基于人工鱼群的DNA编码序列组合优化算法研究

分析DNA编码序列设计的目标及需要满足的约束条件,提出全局人工鱼群算法（GAFSA）生成有效的DNA编码序列.根据优化问题的约束条件及人工鱼群的特点,对人工鱼的视野和步长按进行动态调整.实验结果表明,所述GSFSA算法比遗传算法、多目标进化算法、遗传粒子群算法算法产生的DNA编码序列具有更高的质量.     

基于粒子群算法的数字编码DNA序列集设计

从DNA编码应满足的多约束条件中选取改进的约束条件,针对这些约束条件提出DNA个体应满足的评估公式,以及目标序列集设计的问题模型,分析了DNA序列数字编码的意义及其在优化算法中应用的优点,并采用改进粒子群算法(DE-PSO)解决DNA序列设计的多目标优化问题.仿真结果表明,该算法在求解DNA序列集设计的最优值方面具有良好的效果.     

一种基于遗传算法的DNA多序列比对方法

为了克服遗传算法应用于多序列比对时所遇到的比对序列数受限制以及比对寻优速度慢的缺点,提出了一种基于遗传算法的DNA多序列比对方法(GAMA);针对DNA多序列比对的特点,指出了传统遗传算法中的交叉操作将为序列比对带来沉重的计算负担;避开遗传算法通常所采用的遗传操作算子,设计了独特的遗传算子(插入删除算子和合并分离算子)、基于BLAST相似度评分方法和完全比对块加权的个体适应度值评价函数,采用了便于插入和删除操作以及相似度评分的基于字符和空位矩阵的染色体编码方案。本算法具有操作算子数量少,算子调用机制简明的特点。最后,给出了将GAMA应用于DNA多序列比对的算例,实验结果验证了本算法的可行性。     

一种基于DNA计算的改进遗传算法

针对遗传算法求解复杂函数极值问题中出现的早期收敛和微调能力差的问题,提出了一个具有DNA编码特征的改进遗传算法,并引入了新的操作(算子).编制了一系列可在Matlab平台上实现的算法程序,并通过数值模拟验证了算法的有效性.     

改进的DNA遗传算法在指派问题中的应用

提出了一种基于优秀基因片段思想的DNA遗传算法,将这段基因片段提取出来并将它遗传到后代中,可以加快收敛速度.给出了DNA遗传算法的结构,讨论了选择、交叉和变异算子的具体操作,并将其运用到指派问题最优解的求解中,给出了具体的实现方法.仿真实验验证了算法的有效性和实用性.     

基于遗传算法的MIMO雷达离散频率编码波形设计

针对MIMO雷达体制的离散频率编码波形设计问题，给出了一种采用遗传算法对频率编码序列的选取进行优化组合的方法．首先对波形设计的代价函数进行了改进，然后针对离散频率编码的特点，对遗传算法的选择、交叉、变异算子进行了设计，最后对设计结果进行了分析．结果表明，该方法要优于模拟退火算法．     

工程结构优化设计的改进混合遗传算法

根据工程实际以及规范规定的约束条件和各项技术标准要求,建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现的未成熟收敛、振荡、随机性太大和迭代过程缓慢等问题,采用一种新的遗传算子即单亲遗传算子对遗传算法进行了改进,并提出了离散变量结构优化设计的三等分割算法与遗传算法相结合的混合遗传算法。优化设计结果表明:改进混合遗传算法的收敛特性得到了很好的改善,既具有三等分割算法省时、高效、局部搜索能力强的特点,又具有遗传算法全局性好的特点,是高效、理想的工程结构优化设计方法。     

工程结构优化设计的混合遗传算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立了工程结构优化设计模型。为了改善遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点，提出一种离散变量结构优化设计的三等分割算法，并与标准遗传算法结合成混合遗传算法。对25杆框架结构优化设计，结果表明，这种混合遗传算法的收敛特性得到很好的改善，即发挥了三等分割算法省时、局部搜索能力强的特点，又发挥了遗传算法全局性好的特点，是有效的工程结构优化设计方法。     

基于GA-SA的重力坝断面优化设计及MATLAB实现

分析了重力坝断面优化设计时设计变量的选取、目标函数的确定及约束条件的设置。针对遗传算法(GA)和模拟退火算法(SA)的特点,将2种算法结合起来,用于重力坝断面的优化设计。探讨了GA-SA混合算法的优化步骤及其MATLAB的实现。     

基于遗传算法的桁架优化设计

遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法,由于其具有算法简单,不必要求函数连续、导数存在、单峰等特点,并能避开局部最优点而收敛到全局最优点,适用于解常规算法难于处理的问题。采用遗传算法,对桁架结构在满足位移的约束条件下进行重量最轻优化设计。数值实例表明该算法应用于结构优化设计是有效可行的。     

Array Antenna Pattern Synthesis Based on Selective Levy Flight Culture Wolf Pack Algorithm

基于选择性莱维飞行文化狼群算法的阵列天线方向图综合

王停*^1,2, 唐海林², 于跃宝²,郑斌², 刘慧娟³

(1.河北工业大学 电子信息工程学院,天津 300401;

