改进遗传算法优化MIMO稀布阵列

为了解决多输入多输出(MIMO)天线阵列由于阵元间隔过大造成的阵列方向图出现栅瓣,在雷达回波成像时出现影响目标识别的虚假目标的问题,提出了一种改进的遗传算法对阵列排布进行优化。在传统标准遗传算法上进行改进,用多个矩阵组合表示MIMO阵列,针对在矩形平面随机分布的稀疏阵列的方向图旁瓣问题进行优化设计,并采用基于Logistic混沌序列的方法产生种群扰动,避免优化过程进入局部最优状态。通过实例对比22发射天线22接收天线的均匀规则排布MIMO阵列和经改进遗传算法优化的稀布MIMO阵列,结果表明,改进遗传算法可以有效解决规则排布阵列方向图中出现的栅瓣,并且降低方向图旁瓣,提高雷达成像性能。该优化算法变量可控,具有很强的实用性,为MIMO雷达的阵列排布提供了解决方法。     

基于遗传算法的阵列天线方向图综合

本文介绍了用遗传算法对阵列天线方向图进行综合的方法。首先利用泰勒及切比雪夫幅度分布的方向图作为优化目标进行幅度优化,验证了遗传算法用于阵列天线方向图综合的可行性。然后给出了某S波段成像雷达天线阵遗传优化结果的幅相分布曲线。最后将优化方向图与标准遗传算法综合的结果比较。结果证明文中所述方法能更好的逼近目标方向图。     

基于改进遗传算法的阵元失效校正方法

阵列天线中阵元失效,其方向图的副瓣电平会升高、主瓣变宽。保留遗传算法前期迭代的最优个体为新初始种群对遗传算法进行改进,以加快收敛速度和防止最佳染色体缺失。并利用基于优势保留的改进遗传算法,针对-40dB 的26 单元阵列,随机缺失3 单元后进行优化,恢复原方向图副瓣水平。结果表明,该算法能够有效减少阵元缺失后方向图的恶化。     

改进遗传算法应用于超低副瓣天线阵的综合设计

提出了一种改进的遗传算法.在同一代中对各个个体采用不重复交叉和不重复变异的策略和分别在交叉和变异后采用精英保留的策略,并改进了自适应规则.将该算法应用于实现线阵超低副瓣方向图.将各个天线单元的电流幅度和单元间距作为参量进行优化.给出了线阵天线单元在不同单元个数和不同间距条件下的优化结果.结果表明,该改进的遗传算法能够优化实现低于-40dB的超低副瓣,优于已有文献中遗传算法对天线阵副瓣的综合设计结果.     

基于实数编码遗传算法的稀布阵列综合

针对有孔径和阵元总数约束的线性阵列,提出了一种基于实数编码遗传算法的稀布阵列综合方法。算法中每条染色体基因主要由阵元间距和激励幅度共同组成,采用双变量组合优化的方式为阵列性能优化提供了更多的自由度。采用十进制实数量化编码的方式,省去了二进制编码过程中的解码运算,使算法程序更为简洁,效率更高。以降低阵列方向图的峰值旁瓣电平为目标函数,运用提出的改进遗传算法针对几种不同的线性阵列进行优化仿真,在同等约束条件下将该算法与其他改进遗传算法进行了优化对比,结果表明该算法表现更为出色。     

基于遗传算法的平面麦克风阵列构型优化方法

在有限平面范围内使用较少的麦克风数量设计阵列构型，使得阵列具有更好的性能是声源定位系统中需解决的首要问题。文中提出了一种基于遗传算法的阵列优化方法，该方法以阵列波束方向图的主瓣宽度和旁瓣级为基础，兼顾麦克风的数量设计了遗传算法的适应度目标函数，通过改进遗传算法，使其在麦克风阵列优化的应用中得到实现。仿真结果表明，与传统的十字形和矩形平面均匀阵列相比，优化后的阵列构型在保证阵列性能的同时，可以减少麦克风的使用数量。相比于粒子群优化算法，改进遗传算法优化后的阵列具有更优异的性能。     

一种基于遗传算法的阵列天线方向图综合

基于排序的实数码遗传算法实现对阵列天线方向图综合,并对遗传参数作了一些改进.该算法使得搜索效率有很大的提高,有效避免了早期收敛.通过计算机仿真实验,该算法成功地实现了阵列天线的方向图综合.通过对阵列天线的阵元电流幅值进行优化,同样可以达到传统方法所能实现的效果.良好的仿真结果体现了遗传算法在阵列天线方向图综合中的优越性能.     

