基于改进遗传算法的家电回收车辆路径规划方法

为了提高家电回收效率以及降低回收成本,提出了一种基于改进遗传算法(GA)的家电回收车辆路径优化方法。将家电回收车辆路径规划问题建模为一个变体的旅行商问题(TSP)以最小化运输成本,但该问题难以在多项式时间内进行求解。提出了一种基于高斯矩阵变异(GMM)算子的改进遗传算法,利用原始站点数据信息中隐含的站点位序分布特性建立高斯概率矩阵,并采用轮盘赌选择法将高斯概率矩阵作用于个体基因突变,在保证种群基因多样性的同时,引导种群向高适应度方向进化。最后,采用上海地区的家电回收点实际数据开展实验仿真以验证所提出算法的有效性,并与其他算法进行对比。结果表明,与传统遗传算法相比,在将求解精度差保持在1%以内的情况下,所提出改进遗传算法的平均收敛速度可以提升50%~60%,算法耗时降低48%。

基于免疫的多目标优化遗传算法

提出一种基于免疫的多目标优化遗传算法。该算法模仿生物免疫系统过程,使用克隆选择算子和高斯变异算子提高了搜索效率和收敛性;创建了一个记忆细胞集来保存每代所产生的Pareto最优解,以便产生Pareto最优解集;提出一种有别于传统聚类算法的邻近排挤算法对记忆细胞集进行不断的更新及删除,保证了Pareto最优解集的分布均匀性。最后将该算法与SPEA算法分别进行了仿真,通过比较两者的收敛性和分布性,得到前者优于后者的结论。

基于改进遗传算法的加权模糊C均值聚类算法

针对模糊C均值(FCM)聚类算法具有初始聚类中心敏感和容易陷入局部最优的问题,提出了一种基于改进遗传算法(GA)的加权模糊C均值聚类算法,采用高斯变异算子,提高了遗传算法在每个峰值附近的局部搜索能力,用基于复相关系数的加权欧式距离代替欧式距离,改进了FCM算法的聚类目标函数。用改进的算法对国际标准测试数据Iris进行测试,实验结果表明改进后的算法具有更好的稳定性和健壮性,提高了聚类的效果。

自适应搜索的改进遗传算法及其应用

提出了一种具有自适应搜索能力的快速收敛遗传算法 .在计算过程中 ,设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整 ,并且通过引入进化策略中的自适应高斯变异算子 ,对变异算子进行改进 ,加速了算法的收敛性 .为了验证算法的可行性和鲁棒性 ,对一个高维多峰函数的极小值搜索问题进行了求解 ,并将算法进一步应用于离心叶轮的形状优化问题 .计算结果表明 ,该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷 ,在收敛性和鲁棒性方面均优于传统的实数编码遗传算法 .

改进的正交遗传算法及其在函数优化中的应用

提出了一种新的正交遗传算法(OBGA),算法的特点是利用正交数组产生初始种群,它比随机产生的初始种群更均匀分布在解空间中,而且在正交设计的基础上提出了一种新的杂交算子,与高斯变异算子相结合,提高了种群的多样性和算法的局部搜索能力,最后对6个多峰函数进行了测试。数值实验结果表明,新算法正确高效,稳定性好。

基于遗传算法的核函数参数优化

核主分量分析是一种输入输出特征非线性变换技术。选择最优或接近最优的非线性变换核函数参数,使类的可分性测度最大,是KPCA应用于特征提取的关键。本文采用高斯变异遗传算法作优化技术,实现了KPCA和GA的集成,适合核函数参数的优化选择。仿真表明,该技术可行、有效。

基于自适应遗传算法的隔振系统参数优化计算

为优化航天器中隔振系统的隔振参数,提出了一种基于自适应遗传算法的优化方法。在只考虑单条支腿的前提下,建立了主动隔振系统的动力学模型,通过拉普拉斯变换得到了上平台输出的力对下平台控制力的传递函数,并获得待优化的参数。将参数优化问题转化成数值优化问题,利用最大熵法生成算法的目标函数;采用新的选择算子来避免算法早熟;提出自适应交叉算子和自适应高斯变异算子来保证种群多样性;通过优胜劣汰和种群迁移法则来提高算法的全局收敛性。最后,通过仿真实例对算法的有效性进行验证,结果表明:和传统的遗传算法相比,本算法的收敛速度快、优化效果好。

