遗传算法中常用算子的分析

本文对遗传算法中常用的基于适应值比例的选择算子、一点交叉算子和逐位变异算子进行了讨论,给出了模式数量在遗传算子作用下变化的递推表达式及其极限性能,说明了选择算子使群体向高适应值个体聚集而交叉算子和变异算子使群体分布扩散的特性.在此基础上可以进一步改善遗传算法的性能,从而在电子技术领域获得更广泛的应用.     

遗传算法在移动机器人路径规划的研究

针对基本遗传算法在移动机器人路径规划问题上存在的收敛速度慢以及所得路径转弯次数过多能耗大等缺点,对遗传算法进行改进,该方法利用同邻交叉方式,通过选取具有相同可行邻居结点的交叉对进行交叉操作,得到比双亲更为合适的可行路径。改进的变异方式是选择一个初始变异结点,计算它的可行邻居结点所在路径的适应度值,适应度值最优的就作为变异结点。新的适应度函数考虑了路径的距离、安全性和能量消耗等因素。仿真结果表明,将改进的交叉变异算子和新的适应度函数结合使用有助得到转弯次数较少的最优路径。     

基于遗传算法的关联规则挖掘

数据挖掘是关联规则中一个重要的研究方向.对关联规则的数据挖掘和遗传算法进行概述,阐述关联规则数据挖掘的意义,提出一种采用改进型遗传算法的关联规则的提取算法,并从编码方法、适应度函数的构造和变异、选择、交叉算子设计方面进行讨论和分析,最后结合一个具体实例进行应用.实验证明这种算法是有效的.     

基于最小二乘支持向量机的图像边缘检测研究

本文研究了基于最小二乘支持向量机(LS-SVM)的图像边缘检测技术,利用LS-SVM对图像像素邻域的灰度值进行曲面拟合,通过采用多项式核函数、高斯核函数推导出图像的梯度和零交叉算子,并结合梯度算子和零交叉算子实现了图像边缘定位.通过实验获取了不同核函数的最佳卷积核的大小,同时采用遗传算法对不同核函数的参数进行寻优以获得最佳的边缘检测性能.通过与Canny方法的实验比较,验证了本文提出的边缘检测方法是有效的.     

类金刚石薄膜光学参数反演的改进遗传算法

椭偏法测试薄膜不能直接得到薄膜的光学参数,需进行数值反演算法近似求解.采用遗传算法,借鉴竞争选择、小生境和适应值调节思想,对选择算子、变异算子、交叉算子三个重要箅子进行了适当改进,改进后算法有效防止了"早熟"现象.并搜索到了全局最优,降低了操作者对拟合模型设定初值的要求.在实践上.通过3种拟合方式的结果对比,得到了可靠...     

基于自适应交叉变异量子免疫信号盲检测算法

提出了基于自适应交叉变异算子的量子免疫信号盲检测方法,所述方法在量子化交叉与变异基础上,引入了基于自适应策略的量子免疫交叉与变异算子,用量子交叉与量子变异进行进化,同时采用了传统免疫算法中交叉和变异算子的策略,以求更好地加强种群的进化程度,仿真结果表明所提出的基于自适应交叉变异算子的量子免疫算法能够有效避免早熟现象,收敛速度更快,相同信噪比条件下误码率更低。     

基于混合遗传算法的关系数据库多连接查询优化策略

改进了基于模拟退火遗传算法的代价评估的计划查询优化策略.其基本思想为:将多连接查询按遗传算法步骤求解,其中选择操作采用最优选择法、交叉和变异操作采用自适应算子,然后对其结果进行退火操作以产生下一代.     

基于MGA的费用分配优化模型研究

针对费用分配实际问题,建立了优化数学模型,提出了基于遗传算法的多目标多因子求解方法,对求解过程中的选择操作方法、体内自交叉算子和增减变异算子、编码方法、适应度函数和原始种群等作了改进设计。     

基于改进遗传算法的试卷生成算法研究

针对应用传统遗传算法在组卷中出现的早熟和收敛速度慢等问题,提出基于改进遗传算法的试卷生成算法。详细介绍改进的遗传算法应用于组卷的步骤,包括编码方法、适应度函数、交叉算子和变异算子的确定等关键内容。该算法采用分组自然数形式进行个体编码,同时,一改传统交叉方法,采用自适应交叉概率和遗传概率的方法进行运算。仿真实验表明,该算法有效提高了组卷的效率。     

基于自适应遗传算法的舵机传递函数辨识

简要介绍了舵机的工作特性，利用自适应遗传算法对舵机传递函数进行了辨识，与传统遗传算法相比，自适应遗传算法的选择算子采用最优保存和赌轮盘相结合，并在进行赌轮盘前对适应度进行排序，交叉变异算子采用自适应交叉和变异算子，终止条件也分为两类，适应度小于设定的值时就会跳出遗传算法和达到代数上限时跳出遗传算法。自适应遗传算法的辨识的结果和遗传算法相比较，仿真结果表明：自适应遗传算法在运行速度和收敛方面有较好的效果。