改进的遗传算法优化氧化钛湿敏元件的模型

以氧化钛湿敏元件等效电路模型中的参数为优化对象,提出一种改进的基于遗传算法的等效电路优化方法。算法在选择操作中加入最优保存策略,并对适应度函数进行适当的调整,从而提高了算法的运行效率和精确度,获得了拟合曲线和适应度函数图。拟合曲线直观地证明了等效电路的正确性,而适应度函数图更是明确地表达了算法的运行效果。改进的遗传算法优化处理程序采用Matlab编程语言实现。     

PSIM系统稳定性自校准原理理论分析

针对标准遗传算法在摄像机标定参数非线性优化过程中, 易出现过早收敛和停滞现象的问题, 提出一种新的摄像机标定参数优化方法。首先, 采用非线性的归一化几何排名函数与随机遍历抽样法混合作为选择方法, 对遗传算法进行改进; 然后, 采用改进的遗传算法对摄像机标定参数进行非线性优化; 最后, 将其与标准遗传算法进行标定参数非线性优化对比实验, 实验结果表明: 算法平均绝对误差低于标准遗传算法, 且图像主点坐标更接近参考值, 能较好地缓解过早收敛和停滞现象, 提高了标定精度。     

基于改进遗传算法的摄像机标定参数优化方法

针对标准遗传算法在摄像机标定参数非线性优化过程中,易出现过早收敛和停滞现象的问题,提出一种新的摄像机标定参数优化方法.首先,采用非线性的归一化几何排名函数与随机遍历抽样法混合作为选择方法,对遗传算法进行改进;然后,采用改进的遗传算法对摄像机标定参数进行非线性优化;最后,将其与标准遗传算法进行标定参数非线性优化对比实验,实验结果表明:算法平均绝对误差低于标准遗传算法,且图像主点坐标更接近参考值,能较好地缓解过早收敛和停滞现象,提高了标定精度.     

多父体同胞竞争机制在遗传算法中的应用

首先分析了遗传算法的优点，然后指出了标准遗传算法的不足。为解决标准遗传算法存在的早期收敛，提出了多父体和同胞竞争机制来提高种群的多样性。通过试验证明，改进后的算法具有很好的性能。     

遗传算法在PFC控制电路优化设计中的应用研究

针对标准遗传算法易发生未成熟收敛和收敛速度过慢的缺陷,提出了遗传算法的改进策略。尝试应用改进的遗传算法优化设计PFC控制电路的控制参数,在控制电路小信号模型的基础上,分析电流控制环的主要作用,选择合适的适应度函数。     

飞行器参数辨识的一种演化计算方法

将混合遗传算法应用于飞行器气动参数辨识。该方法结合了遗传算法的全局寻优能力和极大似然法的局部寻优能力，使得混合遗传算法不受极大似然法初值选取的影响，同时也解决了遗传算法收敛速度慢和收敛精度较低的问题。在混合遗传算法寻优过程中，仅对最优个体和变异后的个体执行局部寻优操作，从而使得混合遗传算法的计算量维持在一个适当的水平。最后，一个飞行器纵向模型气动参数的辨识仿真表明：混合遗传算法的收敛性和精度都远高于没有采用局部寻优策略的遗传算法。     

A hierarchy in mutation of genetic algorithm and its application to multi-objective analog/RF circuit optimization

This paper presents a multi-objective analog circuit design optimization tool using genetic algorithm based on hierarchical mutation scheme. The idea is to improve the convergence and diversity of genetic algorithm by incorporating hierarchy during polynomial mutation operation. In this regard, a theoretical framework of proposed genetic algorithm is presented using Markov chain principle. To investigate the effectiveness of hierarchy in polynomial mutation operator, the scheme is compared with six different mutation strategies. Experiments are performed for different function evaluations to evaluate the performance of hierarchical polynomial mutation operator. Further, to showcase the improvement in genetic algorithm, numerous experiments are performed on twelve different test functions and two design examples. The proposed genetic algorithm shows competitive performance over other standard optimization techniques in terms of both convergence and diversity of solutions.     

