基于MEA-GRNN的RFID室内定位

针对采用遗传算法(Genetic Algorithm,GA)优化广义回归神经网络(Generalized Regression Neural Network,GRNN)的射频识别（Radio Frequency Identification,RFID）室内定位模型存在的早熟、收敛速度慢、不能保证解是全局最优等问题,提出采用思维进化算法(Mind Evolutionary Algorithm,MEA)来寻找广义神经网络的最优光滑因子,从而确定最优定位模型。首先用GRNN建立节点定位模型,阅读器与标签的接收信号强度值作为GRNN的输入,节点坐标作为输出,根据适应度函数值,通过MEA寻找GRNN的最优平滑参数。实验结果表明,通过MEA优化的GRNN模型的定位精度比GA优化的GRNN定位模型的精度高、泛化能力强,并且比后者的效率高,能够避免GA陷入局部最优的问题。     

基于PSO算法的系统可靠性优化分析

提出了将粒子群优化算法(Patticle Swarm Optimization Algorithm,PSO)用于求解系统可靠性优化问题,建立了系统的可靠性模型,分别采用遗传算法(Genetic algonthm,GA)和PSO算法进行了优化仿真,结果表明采用PSO算法和GA算法都能实现系统可靠性优化,但是相比之下PSO算法的计算精度和求出最优解的概率更高,需较少的迭代次数,能更稳定的求解最优解,而且没有求解早熟的弱点,因此PSO算法更适合于系统可靠性优化。     

基于自适应小生境混合遗传算法的说话人识别

为了解决传统高斯混合模型(Gaussian Mixture Model,GMM)对初值敏感,在实际训练中极易得到局部最优参数的问题,本文提出了一种GMM参数优化的新方法.将小生境技术与最大似然估计融入到遗传训练过程,形成了一种新的混合算法,缓解了遗传算法产生的"早熟"现象,提高了算法的局部搜索能力.采用自适应策略来控制交叉和变异算子,同时在适应度评价中融入了其他用户的区分性信息,提高了模型的分类精度,增强了GMM的泛化能力.实验表明,与传统和改进的两种方法相比,本文的方法都可以得到更优的模型参数,使得系统的识别率进一步提高.     

基于人工蜂群算法的支持向量机参数优化及应用

为了解决常用的支持向量机(SVM)参数优化方法在寻优过程不同程度的陷入局部最优解的问题,提出一种基于人工蜂群(ABC)算法的SVM参数优化方法。将SVM的惩罚因子和核函数参数作为食物源位置,分类正确率作为适应度,利用ABC算法寻找适应度最高的食物源位置。利用4个标准数据集,将其与遗传(GA)算法、蚁群(ACO)算法、标准粒子群(PSO)算法优化的SVM进行性能比较,结果表明,本文方法能克服局部最优解,获得更高的分类正确率,并在小数目分类问题上有效降低运行时间。将本文方法运用到计算机笔迹鉴别,对提取的笔迹特征进行分类,与GA算法、ACO算法、PSO算法优化的SVM相比,得到了更高的分类正确率。     

遗传+模糊C-均值混合聚类算法

本文提出了一种新的结合遗传算法(GA)和模糊C-均值算法(FCM)的混合聚类算法(HCA)。它通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解,较好地解决了GA在达到全局最优解前收敛慢和FCM算法容易陷入局部极小的问题。三组不同分布类型的数据聚类实验表明,该算法具有较好的通用性和有效性。     

合作式粒子群优化算法

针对粒子群优化(PSO)算法随着维数增加而导致的收敛速度慢,容易陷入局部最优的问题,提出了一种合作式粒子群(CPSO)算法。通过多粒子群不同的组态向量合作,显著改善了标准算法的早熟问题。利用标准测试函数对CPSO算法、协同进化遗传算法(CCGA)、遗传算法(GA)、PSO算法进行比较测试,结果表明,CPSO算法在多个基准优化问题方面显示了较佳性能。     

基于模拟退火菌群-RBF神经网络的甲醇净化CO_2含量软测量模型

为了解决菌群优化(BFO)算法易陷入局部最优,趋化操作中翻转方向不确定的问题,利用模拟退火(SA)算法在获得局部最优解的情况下能够以极大可能趋向于全局最优解的特点,提出模拟退火-菌群优化(SA-BFO)算法。同时,将改进后的算法用于优化RBF神经网络,建立基于甲醇净化CO2含量的软测量模型。仿真结果表明该模型具有更高的精度和准确性,对甲醇生产量的提高具有一定的贡献价值。     

