基于改进遗传算法的视差拼图缝线搜索方法

为了消除视差图像拼接后的局部不一致、不连续或变形,提出一种视差拼图最优合成拼缝搜索策略.将两浇幅图象重叠区域的归一化差图象作为搜索空间,定义一个与图象高相等维数的向量作为染色体,染色体的基因表示每一行图象中的最优拼接点,采用常用的最小值搜索适应度函数作为视差图像拼缝搜索的适应度函数.针对传统遗传算法在图像整数编码搜索中收敛慢的缺陷,提出了一种基于小区间整数编码,个体互异稳态定标的组合选择策略,按基因适应度自适应重组,自适应、变步长与多点选择性的变异操作等策略的改进遗传算法.实际图像拼缝搜索实验表明:改进后算法比基本遗传算法和传统自适应遗传算法收敛速度加快.     

一种用于匹配场反演的遗传算法

遗传算法在接近全局最优解时,存在搜索速度变慢、过早收敛、个体的多样性减少很快、甚至陷入局部最优解等问题。通过在遗传算法中引入模拟退火因子、混沌因子和多样性测度因子,在很大程度上克服了原有遗传算法的早熟、局部搜索能力差的缺点。同时,又能发挥原有遗传算法的强大的全局搜索能力,保证了改进后的混合遗传算法能较好地收敛于其全局最优值。     

遗传算法在单层球壳质量优化中的应用

摘要: 经典遗传算法存在局部搜索能力不强,“早熟”现象和后期收敛速度放慢等缺陷,本文将自适应策略与“预选择机制”的小生境技术同时引入其中,加入小生境技术后可以避免陷入局部收敛的问题;在小生境遗传算法基础上加入自适应策略,实现对种群的杂交概率和变异概率进行自适应控制,从而形成一种改进小生境遗传算法,可以有效维持种群中个体的多样性,同时可以改善全局收敛的可靠性。通过三个典型算例验证了本文算法的正确性,并通过单层球壳的算例分析表明该方法稳定性好,全局搜索能力强,但在计算时间上长于ANSYS自带的优化模块。本文算法可以应用于优化变量繁多的大中型网壳结构截面优化问题,优化效果明显。     

一种弱小目标的自适应搜索方法

针对成像跟踪系统中弱小目标搜索定位的难题,提出了一种新的自适应搜索算法,即利用全局寻优的自适应遗传算法搜索目标,以目标的多特征融合信息作为最佳定位的判断准则和适应度函数。实验结果表明,该方法不仅提高了检测精度,也改善了跟踪算法的稳定性和智能策略。     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法（IQGA）。其核心是在对量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快，还可以改变基本遗传算法（GA）的局部搜索能力，克服基本遗传算法存在的未成熟收敛问题。仿真结果表明，该算法可以有效地实现噪声控制。     

遗传算法在超大结构倾斜度监测中的应用

主要提出一种基于遗传算法的高精度倾斜度监测模型的误差分析方法,通过适值标定的改进遗传算法,保证在约束的局部区域内保留最佳策略。实验分析结果表明,遗传算法的搜索空间为整个搜索空间的0.06%,该模型在现有的实际条件下精度可达0.283×10-4m,满足高精度的倾斜度监测要求。     

双边拆卸线平衡问题优化模型及算法研究北大核心CSSCI

分析大型产品在双边布局拆卸线上的作业情形,构建双边拆卸线平衡问题优化模型,并提出一种变邻域搜索遗传算法进行求解。所提算法针对任务可在左右两边工位并行分配的特点,设计了基于一维正负整数排列的染色体编码方式,以节省存储空间;在个体进化时采用变邻域搜索策略,以拓展搜索范围提高搜索质量;通过设置扰动阈值对个体实施干扰,以加快跳出局部最优。最后,采用不同规模算例验证所提算法的高效性。     

基于并行混沌和复合形法的桁架结构形状优化

针对多工况下受应力、位移和局部稳定性约束的桁架形状优化问题,提出了基于并行混沌优化算法和复合形法的混合优化算法。该算法综合利用了并行混沌的全局搜索能力,复合形法的快速局部搜索能力和混沌细搜索。首先,利用并行混沌优化算法快速搜索到全局最优解附近,然后应用改进复合形法以并行混沌的优化解为初始复形进行搜索,提高了最优解的搜索速度,最后应用混沌细搜索策略提高最优解的精度。两个典型数值算例验证了该混合优化方法对桁架形状优化问题的有效性和稳定性。     