基于Matlab的遗传算法的工具箱的研究及改进

介绍了使用Matlab语言煽程实现的遗传算法，并建立遗传算法工具箱。通过仿真实验说明该工具箱具有运行稳定、结构灵活、扩展方便等特点．能直观显示改进后的GA，比标准GA具有收敛速度快、不易陷入局部极小、精度高等特性。     

基于个体排序的自适应遗传算法

针对遗传算法容易陷入局部最优的缺点,文中提出了一种基于个体排序的自适应遗传算法。在传统自适应遗传算法中,交叉概率和变异概率的自适应更新是依据个体的适应度值进行的。但是在算法后期,由于种群陷入局部极值,使得值的差异变小,更新时难以体现个体差异。借鉴序优化的思想,在所提改进算法中,将个体适应度值排序,并采用排序号替代适应度值。这种采用序差异取代值差异的方法能够增大种群中、后期的交叉概率和变异率的值,有利于避免算法陷入早熟收敛。文中对几种标准的函数进行了测试,结果表明,改进后的算法在收敛速度和收敛精度方面优于其他两种自适应改进算法。     

用一种免疫遗传算法求解频率分配问题

频率分配是一NP完全问题,本文用一种基于免疫调节机制的免疫遗传算法来求解.该算法结构类似于遗传算法;核心思想是将个体集构造为抗体网络,利用免疫浓度调节机制在个体层次调节个体的多样性,同时利用免疫网络调节理论在种群层次调整个体多样性和群体收敛性之间的动态平衡,从而克服了一般遗传算法的不足.本文同时用该算法解决固定频率分配和最小跨度频率分配问题,取得了较好的效果.     

基于位变异防止遗传算法过早收敛的算法

针对简单遗传算法具有过早收敛的缺点，本文提出了一种基于位变异的防止遗传算法过早收敛的算法。该算法通过种群熵来判断过早收敛的发生。当发生过早收敛时，在单调系数的指导下进行有针对性的位变异．从局部最优解的范围内摆脱出来，算法重新具有进化能力。用数值优化中的三个典型的测试函数对该算法进行测试．仿真实验结果显示该算法可有效地提高算法的全局搜索能力。     

基于自适应权重和模拟退火的鲸鱼优化算法

针对鲸鱼优化算法容易陷入局部极值和收敛速度慢的问题,提出了一种结合自适应权重和模拟退火的鲸鱼优化算法.通过改进的自适应权重策略来调整算法的收敛速度,通过模拟退火增强鲸鱼优化算法的全局寻优能力.仿真实验中计算了18个测试函数,对比了粒子群算法、海豚回声定位算法和标准鲸鱼算法并进行统计分析,同时比较了单独结合自适应权重和模拟退火对鲸鱼优化的影响,结果表明,改进的算法在测试函数的极值计算中,计算精度和收敛速度方面都有了明显提升,验证了改进算法的有效性.     

基于改进的量子遗传算法的多用户检测

为了加快量子遗传算法(QGA)的收敛速度,减小基于QGA的多用户检测的计算复杂度,提出了一种基于改进的量子遗传优化算法(MQGA)的多用户检测算法.通过引入小生境协同进化策略初始化量子种群,并采用自适应更新旋转角策略,改善了QGA的收敛性能和寻优能力.仿真结果表明,提出的多用户检测算法在收敛速度、误码率、抗远近能力及系统容量方面都优于遗传算法多用户检测器、量子遗传算法多用户检测器和传统多用户检测器.