基于混合遗传算法的蛋白质结构预测研究

将遗传算法与模拟退火算法相结合,提出一种新的混合遗传算法,并采用该算法对蛋白质的折叠过程进行研究.实验结果表明,采用该算法比单纯采用遗传算法或者采用模拟退火算法速度更快,计算结果更精确,是一种行之有效的新方法.     

求解矩形件优化排样的自适应模拟退火遗传算法

矩形件优化排样是一个NPC问题,在工业界有着广泛的应用.针对该问题,提出一种自适应模拟退火遗传算法.采用一种基于环形交叉算子和环形变异算子的自适应遗传算法来自动调整交叉和变异概率;同时引入模拟退火算法对个体适应度大于平均适应度的个体进行退火处理.自适应模拟退火遗传算法充分发挥了自适应遗传算法与模拟退火算法各自的全局搜索能力与局部搜索能力.对比实验表明,该算法结合改进的最左最下布局算法解决矩形件优化排样问题更加有效.     

模拟退火与遗传算法结合的数字FIR滤波器硬件进化算法

为提高数字FIR滤波器进化硬件的寻优性能,将模拟退火与遗传算法结合的新型算法作为其进化算法.该算法是在对进化硬件种群进行遗传算法操作之后,从种群中选择适当的个体进行模拟退火操作,退火的温度随着遗传算法进化代数的增加而逐步降低,直至达到优化目标.为满足算法处理能力的要求,硬件系统采用平台式FPGA的可编程SoC结构.仿真实验结果表明：以模拟退火算法为辅助的遗传算法比单纯的遗传算法在数字FIR滤波器进化系统上有着相当的优势.     

基于模拟退火遗传算法的多项目调度问题研究

针对多资源约束条件下的多项目调度问题,提出了一种模拟退火遗传算法的求解方法.该方法首先分别对普通的遗传算法和模拟退火算法进行改进,然后在遗传算法中插入模拟退火操作,通过模拟退火操作来克服遗传算法容易陷入局部最优解的缺陷,同时该方法也继承了遗传算法收敛速度快的特点.最后的实例计算结果表明该算法能克服模拟退火算法和遗传算法的缺点,获得比其它算法更优的解,与其它启发式算法及智能算法相比具有更高的求解效率.     

自适应模拟退火遗传算法的改进与应用

提出了一种改进的自适应模拟退火遗传算法,该算法将遗传算法和模拟退火相结合,利用模拟退火算法较强的局部搜索能力,解决了基本遗传算法收敛速度慢的缺点,提高了全局寻优能力.实验结果证实了该混合算法的有效性和高效性.     

遗传和模拟退火融合的软硬件划分

针对嵌入式系统软硬件划分问题,在比较了遗传算法（GA）和模拟退火（SA）各自优缺点的基础上,提出了采用遗传/模拟退火混合算法（GASA）的策略。该算法的核心思想是将模拟退火算法嵌入到遗传算法中,利用遗传优化算法的结果来制约模拟退火的随机状态产生,然后根据模拟退火算法的接受准则和随机状态产生函数来更新遗传算法的种群,从而最终得到最优解。与单纯的遗传算法和模拟退火算法进行对比实验,实验结果表明,GASA更有优势,得到的划分结果也更优秀。     

异步模拟退火的遗传算法研究

为克服遗传算法(GA)局部搜索能力差和混合遗传算法计算效率低的不足,提出一个异步混合遗传算法框架.该框架主要由遗传算法、小生境操作和模拟退火三部分组成,模拟退火相对遗传算法和小生境操作采用异步执行方式.并行计算环境由两台计算机通过交换机连接构成,一台计算机计算遗传算法和小生境操作,另外一台计算机计算模拟退火,两台计算机之间通过并行虚拟机进行数据交换.以旅行商问题(TSP)作为算例,实验结果验证了新算法的有效性和高效性.     