分层混合遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题,以总拖期最短为目标,提出了一种分层混合遗传算法。其中,根据总拖期的大小,将种群划分为精英层和普通层,精英层包含全局最优的数个不同质个体,其余个体划分为普通层;针对遗传算法局部搜索不足的问题,对精英层提出了一种邻域搜索策略,使代表机器选择和工序顺序的染色体可以根据自身的不足进行调节;针对遗传算法多样性容易丢失的问题,对精英层提出了一种灾变策略,不仅保留了种群的进化优势而且可以向优秀的个体学习。最后通过一系列标准测试函数以及一个生产中的实际案例验证了该算法的有效性。     

双边拆卸线平衡问题优化模型及算法研究

分析大型产品在双边布局拆卸线上的作业情形,构建双边拆卸线平衡问题优化模型,并提出一种变邻域搜索遗传算法进行求解。所提算法针对任务可在左右两边工位并行分配的特点,设计了基于一维正负整数排列的染色体编码方式,以节省存储空间;在个体进化时采用变邻域搜索策略,以拓展搜索范围提高搜索质量;通过设置扰动阈值对个体实施干扰,以加快跳出局部最优。最后,采用不同规模算例验证所提算法的高效性。     

基于生化反应速率的图像阈值分割算法

提出了一种改进的DNA遗传算法,以解决遗传算法用于图像分割时收敛速度慢、易早熟的缺点。利用碱基互补的DNA编码方式增加种群多样性,防止陷入局部极值;设计了基于DNA分子操作的置换自适应交叉算子和密码子变异算子,从而提高遗传算法的搜索能力,有效加快了算法的收敛速度和效率,并将此算法用于寻找二维Arimoto熵的最佳阈值,最后对图像进行分割。普通图像和医学图像的分割结果验证了改进DNA遗传算法用于图像分割的有效性。     

基于包装配送问题的混沌蛙跳布谷鸟算法研究

目的设计一种求解包装配送问题的混沌蛙跳布谷鸟算法(ChaoticFrogLeapingCuckooSearch Algorithm,CFLCSA)。方法对鸟巢个体进行实数编码,引入混沌机制和随机蛙跳算法,增强算法种群多样性和局部搜索能力,并利用E-n33-k4和E-n76-k8算例来验证算法的求解性能。结果 CFLCSA算法能够求得E-n33-k4已知最优解,求得E-n76-k8的最短配送距离与已知最优解的误差仅为5.03%,且算法求解结果及平均运行时间均优于混沌蚁群算法(Chaotic Ant Colony Algorithm, CACA)、改进遗传算法(Improved Genetic Algorithm, IGA)和禁忌搜索算法(Tabu Search, TS)。结论 CFLCSA算法求解性能优于CACA算法、IGA算法和TS算法,是一种较好的包装配送问题求解方法。     

基于改进遗传算法的桥梁结构传感器优化布置

为了解决桥梁结构健康监测中的传感器优化布置问题,提出一种基于二重结构编码遗传算法的传感器优化布置方法.首先改进了编码方法,采用二重结构编码进行种群的初始化、交叉和变异,然后选择时采用最优保存策略,交叉时采用自适应部分匹配交叉,变异时采用自适应逆位变异.该法克服了传统遗传算法应用于大型结构时收敛速度慢且易陷入局部最优的缺陷,大大加快了收敛速度,并确保能够搜索到最优解.最后通过一个桥梁工程的实例分析,证明了该法在搜索能力、计算效率和可靠性方面明显优于序列法,可广泛地应用于桥梁结构的健康监测.     

