RNA二级结构遗传预测算法中的选择操作研究

在利用遗传算法设计RNA二级结构预测算法时,需要解决两类重要问题,即选择压力和种群多样性。选择压力有利于引导算法利用适应度标准更多地开发新个体,使得更多优秀的个体参与到迭代之中;而种群多样性是种群进化的基础。通过仿真试验对遗传算法中的选择操作进行性能分析和比较,找出适用于RNA二级结构预测的选择操作。     

参数可变自适应遗传算法在军事地形图矢量化中的应用

针对纸制军事地图矢量化问题进行研究，提出一种基于自适应遗传算法的军事地形图矢量化方法，并在生成新的个体后，增加个体修正操作，提高个体的适应度。在该算法中，提出一种即考虑进化代数对算法的影响，又考虑到每代不同个体适应度作用的自适应交叉概率和变异概率。通过与传统方法的实验比较，证明该方法的可用性和有效性。     

一种新的改进遗传算法及其性能分析

针对简单遗传算法收敛中所存在的收敛速度慢及局部收敛问题,引入了一种新的改进遗传算法。该算法利用不断淘汰相似个体,并不断补充新个体的方法增加种群的多样性。并用一个复杂的函数对算法进行测试,结果表明该算法性能优于简单遗传算法。     

基于维度权重和遗传因子的萤火虫算法在聚类分析中的应用

针对传统聚类算法对初始值敏感,易陷入局部最优的问题,本文提出一种基于维度权重和遗传因子的萤火虫算法(AWG-FA)。该算法引入遗传算法的交叉、变异思想,并通过计算维度权重,将群体中具有优良维度的个体遗传到下一代,保留种群的潜在最优解,并对余下个体进行自适应变异,提高了种群的多样性。在UCI数据集上进行仿真实验,结果表明该算法具有更好的聚类性能和鲁棒性。     

一种用于防止早熟收敛的改进遗传算法

针对遗传算法中的早熟收敛现象,提出了一种改进的遗传算法.该算法利用种群多样性算子产生较好的初始种群分布,并以该算子作为判断种群是否早熟收敛的依据.一旦出现早熟收敛或早熟收敛的趋势,则进行灾变,以恢复算法的进化能力.同时结合种群的最优个体和引入的随机种群,设计了一种包含选择、交叉算子的一般性算子,使算法能有效维持种群的多样性,快速找到全局最优解.     

一种用于防止早熟收敛的改进遗传算法

针对遗传算法中的早熟收敛现象,提出了一种改进的遗传算法.该算法利用种群多样性算子产生较好的初始种群分布,并以该算子作为判断种群是否早熟收敛的依据.一旦出现早熟收敛或早熟收敛的趋势,则进行灾变,以恢复算法的进化能力.同时结合种群的最优个体和引入的随机种群,设计了一种包含选择、交叉算子的一般性算子,使算法能有效维持种群的多样性,快速找到全局最优解.     

基于参数可变遗传算法的地面活动目标识别

特征维数压缩和神经网络隐含层结点数确定是雷达目标识别的关键问题，本文针对地面活动目标识别的特定问题构建了初始种群，然后提出一种即考虑进化代数对算法的影响，又考虑到每代不同个体适应度作用的可变交叉概率和变异概率，经过多次迭代进化最终收敛于问题的一个满意解。最后将该方法用于对三类地面活动目标的分类和识别，验证该方法用于目标分类和识别的可行性和有效性。     

多种群竞争遗传算法及其性能分析

在指出传统遗传算法收敛中所存在的收敛速度慢及局部收敛问题的基础上,引入了一种新的改进遗传算法——多种群竞争遗传算法。该算法以种群间竞争为基础,不断淘汰相似个体,并不断补充新个体,增加种群的多样性,以提高收敛速度。最后,用一个典型的测试函数对传统遗传算法和多种群遗传算法进行测试,结果表明多种群遗传算法的性能优于传统遗传算法。     

一种改进的多种群量子遗传算法

针对常规量子遗传算法(Quantum genetic algorithm,QGA)在求解连续函数优化问题时容易陷入局部极值,提出了一种改进的多种群量子遗传算法(Improved multi-population quantum genetic algorithm,IMPQGA).该算法将初始化种群划分成N个子种群,每个子种群按不同的量子旋转门策略更新,然后相互交换子种群最优个体,同时在算法进化中引入一种新的量子旋转门,随进化代数增加动态地调整染色体个体进化方向,使算法及时跳出局部最优,避免早熟收敛.仿真结果表明,该算法相比常规量子遗传算法和多种群遗传算法(Multi-population quantum genetic algorithm,MPQGA)具有更好的优化性能.     

多种群差分进化算法及在柔性车间作业调度中的应用

针对柔性车间作业调度问题,在深入分析差分进化算法的基础上,提出了一种多种群差分进化算法.该算法基于DE/rand/2/bin变异方式全局搜索能力强,鲁棒性好,和DE/best/2/bin变异方式局部搜索能力强,收敛速度快;包含若干个普通种群和一个精英种群,普通种群采用DE/rand/2/bin变异方式,精英种群采用DE/best/2/bin变异方式,普通种群和精英种群及普通种群之间在适当的时候进行优秀个体迁移,以实现全局搜索能力和收敛速度之间的平衡,并从现实生产实际出发,建立了双目标柔性车间作业调度数学模型.最后,将该算法应用于一个调度算例,仿真结果表明,该算法可行有效.     