Research on wireless sensor networks data aggregation on simulated annealing genctic algorithm

研究无线传感器网络( WSN)数据融合技术.传感器节点计算能力、通信能力有限,WSN采用交叉重叠方式部署,导致冗余数据量大,需采用数据融合技术消除冗余和无效数据,节约网络通信能耗.结合遗传算法全局搜索和模拟退火算法局部搜索的优点,提出一种模拟退火遗传算法的WSN数据融合方法(SA-GA).采用模拟退火遗传算法快速找到移动代理路由最优传感器节点序列,并实现数据融合.仿真实验结果表明,与遗传算法、模拟退火算法相比,SA-GA更能快速找到全局最优数据融合节点序列,并对数据进行有效融合,具有更小的网络能耗和网络延时.     

基于遗传模拟退火算法的移动机器人路径规划

针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高.     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法.将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出T一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法.在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,...     

应用于分类EST序列拼接的并行遗传算法

利用EST（Expresscd Sequence Tag)序列数据发现新基因，是当前国际上基因组研究的热点，但程序设计十分复杂。计算量非常巨大。而遗传算法是一种能在复杂而庞大的搜索空间中利用问题的固有知识来缩小搜索范围，避免组合爆炸，从而得到最优解或准最优解的通用搜索算法。该文结合核酸序列的特征，提出了一种改进的并行遗传算法，应用于EST序列拼接的组合优化。     

Fast two-dimensional weighted least squares techniques for the design of two-dimensional finite impulse response filters

This paper focuses on the design of two-dimensional (2D) quadrantally symmetric finite impulse response (FIR) filters, and presents three very efficient algorithms for the weighted least squares (WLS) design with a weight matrix that assigns four different weights to four different frequency bands. The first algorithm seeks for iterative solutions to the matrix equation describing the optimality condition of the design problem. The second algorithm aims at the limit solution of the solution sequence to the first algorithm, analytically obtained by using matrix diagonalization techniques. The third algorithm belongs to the category of iterative reweighting techniques. It uses the second algorithm as its iteration core, and aims at reducing the maximum magnitude error of the filter by iteratively adjusting the four entry values of the weight matrix. Design examples are provided to demonstrate the performance of the proposed algorithms.     

舰船补给物料搬运顺序优化问题的改进遗传算法

现有的多搬运工具可并行条件下的物料搬运顺序优化模型, 其采用的标准遗传算法收敛速度慢且易陷入局部最优. 提出了该模型的改进遗传算法, 采用精英保留策略代替传统的轮盘选择方法, 使用自适应策略设计交叉算子和变异算子. 以某一具体的舰船补给物料搬运顺序优化问题为背景, 通过实例进行了计算. 结果表明, 改进遗传算法收敛速度大大提高, 具有较高的求解质量和效率.     

满足故障隔离率指标的测试序列优化差分进化算法

最优测试序列的设计是故障诊断过程中必须解决的非确定多项式（Non-deterministic polynomial,NP）完全问题。基于自适应差分进化算法,提出一种惯性速度差分进化（Inertial velocity differential evolution,IVDE）算法,通过增加额外的惯性速度项求解复杂电子系统最优测试序列问题（Optimal test sequence problem,OTP）。为求解该优化问题设计了个体的状态与测试序列编码方式,构建了包含故障隔离率（Fault isolation rate,FIR）等指标的个体适应度函数,通过优化生成诊断决策树来减少测试设备和测试成本。仿真结果表明,IVDE算法可以求得既满足FIR要求,又减少测试成本的测试序列。与粒子群优化算法（Particle swarm optimizer,PSO）、遗传算法（Genetic algorithm,GA）等其他算法相比,IVDE可以求解OTP,得到更好的解。     

受扰非线性离散系统的前馈反馈最优控制

利用逐次逼近法研究含外部扰动的非线性离散系统的线性二次型前馈反馈最优控制问题.首先将系统的最优控制问题转化为非线性两点边值问题族.其次,构造了该问题族的由精确线性项和非线性补偿项组成的解序列,并证明了解序列一致收敛到系统的最优解.最后,通过截取最优控制序列解中非线性补偿项的有限项,得到系统的前馈反馈次优控制(FFSOC)律及设计算法.仿真算例表明,该算法容易实现,且对抑制外部扰动的鲁棒性优于经典的反馈次优控制(FSOC).     

