一种改进的进化神经网络优化设计方法

基于传统遗传算法优化神经网络时存在的"近亲繁殖"、基因编码冗余和难以确定隐节点数等问题,提出改进的进化神经网络优化设计方法.通过对网络编码形式的规范,使得基因编码与功能等价类一一对应,从而降低编码冗余;通过节点相关性评价,使得低于某阈值的节点在交叉操作时被排除,从而降低节点冗余;通过把交叉变异概率与种群个体适应度比例相联系,提出自适应交叉变异概率,较好保持种群多样性.仿真实验表明,本方法可以避免"近亲繁殖"以及由此导致的"种群早熟",降低编码冗余,减少学习参数,提高学习效率.     

基于变异概率自适应调整的逆序遗传算法研究

提出一种改进的遗传算法，根据个体适应度不同对变异概率进行自适应调整，使群体中的优良模式不易被破坏，同时又保证了种群个体的多样性，从而提高了算法的搜索效率。算法中改变了交叉与变异的操作顺序，避免了个体适应度的重复计算，提高运行速度。仿真结果表明，该算法优于普通遗传算法。     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

自适应遗传优化BP网络的研究与应用

针对遗传算法易出现种群多样性被破坏、早熟收敛的问题,在Srinivas的自适应遗传算法(AGA)的基础上,引入种群多样性的度量参数,提出一种改进的自适应遗传算法(MAGA),利用种群多样性和适应度的变化趋势调整交叉和变异概率,继而提出基于MAGA优化BP(back-propagation)神经网络的流量分类方法(MAGA+BP),兼顾了MAGA和BP算法分别在搜索全局和局部最优解方面的优势. 在剑桥大学共享的网络流量数据上进行了仿真实验,结果表明,MAGA较好地维持了种群的多样性,克服了AGA早熟收敛的问题,搜索到最优解的适应度提高了10.17%, MAGA+BP方法对流量数据具有较好的分类效果.     

改进的遗传算法及其仿真

从分析标准遗传算法存在的缺陷入手，提出了一种自适应选择交叉概率，变异概率以及交叉位置非等概率选取的改进的遗传算法并予以仿真，在仿真的基础上对标准遗传算法与改进遗传算法进行性能比较。     

求解Job Shop调度问题的自适应遗传算法设计

针对标准遗传算法中交叉概率Pc和变异概率Pm固定不变带来的局限性,以及M.Sr-invivas自适应遗传算法的缺点,提出了根据适应值集中程度,自适应地变化整个种群的Pc和Pm的一种改进的自适应遗传算法,文中系统地介绍了算法的改进及算法的流程,并将算法应用于求解JSP问题,最后用一个典型的测试例子,对本文设计的算法的求解效果进行了测试,并对测试结果进行了分析.     

基于自适应遗传算法的模糊控制器优化设计

改变传统的优化模糊控制器的方法,采用自适应遗传算法优化设计了一种控制效果较好的模糊控制器。在遗传算法改进方面,不以传统的定值常量作为交叉和变异概率,而是根据遗传算法本身计算出来的个体适应度来自适应的调节交叉和变异概率的大小,以克服采用定值常量作为交叉和变异概率所带来的早熟现象和效率相对较低的问题。仿真结果表明,改进的模糊控制器具有更好的控制效果。     

钢框架优化遗传算法的若干改进

将遗传算法应用于钢框架结构优化设计时,在实际的应用中,基本的遗传算法存在着收敛速度慢和稳定性差等缺陷.为克服这些问题,采用了改进的适应度函数和约束处理方法、自适应的交叉、变异概率和最优保存策略,提高了遗传算法的效率和可靠性.算例表明改进的遗传算法对离散变量结构优化是有效、可行的.     

基于改进遗传算法的机器人路径规划方法

针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强.     

大跨度铁路钢桁斜拉桥传感器优化布置

为了解决大跨度铁路桥梁健康监测中的传感器优化布置问题,建立了基于改进自适应遗传算法的传感器优化布置方法。引入二重结构编码方法改进了遗传算法的个体编码方法。在最优保存策略中,采用自适应的部分匹配交叉和逆位变异方法,随适应度值的大小自动改变交叉概率和变异概率,确保布置结果收敛于全局最优解,克服了其他遗传算法应用于大型桥梁结构时收敛速度慢且易陷入局部最优的缺陷,加快了收敛速度。最后以某铁路钢桁梁斜拉桥健康监测系统的传感器优化布置为例,验证了该算法较基本遗传算法和广义遗传算法具有较好的全局寻优能力、计算效率和可靠性,所提方法可应用于实际铁路斜拉桥健康监测系统的传感器优化布置。     

钢框架优化遗传算法的若干改进

将遗传算法应用于钢框架结构优化设计时，在实际的应用中，基本的遗传算法存在着收敛速度慢和稳定性差等缺陷。为克服这些问题，采用了改进的适应度函数和约束处理方法、自适应的交叉、变异概率和最优保存策略，提高了遗传算法的效率和可靠性。算例表明改进的遗传算法对离散变量结构优化是有效、可行的。     

