个数量级,在数据畸变较大的情况下,精度提升了2个数量级,该算法依然表现出良好的标定精度,验证了该算法的准确性和可行性.

求解非满载车辆调度问题的改进遗传算法

车辆路径问题(VRP)是一个典型的NP问题,采用传统方法求解往往找不到满意解。在分析现有求解该问题的遗传算法的基础上,对现有的变异算子进行了改进,并设计了基于自然数编码的遗传算法,用来求解非满载的车辆路径问题。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。

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。

基于改进自适应遗传算法的阵列优化

提出了一种改进的自适应遗传算法,对约束了阵列孔径、阵元数目和最小阵元间距的非均匀稀布阵列进行优化布阵。该算法采用实值编码,改进了适应度函数,避免了不可行解的产生。同时选取新的选择算子和改进的双重最佳保留策略,对传统自适应遗传算法的交叉、变异概率进行了动态改进。仿真结果表明,该方法能较好地抑制"早熟",增加了获取全局最优解的概率,获得了更低的峰值旁瓣电平。

自适应量子遗传算法的遥感图像自动增强

针对传统基于归一化非完全Beta函数(Normalized Incomplete Beta Function,NIBF)的图像增强方法难以有效地自动获取最优参数且其增强效果受图像动态范围限制的问题,提出一种基于自适应量子遗传算法的NIBF遥感图像自动增强方法。首先,由图像色深,对待增强图像引入最大和最小光谱测度级,扩大其动态范围。其次,利用量子比特将NIBF参数编码为量子染色体,并设置若干量子染色体构成初始参数种群;对该参数种群进行测量和解码,以解码值作为NIBF的参数输入,对图像进行光谱测度变换,得到对应的增强图像种群。然后,利用八方向边缘检测模板提取增强图像种群中每个个体的边缘图像,由边缘强度、边缘数以及熵测度定义刻画参数种群中个体品质的适应度函数,并以此评价参数种群中的每个参数个体,保留和记录最优参数个体。在提出的进化策略中,利用量子旋转门实现量子染色体向最大适应度方向进化,并根据每代适应度的差异和进化代数自适应地调整量子旋转角的大小;以最终演化的参数种群中适应度最大的参数个体作为NIBF的最优参数,生成相应的光谱测度变换曲线,从而确定输入和输出光谱测度之间的映射关系,实现图像最优自动增强。对5幅图像的平均实验结果表明:盲/无参考图像空域质量评价指标提升了122.2%;自然图像质量评价指标提升了71.8%;运行时间为10.758s。满足了遥感图像增强处理中的自动化、鲁棒性和高效率的要求。

非均匀演化的动态遗传算法

针对传统遗传算法的缺陷,提出一种基于基因位置分布差异而进行演化的改进算法。该算法利用2进制编码位置的差异性,在评价机制的基础上对种群进行动态的划分,并针对各个不同子种群的特点,使用动态的演化参数进行独立的演化操作,使得算法种群的构成类型能够保持多样性的发展,有效地抑制了"早熟"现象的发生。通过后续多个测试函数的对比实验结果表明,该算法在收敛速度、精度及稳定性上有所提高。该算法简单、易于实现、具有较强的通用性,是一种有效解决优化问题的方法。

多目标炼钢—连铸生产调度的改进带精英策略的快速非支配排序遗传算法

针对炼钢连铸调度的特殊工艺要求,在考虑炉机匹配原则和多重精炼的情况下,建立了以炉机匹配度、炉次间等待时间、浇次的开浇提前/拖期时间为评价指标的多目标约束满足优化模型,并针对其多目标特征,提出一种基于自适应网格法的择优策略来改进带精英策略的快速非支配排序遗传算法,有效克服了使用传统Pareto支配法择优策略在解决离散问题时容易丢失有用信息的缺陷。基于多种规模的实际生产数据进行仿真实验,结果表明所提算法在收敛性、最优解集多样性和计算效率方面优于传统带精英策略的快速非支配排序遗传算法。

