基于路径相似表与个体迁移策略的多路径覆盖测试

将遗传算法用于多路径覆盖测试中是个研究热点,在新旧种群迭代过程中,旧种群中可能包含其他子种群的优秀个体,这部分个体未被充分利用,造成资源浪费;同时,种群中的个体数会远大于可达路径数,而每个个体都会经过某一条可达路径,这样会有多个个体经过同一条路径,导致重复计算个体与目标路径的相似度。基于此,提出结合路径相似表与个体迁移的多路径覆盖测试方法以提高测试效率。通过路径相似表存储已计算得到的路径相似度值,避免该值被重复计算,减少测试时间。在进化过程中,将个体路径与其他目标路径进行比较,若相似度达到阈值,则将此优秀个体迁移至该路径对应的子种群中,提高个体利用率并减少进化代数。由实验可知,该方法与其他六种同类经典方法在八个程序上的平均生成时间降低最高达44.64%,最低为2.64%,平均进化代数降低最高达35.08%,最低为6.13%,故该方法有效地提高了测试效率。

基于种群混合迁移策略的并行量子遗传算法

针对量子遗传算法求解大规模优化问题存在收敛速度慢、易于陷入局部最优等问题,改进量子遗传算法。设计一种种群混合迁移机制促进算法的种群多样性,采用仿TriBA种群结构、双精英种群、重生种群、自适应迁移算子、个体竞争排挤算子以及随机失活机制,提高算法的局部勘测能力和全局寻优能力。利用Spark框架实现算法在分布式集群环境下的运算。改进2-opt&R优化算法,通过引入高斯变异提高算法的局部搜索能力,缩小算法的搜索空间。实验结果表明,改进后的算法在全局优化能力、收敛速度、运行速度和求解稳定性等方面均有大幅度提升。

PMA-PP分析模型在内河水质科学评价中的应用

针对目前我国城市内河普遍遭到污染的问题,在分析影响内河水质因素的基础上,选取BOD5(五日生化需氧量)、CODcr(化学需氧量)、石油类、挥发酚、NH3-N(氨氮)、总磷等6个主要因素作为评价因子,建立了城市内河水质评价的投影寻踪分析模型,采用人口迁移算法对评价模型进行优化,并将该模型应用于南宁市10条内河水质的评价与排序。研究表明,用投影寻踪回归分析法进行水质评价,避免了传统评价方法由于主观原因造成的误差,评价结果合理可信、方法简单,为我国城市内河水质的评价提供了新途径。

基于变尺度黑洞和种群迁徙的粒子群优化算法

针对粒子群优化(PSO)算法收敛速度慢、易早熟收敛等问题,提出基于变尺度黑洞和种群迁徙的PSO——IRBHPSO。引入变尺度黑洞来平衡算法全局探索和局部寻优的权重;在位置更新策略中引入基于混合策略的位移系数,增强算法在迭代前期的收敛速度和在迭代后期的局部寻优能力;将基于种群迁徙的蝴蝶优化算法(BOA)作为局部算子融入PSO中,改善PSO收敛速度慢、易陷入局部最优的问题。使用IRBHPSO、PSO和其他相关算法对12个基准测试函数进行仿真实验,并进行Wilcoxon秩和检验。实验结果表明,IRBHPSO具有更好的收敛精度、收敛速度和稳定性。

一种基于DQN的改进NSGA-Ⅱ算法

采用传统单种群NSGA-Ⅱ算法求解武器目标分配多目标优化数学模型,解算过程中容易陷入局部最优,且存在分布性不足、求解时间长等缺陷。为了改善算法性能,获得更好的Pareto最优解集结果,可结合深度强化学习和双种群“迁徙”思想对传统单种群NSGA-Ⅱ算法进行改进。采用深度强化学习DQN算法来对双种群“迁徙”操作中涉及到的各项迁徙参数进行调整优化,对深度强化学习要素进行设计,并通过实验验证改进后的NSGA-Ⅱ算法具有更好的算法性能,且算法耗时更少,表明论文改进NSGA-Ⅱ算法在求解武器目标分配问题上的有效性。

引入高斯变异和最速下降算子的人口迁移算法

人口迁移算法模拟了人口随经济中心而转移和随人口压力增加而扩散的机制。主要针对该算法提出了一种改进的人口迁移算法。该改进算法通过引入高斯变异算子和最速下降算子来改善人口迁移算法的收敛速度和全局收敛性,并对其收敛性进行了证明。通过对函数的数值实验测试结果表明,改进的人口迁移算法的全局寻优能力和收敛速度较人口迁移算法均有所提高。

求解TSP问题的嵌入交叉算子的人口迁移算法

人口迁移算法具有较强的全局搜索能力和稳定性,该文在其顺序交叉算子的基础上,提出一种改进的启发式顺序交叉算子,并在人口迁移过程中嵌入该算子。仿真实验结果表明,该改进算法能有效解决TSP问题,且具有快速收敛特性。

单纯形和人口迁移的混合全局优化算法

针对基本人口迁移算法具有易早熟和精度不高等缺陷,利用人口迁移算法随机产生的点采用单纯形法进行优化,提出了一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer,验证了改进后算法的性能,并与10种类型的粒子群优化算法进行比较,结果表明,该文算法能获得比较好的解,收敛成功率高达100%。

一种新的全局优化搜索算法——人口迁移算法(I)

对函数全局优化和人口迁移的比较研究表明 ,两者存在相似之处 .文中通过模拟人口迁移机制建立了一种新的全局优化搜索算法———人口迁移算法 (PMA) .它模拟了人口随经济重心而转移、随人口压力增加而扩散的机制 ,前者促使算法选择较好的区域搜索 ,后者可在一定程度上避免陷入局部最优点 .数值实验表明了PMA的全局优化能力 .