基于混沌分组教与学优化算法锅炉NOx模型优化研究

为了平衡教与学优化算法的全局和局部搜索能力,提出一种混沌分组教与学优化算法。采用3种调整机制:应用混沌方法初始化种群个体;在教阶段成绩更新中引入自适应惯性权值;在学阶段,采用随机蛙跳算法思想,将班级中的学生分组,更新子种群的最差解。用10个经典的测试集函数测试改进算法的性能,并与人工蜂群算法、万有引力算法、原始的教学优化算法进行比较,结果显示:改进算法具有良好的全局和局部搜索能力,而且收敛精度高。此外,应用改进的教与学算法优化循环流化床锅炉氮氧化合物排放浓度的模型,仿真试验表明优化后的模型具有良好的辨识能力和泛化能力,能够指导工程,解决实际问题。     

自适应免疫遗传算法在轮胎花纹节距参数优化中的研究

节距参数优化是低噪声轮胎花纹优化设计的关键环节,针对轮胎花纹节距参数优化寻优时易引发数据爆炸的特点,利用自适应免疫遗传算法(AIGA)的自适应策略和快速搜索能力对节距序列参数和节距比例参数进行优化分析,结果表明该算法的收敛性和效率较遗传算法和免疫遗传算法都有明显的提高,优化结果可降低轮胎花纹噪声水平,具有工程应用价值。     

迟滞区8邻域搜索遗传算法的景象匹配

针对遗传算法在景象匹配应用中,都存在精度下降以及收敛慢的缺陷,本文通过对遗传算法机理的分析,定义了遗传算法搜索过程中的"迟滞区"概念,提出了迟滞区内8邻域搜索的策略.该策略在遗传算法迟滞区内,强制驱动最优个体往适应度更高的方向上运动,使得匹配结果具有较高的精度,同时能够优化基因质量,减少不必要的相似性度量,加快匹配速度.实验表明,与遍历法及传统遗传算法相比,迟滞区8邻域搜索遗传算法具有运算量小、匹配精确等特点.     

钢铁企业副产煤气优化调度问题模型及算法

考虑钢铁企业副产煤气优化调度问题,在分析问题特征的基础上,建立了数学规划模型。针对模型特点,将遗传算法与混沌理论相结合进行模型求解,在初始种群中引入基于启发式规则生成的优良个体来提高收敛速度;通过建立个体精英库防止最优值的丢失;引入基于混沌序列的邻域搜索以提高算法的寻优效率。通过仿真实验验证了模型与算法的可行性和有效性。     

多种群遗传算法在篦冷机二次风温预测中的应用

针对GA遗传算法种群多样性差、局部寻优能力差等问题,提出了多种群遗传算法(MGA)。该算法利用间断平衡理论,构建多种群、多交叉算子操作方式并结合局部搜索方法和种群动态调整策略,提高算法的局部寻优能力和寻优速度。通过与GA和ISGA算法相比,MGA运行时间短,搜索性能强。利用MGA优化MKLSSVM参数,建立基于MGA-MKLSSVM的水泥篦冷机二次风温预测模型。结果表明,此模型辨识精度高、泛化能力强。     

基于粒子群遗传算法的泊车系统路径规划研究

针对智能停车库自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于粒子群和遗传算法的动态自适应混合算法.在标准粒子群算法和遗传算法的基础上,通过引入动态自适应调整策略分别对惯性权重系数、学习因子以及交叉变异概率公式进行了优化.在进化初期,通过在惯性权重系数和学习因子之间建立动态联动关系来实现对粒子速度和位置的实时有效更新;在进化后期,通过引入自适应遗传算法的交叉、变异操作来增强混合算法的全局搜索能力,提高算法的进化速度和收敛精度.为验证混合算法的可行性和有效性,选用MATLAB软件对其进行仿真测试.仿真测试结果显示,与禁忌搜索算法、蚁群算法以及遗传算法相比,混合算法表现出较强的全局搜索能力和较好的收敛性能,表明混合算法可行和有效.     

基于跳点搜索-遗传算法的自主移动机器人路径规划

为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题，引入自适应交叉算子和变异算子，将改进后的跳点搜索（jump point search）算法与改进遗传算法融合，得到跳点搜索-遗传（jump point search-genetic,JPSG）算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力，加速算法整体收敛趋势；利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态，提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明，相比于改进遗传算法、传统遗传算法，JPSG算法可以有效缩短寻优执行时间，提高寻优准确率，减少运算执行次数，在稳定性、准确性、快速性上具有明显的优势。