2.中国人民解放军93756部队,天津 300000;

3. 天津广播电视电影学院 影视技术系,天津 300112）

摘 要：

针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在文化狼群算法(CWPA)的基础上,设计一种基于选择性莱维飞行的新的狼群算法-莱维文化狼群算法（LCWPA）。新算法利用文化算法在寻优过程中的良好整体管理能力和莱维飞行能够有效提高种群多样性的特点,明显提高了搜索效率。然后将其应用于阵列天线方向图综合。仿真结果表明,在多零点和低旁瓣约束情况下新算法均可取得良好的优化效果,而且该算法相对于量子粒子群算法（QPSO）,粒子群算法（PSO）和遗传算法（GA）来说,在方向图综合中速度和精度更有优势,有很好的推广价值。

关键词： 阵列天线;方向图综合;莱维飞行;狼群优化算法

     

基于粒子群遗传混合算法的配电网无功规划

提出了一种基于粒子群算法(PSO)和遗传算法(GA)相混合的配电网无功规划算法。该算法利用遗传算法收敛效果好和粒子群算法收敛速度快的特点,计算结果表明:该算法是收敛的、有效的。     

Grid-Based Path Planner Using Multivariant Optimization Algorithm

To solve the shortest path planning problems on grid-based map efficiently, a novel heuristic path planning approach based on an intelligent swarm optimization method called Multivariant Optimization Algorithm (MOA) and a modified indirect encoding scheme are proposed. In MOA, the solution space is iteratively searched through global exploration and local exploitation by intelligent searching individuals, who are named as atoms. MOA is employed to locate the shortest path through iterations of global path planning and local path refinements in the proposed path planning approach. In each iteration, a group of global atoms are employed to perform the global path planning aiming at finding some candidate paths rapidly and then a group of local atoms are allotted to each candidate path for refinement. Further, the traditional indirect encoding scheme is modified to reduce the possibility of constructing an infeasible path from an array. Comparative experiments against two other frequently use intelligent optimization approaches: Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) are conducted on benchmark test problems of varying complexity to evaluate the performance of MOA. The results demonstrate that MOA outperforms GA and PSO in terms of optimality indicated by the length of the located path.     

基于启发搜索空间遗传算法的安全控制最优潮流方法

提出了一种新的可用于安全控制最优潮流问题的遗传算法。该算法应用了一个全新的启发式搜索空间技术,具有更快的收敛速度,缩减了计算的负担。实验采用IEEE 30 bus系统,并以传统的简单遗传算法（SGA）,自适应遗传算法（AGA）,粒子群技术（PSO）,差别演变（DE）作为进行实验比较,结果表明,在具有以及不具有（N-1）断电的偶然性的实例分析中,本文所提算法有更好的鲁棒性,在优化问题上有较好的应用前景。     

基于TIGA-S4VM改进算法的蛋白质序列识别方法

针对安全的半监督支持向量机(safe semi-supervised support vector machine,S4VM)存在参数选择盲目性、正负样本比例不平衡等问题,建立了基于改进的TF-IDF(term frequency-inverse document frequency, TF-IDF)、遗传算法(genetic algorithm, GA)和S4VM的蛋白质序列识别方法TIGA-S4VM。利用改进的TF-IDF算法提取出蛋白质序列中的特征项,将各个特征项在蛋白质序列中出现的频率归一化后作为识别模型的特征值,并结合GA以及S4VM对蛋白质序列进行识别。实验结果表明,TIGA-S4VM优于其它5个识别方法,即使在训练样本率较低时,也能有效地识别蛋白质序列。     

嵌入演化策略的双种群遗传算法及其应用

针对标准遗传算法的局限搜索能力差、解的精度低等一些不足,提出了一种嵌入演化策略的双种群遗传算法,即用自适应遗传算法进行种群寻 ,用演化策略优化小种群。将该方法应用于非线性约束优化问题中,结果表明,该算法的局部搜索能力、精度和计算速度较改进前有明显提高。     

基于GA与BP神经网络的网络入侵检测组合模型研究

针对入侵检测系统产生的高维数据的处理问题,提出基于GA与BP神经网络的入侵检测组合模型进行特征选择。为了优化入侵检测分类算法,利用遗传算法适合复杂系统优化的特点,去除入侵检测数据多维特征属性中的冗余部分,将入侵检测数据特征属性对应到染色体,BP神经网络的分类准确率作为种群个体的适应度值,通过遗传算法的全局搜索能力,找出对分类算法最有影响的特征属性组合,从而达到降维的目的。采用KDD99数据集进行分析,实验表明,经过组合算法特征选择的数据能在分类正确率、运算时间、运算稳定性等方面取得更优的效果。     

改进的群集智能优化算法在任务排序中的应用

针对集成设计过程中用遗传算法进行任务排序的执行效率、收敛性等问题,考虑任务之间耦合关系对任务执行结果的影响,对遗传算法进行改进,并结合粒子群算法,提出了一种优化算法。并用实例进行了验证,结果表明该算法收敛速度快,结果稳定。对于不同的初始种群,结果都能找到全局最优解。