一种新的基于遗传算法的VQ码本优化方法

矢量量化(VQ)是语音识别中广泛应用的一种数据压缩和编码方法。在矢量量化的码本设计过程中,经典的LBG算法收敛速度快,但极易陷入局部最优,且初始码本的生成对最佳码本的设计影响很大。考虑到遗传算法(GA)是一种具有全局优化搜索能力的算法,提出了GA和LBG算法相结合的GA L算法来优化码本,改善了码本质量,并将其应用于非特定人汉语连续数字语音识别中。实验结果表明,GA L算法优于传统的LBG算法。     

SAGA在软件测试数据自动生成中的应用

总结了测试数据自动生成的通用模型,把模拟退火遗传算法(SAGA)引入模型中作为核心搜索方法,避免了单一遗传算法易陷入局部最优的问题。在算法中,通过实施模拟退火筛选、改进加速适应度函数和控制温度迭代方式达到了模拟退火算法(SA)与遗传算法(GA)的有机融合,并优化了SA的邻域构造方式,加入了遗传算法的最优保留策略,使得算法在收敛效率等方面更加有效。试验证明,该方法是有效的测试数据自动生成方法。     

云遗传算法及其应用

传统遗传算法搜索速度慢,容易陷入局部最优解.借鉴遗传算法(GA)的思想,利用正态云模型云滴的随机性和稳定倾向性特点,提出一种新的遗传算法—云遗传算法(CGA).CGA由正态云模型的Y条件云发生器实现交叉操作,基本云发生器实现变异操作.最后,进行了函数优化实验和IIR数字滤波器优化设计,并与标准GA、NQGA、CAGA和LARES等算法进行比较,证明了该算法的有效性,具有一定的参考和应用价值.     

基于改进的引力搜索算法的T-S模型辨识

针对引力搜索算法在求解复杂问题时搜索精度较低、易出现早熟收敛的缺点。提出一个新颖的智能算法-基于基因突变的引力搜索算法来辨识T-S模型的参数,同时提出一种改进的聚类算法辨识T-S模型的结构,实验结果表明,改进算法辨识出的T-S模型结构紧凑、精度更高,且泛化能力强。     

An effective parameter extraction method based on memetic differential evolution algorithm

This paper provides an effective method for parameter extraction of microelectronic devices and elements. A novel method, memetic differential evolution (MDE) algorithm, is proposed in this paper. By combining differential evolution (DE) algorithm, mutations in immune algorithm (IA), and special operators for parameter extraction, MDE possesses characteristics of high accuracy, stability, generality, and efficiency. The effectiveness of the method has been shown by two typical examples, including small-signal equivalent circuit models for an AlGaN/GaN HEMT device up to 40 GHz, as well as an equivalent circuit model for on-chip differential spiral inductors. In both cases, the initial values and parameter ranges of the elements in the equivalent circuits are hard to determine in optimization. The results and comparisons with Levenberg-Marquardt (LM) algorithm, genetic algorithm (GA), particle swarm optimization (PSO) algorithm and canonical DE algorithm, demonstrate the superiority of MDE in terms of accuracy and generality.     

一种基于GA-BP神经网络结合PCA的LCD显示器光谱特征化模型

为实现LCD显示器的光谱特征化,本文提出一种基于遗传算法优化(Genetic Algorithm,GA)的BP神经网络(GABP)结合PCA(Principal component analysis)的光谱特征化模型。首先对显示器色空间进行子空间划分,同时采用PCA对光谱数据进行降维,接着在各子空间中采用遗传算法对BP神经网络的权值阈值进行优化,建立显示器驱动值与光谱数据之间的神经网络模型,实现了显示器的光谱特征化。实验结果表明子空间划分后,在子空间中进行模型参数的优化有利于模型整体精度的提高,GA的优化有效改善了BP神经网络的极值问题,提高了模型的精度,PCA在不影响模型精度的同时提高了算法的运行效率。由此说明该模型是一种高精度显示器特征化模型。     