基于量子遗传模糊推理系统的煤与瓦斯突出预测模型

为提高煤与瓦斯突出危险程度预测的准确性,提出一种基于自适应神经模糊推理系统(ANFIS)结合改进实数编码量子遗传算法(IRQGA)的预测模型IRQGA-ANFIS。用基于数据驱动的方法从样本数据直接提取模糊规则,建立煤与瓦斯突出ANFIS预测模型。针对ANFIS预测准确率较低以及模糊推理系统参数量大的特点,采用IRQGA对模糊推理系统进行训练。IRQGA引入秃鹰算法的阿基米德螺线空间搜索机制更新个体;用差分变异策略更新种群最差个体,保持种群多样性;用高斯-柯西变异策略扰动优秀个体使其快速脱离局部极值区,加快算法收敛速度。实验结果表明,IRQGA在高维复杂问题优化中比实验对比算法具有更好的优化性能;IRQGA-ANFIS模型的预测准确率达94.44%;所建模型30次独立运行的MAE均值相较对比模型分别降低了0.0245和0.1184,MSE均值分别降低了0.0162和0.1849,RMSE均值分别降低了0.0172和0.1721。IRQGA-ANFIS具有更高的预测准确率和更好的预测能力。

一种基于GA的新型生物地理学优化算法研究

为了使生物地理学优化算法的优化能力得到进一步提高,提出了一种基于遗传算法的新型生物地理学优化算法。在迁移操作之前增加了选择操作,采用了"轮盘赌"的方法选择出迁移个体,以使适应度较高的个体可以优先得到迁移,并且变异操作结合了遗传高斯变异操作方法,从而更好地提升了算法的优化性能;在此基础上,从理论上详细推导了该方法的收敛性条件。使用了5种测试函数进行实验,结果证明了改进后的算法在优化结果和收敛速度方面要更优。

基于克隆算法的变结构模糊神经网络在AGC系统中的应用

遗传算法优化函数参数可能会出现不足,为此采用高斯变异与柯西变异相结合的克隆算法,优化了变结构模糊神经网络的参数,并基于此方法设计控制器,应用于AGC控制系统。仿真实验结果表明,应用克隆算法比遗传算法优化参数收敛速度更快,用于AGC控制性能更好。

基于改进的杜鹃搜索算法优化支持向量机的10kV并联电容器组故障诊断和预警研究

为提高电力电容器组故障诊断的精度,针对支持向量机(Support Vector Machine,SVM)预测结果易受惩罚因子c和核函数参数g参数选择的影响,为避免杜鹃搜索算法陷入局部最优,将自适应步长和最优解高斯变异引入杜鹃搜索算法,提出一种改进的杜鹃搜索算法优化支持向量机的10kV并联电容器组故障诊断和识别模型,实现10kV并联电容器组故障的高精度诊断和识别。实验结果表明,与GA_SVM、PSO_SVM和CSA_SVM相比,提出的算法ICSA_SVM可以有效提高电容器组故障诊断的准确率,具有收敛速度快的优点,为电容器组的诊断和识别提供新的方法和途径。

不确定作业的飞机大修并行拆卸调度优化研究

在飞机大修作业并行规划中,以往将部件/结构件的拆卸时间视为确定性变量,但由于飞机老龄化或作业空间小等原因,实际拆卸时间存在不确定性。针对这一问题,采用不确定理论描述该不确定时间变量,将其期望值转化为确定性实数规划模型,并设计一套遗传算法计算出并行规划的最优解。计算实例结果表明了该模型的合理性和算法的有效性。

基于免疫遗传的多目标优化

提出了一种免疫遗传算法(MOGA)用来解决多目标优化问题。在该算法(MOGA)中,使用了高斯变异算子,提高了收敛速度;创建了记忆细胞集来保存每代所产生的Pareto最优解。此算法与NSGAⅡ算法进行模拟实验结果进行对比,通过比较发现,该算法无论是在个体的多样性还是收敛性上都要比NSGAⅡ算法好,表明免疫遗传算法在解决多目标优化问题上具有可观的研究前景。