一种改进人口迁移算法在蛋白质折叠模拟中的应用

PMA(Population Migration Algorithm)算法已在蛋白质非晶格模型中做了模拟测试,结果表明具有较强的全局搜索能力和稳定性。针对PMA算法的思想,提出了对算法的一种改进。使用该改进算法求解蛋白质折叠构形预测的二维非晶格模型取得了较好的计算结果。

基于混沌知识迁移的的多种群粒子群文化算法

在已有的多种群粒子群文化算法知识迁移策略中,迁移知识不一定能反映优势区域中的较优点.为提高知识迁移效率,在知识迁移机制中引入混沌搜索策略,提出一种多种群粒子群文化算法的混沌知识迁移策略.它利用混沌序列对迁移单元进行深入探索,以提高迁移知识的有效性;根据进化代数动态调整知识迁移间隔,从而在进化前期维持种群的多样性,在进化后期加速种群收敛.数值计算结果表明,该算法可以有效提高进化收敛速度,帮助子种群跳出局部较优解.

基于PCA和MPGA优化神经网络的整流器故障诊断

针对电力电子整流电路故障识别方法中的信号提取与模式识别两个核心问题,提出一种基于主元分析(PCA)和改进多种群遗传算法(MPGA)优化BP神经网络的三相整流装置电路故障识别方法。首先采用主元分析提取故障信号中对应的故障特征向量,然后利用移民算子与迁徙算子结合的MPGA优化BP神经网络分类器进行故障类型的识别。仿真结果表明,该方法对三相桥式整流装置进行故障诊断能准确识别与定位各故障类型,而且具有鲁棒性更好,诊断正确率更高的特点。

改进人口迁移算法用于QoS路由优化

研究了带宽、时延等QoS路由问题,针对原人口迁移算法易收敛于局部最优且计算量大,计算时间长的特点,提出了一种改进的人口迁移算法(modified Population Migration Algorithm),并将其应用于QoS路由选择优化问题。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。

基于分布式并行遗传算法的电力系统无功优化

针对传统遗传算法寻优质量差、计算时间长的问题,提出了基于计算机集群的一种新的分布式并行遗传算法解决电力系统无功优化问题.采用遗传模拟退火算法和分布式并行计算MPI(Message Passing Interface)技术,实现多进程的分布式集群计算.该算法通过个体迁移策略来协调优化各个子种群,使用计算效率来判断计算负载状态,采用动态种群来进行负载平衡.通过运用标准测试算例IEEE14节点和一个实际电力系统的无功优化计算,结果表明这种算法具有很高的稳定性,有较好的并行效率,适合求解大规模电力系统的无功优化问题.

基于人口迁移的ABC支持型切换决策机制

提出一种总最佳连接ABC(always best connected)支持型切换决策机制。综合考虑接入网络状况、应用需求、用户对接入网络编码制式偏好、用户对接入网络供应商偏好、终端当前运动速率和终端当前剩余电量等因素,通过博弈分析,基于人口迁移算法,寻找使用户和网络提供方效用达到或接近Nash均衡下Pareto最优的切换决策方案。仿真研究表明,该机制是有效的。

一种理想并行遗传算法模型

文章讨论了并行遗传算法的迁移现象及群体规模估算模型，分析了迁移的过程，揭示了迁移的实质，并提出了在理想条件下的迁移计算模型．基于迁移计算模型导出了粗粒度并行遗传算法进化质量估量模型．实验结果表明，模型比较准确地预测了在特定领域进化质量的变化趋势．

一种新的全局优化搜索算法——人口迁移算法(Ⅱ)

用概率论分析了新提出的求解函数全局优化问题的人口迁移算法的收敛性及动态特性.分析结果表明人口迁移算法依概率收敛到全局最优解.以找到问题全局最优解的概率为准则,给出了该算法工作在最坏情形时按迭代次数衡量的收敛速度估计,进而给出了该算法按给定概率收敛时的计算时间复杂性估计,即函数计算次数估计.

触觉传感器非线性补偿仿生算法

为解决触觉传感器非线性误差大的问题,本文提出了一种基于动态密度聚类改进的自适应多种群遗传算法(IMPGA)。IMPGA算法通过对个体相似度的动态聚类分析生成多个子种群,各子种群采用自适应交叉、变异概率并行进化,提高了搜索全局最优解的效率。通过动态邻域搜索策略提高算法局部搜索的能力,通过移民算子保持每个种群的多样性和进化动力。实验表明通过IMPGA算法优化的BP神经网络能够有效减小触觉传感器非线性拟合误差,鲁棒性能好。

并行遗传算法研究

以伴随着遗传算法应用的深入开展,并行遗传算法(parallelgeneticalgorithms,PGA)及其实现的研究也变得十分的重要.一般来说,遗传算法中的适应度的计算最费时间,再加上需要不断产生新一代,而每一代又有若干个体,所以如何提高遗传算法的运行速度显得尤为突出.由于遗传算法的内在并行机制,其并行处理是很自然的解决途径.

基于人口迁移算法湖泊富营养化评价的投影寻踪回归分析

根据湖泊富营养化特性,选择总磷(TP)、总氮(TN)、耗氧量(CODMn)、透明度(SD)、生物量等5个主要指标作为评价因子,建立湖泊富营养化评价的投影寻踪分析模型,采用人口迁移算法对评价模型进行优化,并将该模型应用于我国8个湖泊富营养化程度的评价。研究表明,投影寻踪回归分析法避免了传统评价方法由于主观原因造成的误差,评价结果合理可信、方法简单,为湖泊水体富营养化状态的评价提供了新途径。