基于自适应小生境粒子群算法的多重Nash均衡求解

针对n人非合作博弈多重Nash均衡求解问题,提出一种自适应小生境粒子群算法。该算法融合了序列小生境技术、粒子群优化算法的思想,并加入了变异算子和自动生成小生境半径机制,使得所有粒子尽可能分布到整个搜索空间的不同局部峰值区域,从而有效地求得博弈问题的多重Nash均衡。最后给出几个数值算例,计算结果表明所提出的算法具有较好的性能。     

遗传算法的收敛性研究

遗传算法的收敛性分析是遗传算法研究中的重要问题,直接关系到遗传算法的实际应用价值。给出遗传算法全局收敛性的定义,描述当前遗传算法收敛性分析的主要模型,对自适应遗传算法、并行遗传算法、小生境遗传算法等典型遗传算法的收敛性进行分析,给出相关的研究结果,并指出遗传算法收敛性研究的未来发展方向。研究结果对提高遗传算法收敛性具有参考价值。     

小生境粒子群优化的SVM钢坯定重预报

连铸钢坯定重切割,对提高棒材轧制成材率,降低钢坯原材料浪费及能耗具有重要意义.首先针对特定钢流,实验研究了影响钢坯重量的因素,确定了钢坯拉速这一关键影响参数.其次建立了钢坯重量的支持向量机(SVM)回归预测模型,以钢坯拉速作为特征输入量,对钢坯重量进行预测.最后,采用小生境粒子群优化(PSO)方法,优化SVM模型参数,得到PSO优化SVM参数的钢坯重量预测模型.并通过建立神经网络钢坯定重预报模型A及最小二乘钢坯定重预报模型,进行对比研究,研究结果表明,采用小生境粒子群优化后的SVM预报模型可显著提高钢坯定重预报精度.     

小生境环境监控系统设计

依靠人力想要将农田小生境内生物的生存条件控制在最佳是复杂且难以实现的。"智慧农业"的提出使得农业生产的智能化、自动化成为可能,依据农业物联网架构,设计实现了基于ZigBee技术与NB-IOT技术的农田小生境环境监控系统,分析了系统中涉及的主要模块及功能,系统应用测试表明,完成了农田小生境的温湿度、光照等环境信息的采集、远程传输及处理等工作,并能通过远程控制设备改变小生境内的环境,以达到生物的适宜生存条件。     

联合编码开销与安全性能的网络编码优化方案

网络编码技术在提高网络吞吐量和传输效率等方面具有很大优势,但该技术需要在节点处进行额外编码操作,增加了编码开销。针对在保证最大多播速率的前提下,降低编码开销的同时兼顾网络编码安全程度的问题,现提出一种联合编码开销与安全性能的网络编码优化方案。该方案首先在基于预选择机制的小生境遗传算法的基础上加入了预处理机制。其次,构建了新的适应度函数。最后采用了一种更科学的种群规模的确定方式。仿真结果表明,该算法比传统的基于遗传算法的网络编码优化方案在收敛时间、进化代数、编码开销和安全程度四个方面更具优势。     

新的小生境萤火虫模糊聚类

模糊C均值算法因其简单、快速得到了广泛应用,但仍存在对初始值敏感和容易陷入局部最优的不足。提出了一种新的小生境萤火虫模糊聚类算法。该算法使用遍历性较好的立方混沌映射序列初始化萤火虫种群,并将随机惯性权重引入萤火虫算法,改变了基本萤火虫算法的位置更新公式,不仅减少了迭代次数,而且平衡了算法局部搜索和全局搜索的能力;并在迭代过程中合适时机实施小生境算法,进而增加了种群的多样性并加快了算法运算速度。仿真实验结果表明,该算法有效地抑制了早熟,并保证了种群的多样性和避免陷入局部最优,取得了较好的稳定性及良好的聚类结果。     

基于小生境改进的遗传算法求解多序列比对问题

基于多核平台设计了一个求解多序列比对问题的改进遗传算法。该算法采用一致性函数作为个体的适应度函数,引进小生境技术,维持种群进化的多样性,以改善算法的整体搜索能力。考虑遗传算法本身具有较好的并行性,对其各算子针对多核平台进行了并行化设计。通过对BAliBASE中的测试例进行测试,与已有的算法相比取得了更优的结果,证明该算法是有效的。并行化设计使算法在多核平台的运行时间显著缩短,加速效果明显。     

基于小生境混沌遗传算法的水资源优化调度

水资源调度具有多目标、大规模和不确定性等特点,利用混沌遗传算法求解水资源调度问题,在一定程度上避免了局部优化并提高了求解速度,但由于损坏了种群多样性导致求解精度较低.为此提出了基于小生境的混沌遗传算法(NCGA),该算法通过小生境技术保留源中心个体的方法保护了种群多样性,同时利用混沌的随机性、遍历性及规律性与遗传算法的快速收敛性相结合,从而使该算法提高了求解速度和求解精度.将该算法应用到水资源优化调度模型中,仿真结果验证了该算法比混沌遗传算法能更合理高效地分配水资源,达到了综合效益最大化.     

小生境遗传算法在多车牌定位中的应用

为了在复杂背景下对多车牌进行准确定位,提出一种基于小生境遗传算法的多车牌定位方法。利用一组一维滤波器对图像平滑处理得到图像的特征向量,建立小生境遗传算法模型,设计适应度函数,并确定小生境算法机制,实现多车牌定位。仿真实验表明,基于小生境遗传算法的多车牌定位方法能够准确地对多车牌进行定位,平均定位率达到90%以上。     

基于小生境-遗传算法优化的新型BP模型

为解决传统BP神经网络模型易陷入局部极小点、网络结构不稳定、收敛速度慢等问题,提出了一个小生境遗传算法优化的BP神经网络模型。该网络模型借助BP神经网络的非线性映射和学习联想能力和小生境遗传算法的搜索能力,利用小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,来对BP神经网络的初始权值和阈值进行优化,同时使用BP算法来训练该模型,从而有效地解决了网络初值不合理的问题,提高了网络收敛速度、稳定性。实验证明：与传统方法相比,该模型具有很强的可行性和有效性。