改进实数遗传算法在减速器设计中的应用

在现有文献研究的基础上,采用一种改进的实数遗传算法对减速器优化设计问题进行了优化研究,取得了较好的效果。该改进算法不仅可快速产生初始种群,而且实现了子代种群的产生在优化方向上进行,提高了算法的搜索能力,克服了子代个体位置限制的不足,有利于保持种群的多样性,提高了避免未成熟收敛于局部最优解的能力。     

基于变权重法的Pareto轨迹多目标进化算法

大多数现有的多目标进化算法 (MOEA- Multiobjective Evolutionary Algorithm )都是基于 Pareto机制的 ,如 NPGA (Niched Pareto Genetic Algorithm ) ,NSGA(Non- dom inated Sorting Genetic Algorithm )等。这些算法的每一个循环都要对种群中的部分或全部个体进行排序或比较 ,计算量很大。文中介绍了一种基于变权重线性加权的 Pareto轨迹法 - WSTPEA(Weighted Sum Approach and Tracing Pareto Method) ,该算法不是同时求得所有可能的非劣解 ,而是每执行一个循环步骤求得一个非劣解 ,通过权重变化次数控制算法循环的次数 ,从而使整个种群遍历 Pareto曲线 (面 )。文中给出了算法的详细描述和流程图 ,并且对两个实验测试问题进行了计算 ,最后对结果进行了分析     

改进的克隆选择算法求解0——1背包问题

提出了一种改进的克隆选择算法(Improved CSA),该算法采用贪婪策略与宽限边界值相结合的方法,利用未成熟优良子群体提供的信息修改个体基因位来改善种群质量;同时增加一个历史至当前代最佳个体记忆单元防止种群退化.通过对2个0-1背包问题的仿真实验表明:该算法比一般CSA算法和遗传算法能更快的找到最优解;其搜索效率更高,性能更加稳定.     

一种基于自适应分组排挤的遗传算法

为防止进化种群早熟收敛,并考虑保持种群多样性,加快寻优进程,提高寻优效率,提出一种基于自适应分组排挤的遗传算法,在寻优过程中将种群个体进行分组,在分组的基础上基于海明距离引入自适应的排挤机制,最后将该算法与基于海明距离排挤算法和简单遗传算法进行比较,证明其可行性和有效性.     

基于差分进化鲸鱼优化算法的森林冠层图像分割

针对森林冠层图像结构复杂,受光照不均匀,导致分割精度较差等问题,提出一种基于差分进化鲸鱼优化算法的冠层图像分割方法。首先选取多阈值Kapur熵作为适应度函数,应用鲸鱼优化算法（whale optimization algorithm,WOA）对阈值的搜索过程进行优化,代替传统遍历搜索机制,加强阈值搜索能力与效率。其次引入差分进化算法（differential evolution algorithm,DEA）进行混合,采用以种群平均适应度为评价指标的混合策略平衡2种算法,增强算法的局部搜索能力,实现更好地平衡探索与开发。最后通过对森林冠层图像进行阈值分割研究,在适应度值、PSNR、SSIM与计算时间上进行对比分析。结果表明,本算法可以获得更精确的分割阈值和更高的分割精度。     

基于两点交叉多子代遗传算法

针对目前遗传算法局部搜索能力差、收敛精度低问题,提出基于两点交叉多子代遗传算法(TPC-MCGA),阐明该算法优越性,并给出多子代个体产生方法。该方法可增加优秀个体概率及算法在当前最优解周围搜索精度,提高算法局部搜索能力。在进化策略中引入种群内部竞争操作,使种群在有限生存空间内加速进化,提高算法运算速度。结果表明,与传统遗传算法相比,TPC-MCGA平均计算时间减少31%~36%,平均迭代次数减少50.2%~51.6%,TPC-MCGA运算速度与最优解精度均明显提高。     

改进差分进化算法及其在组合拍卖问题中的应用

通过改变初始种群的产生过程,并对目标个体的变异、交叉操作过程进行改进,包括变异修复、变异个体取舍、中间个体处理、控制参数(试验时间)调整,给出了改进差分进化算法.通过试验详细分析了各个控制参数对算法寻优性能的影响.     

一种新型的动态粒子群优化算法

为了改进标准粒子群优化算法全局搜索性能,提出了一种种群动态变化的多种群粒子群优化算法。当算法搜索停滞时,把种群分裂成两个子种群,通过子种群粒子随机初始化及个体替代机制增强种群多样性,两个子种群并行搜索一定代数后,通过混合子种群来完成不同子种群中粒子的信息交流。收敛性分析表明,本文算法能以概率1收敛到全局最优解。实验结果表明,本文算法具有较好的全局寻优能力和较快的收敛速度。     

基于小生境差分进化算法的预防性维修优化研究

针对预防性维修问题,提出了一种基于小生境进化策略的改进差分进化算法.该算法采用DE/best/2/bin变异方式,变异个体由当前种群中的最优个体作引导,同时引入小生境进化策略,使算法具有局部搜索能力强和精度高的特点,也增强了算法的全局搜索能力,避免早熟现象的发生.将该算法应用于求解有限时间区间的预防性维修问题,仿真试验结果表明,该算法可行有效,其结果能对生产实践起到一定指导作用.     

基于遗传算法的带时间窗的多目标flow-shop调度

结合实际生产,引入机器的空闲时间建立了一个带有时间窗的flow—shop优化调度模型。通过非支配排序来进行群体虚拟适应度值的分配,引入精英解策略来保证算法的收敛性和解的多样性,运用小生境技术来避免局部收敛和早熟,维持种群多样性。通过仿真实验得到模型具有实际意义,算法具有可行性。