Detection and tracking of single-pixel targets based on trajectory continuity

A target detection and tracking algorithm has been developed to identify single-pixel targets with unknown motion from a time sequence of highly noisy images. The algorithm is based on a target trajectory continuity theory, utilizing temporal continuity and smoothness of target trajectories in both intensity and spatial coordinates in an image plane to detect and simultaneously track multiple targets. With a unique application of the trajectory continuity theory, the algorithm presents an effective engineering solution to the small target track initiation problem in under-speficied environments where an optimum solution is not possible, and at the same time unties the constraint of straight line trajectory that most optimum algorithms require for similar tasks. The algorithm design utilizes a parallel-distributed computing architecture, which aims for real-time target detection and tracking applications.     

含状态和输入时滞的离散时间系统的近似最优跟踪控制

针对状 态和控制输入均含有时滞的离散时间系统, 提出最优跟踪控制的设计方法. 通 过引入一种新的状态向量, 将含有状态和控制输入时滞的离散时间系统转化为 含有虚拟扰动项的无时滞离散时间系统. 根据最优控制理论, 构造离散Riccati矩阵方 程和离散Stein矩阵方程的序列, 并证明该解序列一致收敛于变换后的离散时间系统的最优跟 踪控制策略. 利用最优控制的逐次逼近设计方法, 得到最优跟踪控制的近似 解, 并给出求解最优跟踪控制律的算法. 仿真算例表明了所提出最优跟踪控制 方法的有效性.     

基于蚁群算法的测试用例优先排序

测试用例优先排序技术通过优化测试用例的执行次序来提高软件测试的效率,是增强型软件测试和回归测试的重要研究课题。针对基于需求的测试用例优先排序问题,提出了一种基于蚁群算法的求解方法,采用不同的测试用例间距离及用例序列评价策略,给出了该方法的2种不同实现方式。首先,针对黑盒测试特点,设计了基于需求的一般性测试用例序列评价指标;其次,提出测试用例吸引度概念,基于测试用例吸引度定义了测试用例间的距离;然后,给出了信息素更新策略、最优解集更新策略、局部最优解突变策略等主要设计策略,分别实现了该方法基于距离和基于指标的2种实现方式。实验结果表明,该方法具有很好的全局寻优能力,整体效果上优于粒子群算法、遗传算法和随机测试。     

Online policy iteration algorithm for optimal control of linear hyperbolic PDE systems

In this paper, the linear quadratic (LQ) optimal control problem is considered for a class of linear distributed parameter systems described by first-order hyperbolic partial differential equations (PDEs). Reinforcement learning (RL) technique is introduced for adaptive optimal control design from the design-then-reduce (DTR) framework. Initially, a policy iteration (PI) algorithm is proposed, which learns the solution of the space-dependent Riccati differential equation (SDRDE) online without requiring the internal system dynamics of the PDE system. To prove its convergence, the PI algorithm is shown to be equivalent to an iterative procedure of a sequence of space-dependent Lyapunov differential equations (SDLDEs). Then, the convergence is established by showing that the solutions of SDLDEs are a monotone non-increasing sequence that converges to the solution of the SDRDE. For implementation purpose, an online least-square method is developed for the approximation of the solutions of the SDLDEs. Finally, the proposed design method is applied to the distributed control of a steam-jacketed tubular heat exchanger to illustrate its effectiveness.     

混合蚁群优化算法求解卫星数传调度问题

为了求解卫星数传调度问题,提出了混合蚁群优化算法。算法设计了基于任务数传操作的解构造图,提出了基于解构造图的任务调度序列和资源分配序列概率决策模型,采用基于随机加权的混合策略综合利用问题的启发式信息。算法通过基于混沌变异的列信息素向量更新策略增强解构造的多样性,通过具有补偿机制的全局信息素更新策略来保证算法的收敛性。利用STK工具设计了五个调度场景,并利用计算机生成各场景的数传任务。仿真实验结果表明,该算法是可行、有效的,收敛性和解多样性较好。