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。     

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.     

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.     

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.     

基于分组排挤机制的遗传算法

利用遗传算法进行寻优有时候遗传操作会陷入局部寻优,造成早熟,使遗传操作收敛不到最优解.针对这一问题,提出一种基于分组排挤机制的遗传算法,将种群个体进行分组,引入基于海明距离的排挤机制,不仅可以防止早熟,而且可以加快收敛速度.最后用普通遗传算法与之进行比较,证明其可行性和有效性.     

负荷建模参数辨识中综合改进遗传算法的应用

参数辨识是负荷建模的关键之一,针对遗传算法本身存在的缺陷,提出一种综合改进的遗传算法.该算法通过初始种群选择、最优个体保留、自适应交叉和变异率等方面进行综合设计,有效地避免了早熟和近亲繁殖,提高了收敛速度.建模实践表明,所提的综合改进遗传算法可加速收敛,缩短辨识时间,同时提高了拟合精度,克服了参数的分散性,是一种适合于负荷建模参数辨识的优化算法.     

基于AHP-GABP的农业保险可持续发展评价

为了全面评价我国农业保险可持续发展水平,用改进的多子代遗传算法优化BP神经网络,并与层次分析法相结合建立基于AHP-GABP的农业保险可持续发展评估模型。结果表明,多子代遗传算法使子代种群规模提高1倍,增加了种群的内部竞争,更大限度地优化BP神经网络的收敛速度和预测精度。利用该模型对我国农业保险2004—2014年可持续发展水平进行评估,其结果与我国农业保险基本发展情况相符。该模型在我国农业保险可持续发展评估领域具有一定的应用价值。     

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。     

基于免疫遗传算法的等温输油管道优化设计

免疫遗传算法是生命科学中免疫原理与传统遗传算法结合后得到的一种新兴算法,对求解非线性规划问题效果显著.应用该算法对等温输油管道优化数学模型进行了求解,实例计算表明,该算法优化性能好,优化效率高,在等温输油管道最优化设计问题上有很好的应用前景.     

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。     

卡尔曼滤波融合遗传PID控制算法在提高播种精度中的应用

为提高排种器的排种精度,在传统气吸式排种盘转速控制的基础上,设计了一套卡尔曼滤波融合遗传PID控制算法,通过PID控制算法实现排种盘电机转速的闭环控制,通过卡尔曼滤波算法滤除排种盘在转动过程中因振动和外界干扰等原因产生的噪声,并采用遗传算法快速准确的寻找PID控制过程中的最优控制参数.为验证算法的有效性,假设输入信号为单位阶跃信号,并在噪声大小为0.002和0.1的情况下分别进行了实验.在噪声为0.002时,传统PID控制响应波动值可达到1.5,遗传PID控制响应波动值最大仅为1.2;加入卡尔曼滤波后,传统PID控制输出响应趋于稳定的时间约为0.2 s,遗传PID控制的输出响应趋于稳定的时间约为0.08 s;同理,将噪声增大为0.1后,采用相同的实验方案进行实验,最终实验说明了卡尔曼滤波融合遗传PID控制算法在提高排种盘电机转速稳定性中的有效性.     

基于种间竞争的遗传算法的改进

提出基于种间竞争的基本遗传算法的改进算法,并编写程序实现该改进算法.通过考核实例计算,发现改进后的算法具有更强的鲁棒性.     

基于CGA和PPC模型的农机系统选型研究

以新疆巴里坤县动力机械选型为例,采用混沌遗传算法(CGA)进行投影寻踪分类(PPC)建模,对备选农机系统进行优劣排序;并与传统的模糊综合评判法进行对比分析,进一步说明了该方法的优势,得到了较满意的结果。     

蜂窝移动通信中基于遗传退火的固定频率分配

对蜂窝网无线规划中的频率分配问题进行了分析,用一种基于遗传退火的算法(GAEA)来求解,该算法是将模拟退火引进到遗传算法中,通过退火来减轻遗传算法的选择压力,利用退火法的爬山性能,改善了遗传算法的性能,提高了算法的收敛速度.实验证明了遗传退火算法的收敛速度比遗传算法快.     

改进量子遗传算法在多峰值函数寻优中的应用

针对标准量子遗传算法（QGA）在寻找多峰值最优时存在局部寻优能力较差和易早熟的缺陷,提出一种改进量子遗传算法（QQGA）,运用基于概率划分的小生境协同进化策略初始化量子种群,并采用动态量子旋转角调整策略来加快收敛速度;加入量子移民和保优选择策略,提高规划效率,避免陷入局部最优。利用复杂二元函数测试改进量子遗传算法,结果比标准量子遗传算法效率高。     

改进的模糊优选多目标优化遗传算法及其应用

提出一种改进的模糊优选多目标优化遗传算法.算法采用个体在总群体中的相对优属度作为适应度值,将总群体中的全部个体按子目标函数的数量平均划分为子群体,对每个子群体分配1个子目标函数,以子目标函数值计算子群体中个体的适应度值.2次选择后满足了整体最优的要求,又尽可能地逼近各子目标最优值.经实例计算,效果显著.     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径, 构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。