自适应遗传算法下的NOMA用户动态分簇

NOMA(Non-orthogonal Multiple Access,NOMA)系统中的用户分簇策略对系统性能有着极大的影响。该文主要研究NOMA下行链路的用户动态分簇问题,其目的是最大化系统总吞吐量。与大多数文章不同,该研究对簇中用户数以及簇个数都没有限制。遗传算法可用于优化NOMA网络中的用户动态分簇,但标准遗传算法存在收敛速度慢且容易陷入局部最优的问题。基于此,该文将自适应调节参数的改进遗传算法用于用户的动态分簇,来改善上述问题。仿真结果表明,该算法相比于穷举搜索能够有效降低求解复杂度,且系统性能明显优于固定簇分配算法及自适应配对策略下的系统性能。

NLOS环境下基于自适应遗传算法的TOA/AOA定位算法

在视距传播(LOS)环境下,波达时间/电波到达角(TOA/AOA)定位算法比TOA算法的定位精度有了进一步的提高,但是在非视距传播(NLOS)环境下,这些定位算法的精度会受到较大影响。为了减小NLOS传播的影响,提出了一种NLOS环境下的TOA/AOA定位算法。利用自适应遗传算法对TOA/AOA混合定位算法中的非线性优化问题进行求解,从而提高系统的定位精度。仿真结果表明,提出的算法在NLOS环境下有较高的定位精度,性能优于Chan算法和LS算法。

基于改进遗传算法的220 kV变电站限流调度策略研究

220 kV变电站运行方式较复杂,且变电站限流调度具有多目标约束,运用传统的遗传算法难以找到最优的限流调度策略。提出了基于改进遗传算法的220 kV变电站限流调度策略。分析220 kV变电站的四种限流调度措施对导纳矩阵的影响。结合分析结果,建立限流调度策略效果模型和经济成本模型,并将两者相结合搭建220 kV变电站限流调度多目标优化策略。采用混沌映射、非支配排序和自适应函数的改进遗传算法进行多目标优化策略求解,所获取的最优解即为最优限流调度策略。结合最优策略,实现220 kV变电站限流调度。仿真试验结果表明,所提策略的限流调度效果更理想、电能损耗量更少。该策略对于变电站限流调度具有参考价值。

非均匀拓扑网络中的分布式一致性状态估计算法

分布式一致性状态估计是传感器网络中节点对目标的一种有效的估计融合方法。针对网络非均匀拓扑情况下的一致性状态估计问题,首先,研究了分布式传感器网络一致性状态估计框架,提出了四级功能模型,从信息处理、交互及融合的角度描述了一致性状态估计技术的主要流程;其次,考虑网络非均匀拓扑时一致性收敛速度较慢的情况,根据节点间通信链接的重要性设计了基于动态拓扑信息的自适应权值分配方法,在此基础上提出了基于自适应加权的卡尔曼一致性滤波(adaptive weighted Kalman consensus filter,AW-KCF)算法。仿真结果显示,AW-KCF在非均匀拓扑的稀疏网络中具有较快的一致性收敛速度。

一种改进的微种群遗传算法

采用种群隔离机制、算术交叉、杰出者保留策略等对微种群遗传算法进行了改进。减少了重启动次数,增强了两次重启动之间遗传优化过程的全局和局部搜索能力,使算法在尽可能保有模式识别信息的前提下进行智能搜索;采用了实数编码,减少了编码和解码过程中的计算开销;引入了自适应随机变异算子,使之在不增加循环次数的前提下,增加了利用现有种群已经获得的遗传信息进行有效搜索的次数;引入了异种机制,有效提高了微种群遗传算法收敛于全局最优解的概率,加快了收敛速度。最后,标准测试函数的测试结果证明了这一改进的微种群遗传算法能够用远低于标准遗传算法的计算代价获得更佳的优化效果。

基于自适应遗传算法的负荷分解

有效的家庭用电监测对于降低家庭用电消耗、提高能源利用、实现能量管理具有十分重要的意义。基于此,提出一种基于自适应遗传优化的非侵入式负荷分解算法。实验结果表明,该算法能够有效分解家用设备的负荷状态,且收敛速度较快,准确度较高。