An adaptive genetic algorithm with diversity-guided mutation and its global convergence property

An adaptive genetic algorithm with diversity-guided mutation, which combines adaptive probabilities of crossover and mutation was proposed. By means of homogeneous finite Markov chains, it is proved that adaptive genetic algorithm with diversity-guided mutation and genetic algorithm with diversity-guided mutation converge to the global optimum if they maintain the best solutions, and the convergence of adaptive genetic algorithms with adaptive probabilities of crossover and mutation was studied. The performances of the above algorithms in optimizing several unimodal and multimodal functions were compared. The results show that for multimodal functions the average convergence generation of the adaptive genetic algorithm with diversity-guided mutation is about 900 less than that of adaptive genetic algorithm with adaptive probabilities and genetic algorithm with diversity-guided mutation, and the adaptive genetic algorithm with diversity-guided mutation does not lead to premature convergence. It is also shown that the better balance between overcoming premature convergence and quickening convergence speed can be gotten.     

基于自适应遗传算法的复合材料层合板铺层顺序优化设计

分析了杂交概率和突变概率对遗传算法收敛性的影响,提出了一种自适应遗传算法,并利用该方法研究了复合材料层合板的铺层顺序优化设计问题。算例结果表明,提出的复合材料层合板铺层顺序优化设计方法能够明显的提高计算效率。     

结构优化设计中自适应遗传算法的研究

主要介绍了一种基于非连续设计变量的结构优化设计方法一遗传算法(Genetic Al-gorithms，GA)。首先对遗传算法的来源、基本过程进行了论述；为了提高遗传算法的收敛性能，同时考虑到交叉率和变异率的选取问题，引入一种基于个体适应度值的自适应调整交叉率和变异率的自适应遗传算法，并通过算例表明自适应遗传算法是有效的。     

基于自适应遗传算法的图像匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷，提出了一种基于自适应遗传算法(AGA)的匹配方法，该算法与传统遗传算法的不同在于其交叉概率和变异概率随个体的适应度值而变化，避免了后者易陷入局部极值的缺陷，从而增强了算法的快速性和全局收敛性能．图像与模板的相关值是一多峰值函数，模板匹配实质上是多峰值寻优过程．将AGA应用到图像匹配，是以相关值为适应度函数，通过选择、交叉、变异等遗传操作，对遗传个体进行迭代寻优，找出图像中的最佳匹配点．实验结果表明，基于该算法的图像匹配具有运算量小、匹配精确等优点，且算法稳定．     

Stochastic analysis and convergence velocity estimation of genetic algorithms

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｅｓｔｉｍａｔｉｏｎｏｆｃｏｎｖｅｒｇｅｎｃｅｖｅｌｏｃｉｔｙａｎｄ ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎｏｆ ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ(ＧＡ)ａｒｅｔｗｏｉｍｐｏｒｔａｎｔｔｈｅｏｒｅｔｉｃｐｒｏｂｌｅｍｓ,ｂｕｔｔｈｅｒｅａｒｅｆｅｗｓｔｒｉｃｔｔｈｅｏｒｅｔｉｃｒｅｓｕｌｔｓ[1] .Ｔ .Ｂ ｃｋ[2 ,3] ｏｂｔａｉｎｅｄｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｃｏｎｖｅｒ ｇｅｎｃｅｖｅｌｏｃｉｔｙｏｆｓｉｍｐｌｉｆｉｅｄＧＡｂｙａｐｐｌｙｉｎｇｏｒ ｄｅｒｓｔａｔｉｓｔｉ…     

求解平衡运输问题的改进遗传算法

采用改进遗传算法求解平衡运输问题,针对平衡运输问题及其数学模型,应用改进的选择算子、交叉算子、变异算子和自适应交叉概率与变异概率等遗传算法机制,通过实例表明,该算法在求解平衡运输问题上的优越性.     

基于自适应遗传算法的粗糙集属性约简方法

针对遗传算法在全局优化问题中出现的早熟收敛和后期收敛速度较慢的现象,提出了一种基于自适应遗传算法的粗糙集属性约简方法。该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,优化了各个个体被选择的概率。实验表明,该方法能够明显地改善全局寻优能力,并大大加快了收敛速度。     

基于自适应遗传算法的激光图像处理

针对激光图像分割处理的问题,提出了一种基于自适应遗传算法的激光图像分割处理算法.该算法将自适应遗传算法与最大类间方差分割方法相结合,将图像类间方差作为适应度函数,利用交叉概率和变异概率动态调整自适应遗传算法求解最大类间方差的最优阈值.为了衡量该算法的处理效果,分别采用本文算法和最大类间方差图像分割算法对图像进行处理.结果表明,该算法的CI值为0. 417,能够对图像进行有效分割,且分割的准确性和运算速率均优于传统的最大类间方差分割方法,具有较高的实践价值.