一种新型多目标遗传优化算法及其应用研究

文章针对一般约束多目标优化问题，在设计了新的适应度函数和选择算子的基础上，提出一种新型多目标遗传算法。将其应用于集群目标靶场效能优化问题，验证了算法的有效性。     

遗传算法的参数设计与性能研究

利用无符号整数数组代替传统的字符串进行二进制编码，用改进的适应度函数、自适应交叉率、自适应变异率取代传统的适应度数和固定的交叉率及变异率来改进遗传算法，并与基本遗传算法进行了实验比较，结果证明改进的遗传算法显著提高了收敛性能，并且具有很强的自适应能力。     

基于改进遗传算法的最小生成树算法

以图论和改进遗传算法为基础，提出了一种求最小生成树的遗传算法。该算法采用二进制表示最小树问题，并设计出相应的适应度函数、算子以及几种控制策略，以提高执行速度和进化效率。传统算法一次只能得到一个候选解。用该算法对其求解，可以在较短的时间内以较高的概率获得多个候选解。应用实例表明该算法优于传统算法。     

基于改进的最优家族遗传算法的快速图像匹配

为提高图像匹配技术的匹配速度和稳定性,从优化搜索策略和减少在非匹配点上的相关计算总量两方面入手,引入了性能优良的最优家族遗传算法(OFGA),采用序贯相似性检测作为该遗传算法中的适应度函数,并结合适应度函数的非线性强的特点,对OFGA算法加以改进,使得两者相辅相成、互相受益.实验表明该改进算法对提高图像匹配的速度方面成效显著,且算法稳定.     

光网络流量工程优化计算的适应度函数研究

研究了光网络流量工程优化计算中的适应度函数，其实质是为相互制约的多个单目标寻找一个合理的综合评价的数学表达式。使用了主分量分析的方法，该方法可以消除多个单目标之间的相互制约的关系、信息重叠以及量纲的差异，可以计算出综合评价的有效的数学表达式。仿真试验表明，该方法是可行的。     

基于蚁群算法的PID参数优化设计

蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值.     

基于动态规划和遗传算法的混合算法研究

动态规划法和遗传算法是目前在水电站厂内经济运行中广泛应用的两种优化算法，文章提出了一种基于动态规划法和遗传算法的混合优化算法来分别解决大规模机组组合问题中空间最优化和时间最优化的计算机求解问题。避免了遗传算法计算速度缓慢的问题，又避免了动态规划法的“维数灾”问题。最后使用清江隔河岩水电站的4台机组的运行数据进行了仿真研究，并和完全使用动态规划法的结果进行了比较，获得了良好的效果，说明该混合优化算法对于厂内经济运行是一种可行的算法。     

交互式遗传算法基于NN 的个体适应度分阶段估计

针对交互式遗传算法中人的疲劳问题，提出一种基于神经网络(NN)的个体适应度分阶段估计方法，给出了神经网络估计进化个体适应度与人的评价之问的转换策略以及神经网络学习效果的评价指标，并分析了算法的复杂性．实例结果验证了该方法的有效性。     

基于复合适应度微粒群算法的神经网络训练

为提高神经网络的泛化能力,针对以均方误差为适应度的PSO算法在训练神经网络时会产生一定的过拟合问题,提出对均方误差和误差分布均匀度进行信息融合,构成复合适应度作为训练指标.实验结果表明,该方法可使网络的泛化能力得到明显的改善.     

高耸结构实测测点布置方法的研究

在高耸结构动态响应实测中合理地布置传感器、减小测试费用、提高测试精度是非常重要的。对测点优化布置方法及其在高耸结构实测中的应用进行了研究，对4种适应度函数的型式进行了改进，并且通过一个具体的实例，说明了它们的实际应用方法。应用结果表明用该方法布置测点所测得的结果有比较高的精度。