Image change detection using Gaussian mixture model and genetic algorithm

In this paper, we propose a novel method for unsupervised change detection in multi-temporal satellite images of the same scene using Gaussian mixture model (GMM) and genetic algorithm (GA). The difference image data computed from multi-temporal satellite images of the same scene is modelled by using N components GMM. GA is used to estimate the parameters of the GMM. Then, the GMM of the difference image data is partitioned into two sets of distributions representing data distributions of “changed” and “unchanged” pixels by minimizing a cost function using GA. Bayesian inference is exploited together with the estimated data distributions of “changed” and “unchanged” pixels to achieve the final change detection result. The proposed method does not need any parameter tuning process, and is completely automatic. As a case study for the unsupervised change detection, multi-temporal advanced synthetic aperture radar (ASAR) images acquired by ESA Envisat on the recent flooding area in Bangladesh and parts of India brought on by two weeks of persistent rain and multi-temporal optical images acquired by Landsat 5 TM on a part of Alaska are considered. Change detection results are shown on real data and comparisons with the state-of-the-art techniques are provided.     

基于高斯混合模型的非视距定位算法简

针对无线传感器网络室内节点定位,在分析定位误差模型的基础上,结合高斯混合模型提出了一种无需先验知识的节点定位算法。利用高斯混合模型,对含有非视距误差的距离测量信息进行训练,以获得接近真实值的距离估计值。为取得高精度的定位效果,采用粒子群算法对期望最大化 (EM)算法进行优化。同时结合优选残差加权算法对所得的距离值进行定位估计,得出目标节点坐标估计值。仿真实验结果证实了算法的有效性。     

Parameter adjustment based on improved genetic algorithm for cognitive radio networks

Multi-objective parameter adjustment plays an important role in improving the performance of the cognitive radio (CR) system. Current research focus on the genetic algorithm (GA) to achieve parameter optimization in CR, while general GA always fall into premature convergence. Thereafter, this paper proposed a linear scale transformation to the fitness of individual chromosome, which can reduce the impact of extraordinary individuals exiting in the early evolution iterations, and ensure competition between individuals in the latter evolution iterations. This paper also introduces an adaptive crossover and mutation probability algorithm into parameter adjustment, which can ensure the diversity and convergence of the population. Two applications are applied in the parameter adjustment of CR, one application prefers the bit error rate and another prefers the bandwidth. Simulation results show that the improved parameter adjustment algorithm can converge to the global optimal solution fast without falling into premature convergence.     

基于回归算法的证件物品识别器参数辨识模型

证件物品管理识别器参数辨识存在局部最优现象,噪声干扰下辨识精度下降,提出基于回归算法的证件物品管理识别器参数辨识模型。将证件物品管理识别参数输出误差平方和,代入粒子群算法适应度函数,通过粒子群优化算法实时更新粒子个体最优值以及全局最优值,初步辨识证件物品管理识别器参数,并将所获取结果作为支持向量回归算法迭代初始值,利用支持向量回归算法,最终辨识证件物品管理识别器参数。模型测试结果表明,采用该模型可有效辨识证件物品管理识别器参数,参数辨识精度高达99%以上,且噪声干扰情况下仍具有较高的辨识精度。     

改进遗传算法在E面波导滤波器设计中的应用

由于遗传算法表现出良好的全局搜索性能,因此本文将其应用于高性能E面波导滤波器的设计中.针对传统遗传算法所存在的局部搜索能力差的缺点,本文在并行遗传算法的基础上,通过将原有群体划分为多个子群体,利用多个子群进行局部极值点的搜索,并利用群间迁徙,使改进后的算法收敛速度平均提高了2~3倍.数值实验表明算法具有较快的收敛速度和较好的全局搜索性能,证明了算法的有效性.     

基于遗传-细菌觅食组合算法的非线性模型优化

文中提出一种遗传-细菌觅食组合优化算法以解决非线性模型优化问题。该方法先使用遗传算法进行全局搜索,并缩小最优解的搜索范围;再使用细菌觅食优化算法在该局部范围内执行局部搜索。这种组合搜索策略可以增强算法的收敛性,并能有效地均衡全局搜索和局部搜索。文中利用单峰、多峰和复杂多峰等非线性函数模型验证所提算法的性能。实验结果表明,组合算法的计算精度和效率分别比遗传算法和细菌觅食优化算法提高了30%和50%,表明该组合算法具有更快的收敛速度,更高的求解精度,适用于大规模多极值的非线性问题。