基于遗传模糊算法的高速公路入口匝道自适应控制

研究了在高速公路路网中入口匝道的控制问题.为达到在车流高峰时减少交通拥塞的目的使用了一种自适应控制方法:在基于高速公路的宏观动态模型上,用遗传算法调整模糊集合的参数来校准模糊控制器,从而使得网络中总的时间消耗(TTS)保持最小.在自适应控制的总体设计框架下,用基于目的地独立的MetaNet模型来调整控制器,最后给出了仿...     

PCB检测中图像分割技术研究

光学检测是进行印刷电路板(PCB)装配质量检验的重要手段,应用图像分割技术可以提取PCB中的目标物以进行检测。针对PCB图像分割,提出一种基于改进量子遗传算法的图像分割方法。该方法将基于阈值的图像分割方法转化为阈值优化问题,通过改进量子遗传算法的计算实现最优图像分割阈值的求取。仿真结果验证了该方法的可行性。     

基于改进遗传算法的数字信号特征集选取

针对通信信号的特点,提出了一种应用于信号特征筛选的改进遗传算法。该方法首先确定了最能表现信号调制间差别的特征子集即优秀基因库,然后在遗传过程中通过选择、淘汰引起优秀基因库大小的变化,最后通过引进不同大小的库外特征量,保证每代遗传过程中的交叉和变异概率随环境的变化而自适应的变化,最终筛选出一高质量的特征子集,并结合RBF神经网络分类器得到更好的识别效果。通过仿真实验验证了该方法不但具有求解全局问题的鲁棒性、收敛性,而且具有更快的收敛速度和更强的全局收敛性。     

基于量子遗传算法的无线传感器网络路由研究

对于无线传感器网络(WSNs)中的两大关键性问题路由搜寻和能量优化,引入量子遗传算法进行路径的搜寻,并改进算法编解码思路,降低由于网络规模扩大而导致编码长度急速增加,即减少算法的计算复杂度,从而解决传统编码方式下的量子遗传算法难以适用于大规模的WSNs的缺点。通过实验表明:该方法能够得到更加优越和稳定的路径搜索结果,与粒子群优化算法进行1000次重复路径搜寻试验比较,其平均最优解提高了18.9%,稳定性提升了38.9%。     

计算智能方法的优化机理研究

对计算智能方法体系中的遗传算法、进化规划和蚁群算法的寻优机理进行了研究。旨在尝试从理论上揭示该种算法的内在优化机制。为解释搜索的高效、有效性,有效改进优化过程,提高算法的运算效率提供一定的理论依据。     

遗传神经网络在求解初等函数高阶导数值中的应用

传统的求解函数高阶导数值的方法就是先求出高阶导数的函数表达式,然后将自变量值代入,就得到了此点的高阶导数值。高阶导数的函数表达式的推导比较的烦琐,尤其对于复合函数来说。利用改进的遗传算法和神经网络各自的优点,提出求解函数高阶导数值的GA-Network法。算法采用多目标优化的思想,使用“动态自适应策略“和“罚函数法“。利用神经网络来构造函数泰勒展式的网络结构,用遗传算法对网络进行学习,最后得到网络的输出结果即高阶导数值。通过对初等函数的仿真实验,可以看出此方法有比较高的精度,它也为函数导数值的求解提供了一种方法。     

利用遗传算法对指纹的核心点进行检测

指纹的核心点是指纹的主要特征,对指纹匹配和指纹分类具有十分重要的作用.本文对指纹核心点的位置和方向进行了新的定义,接着提出一种新颖的基于遗传算法的方法对指纹核心点进行定位以及对核心点的方向进行估计.首先根据定义给出核心点位置和方向的打分函数并根据指纹的方向域信息确定了核心点的候选区域,接着把打分函数作为遗传算法的进化适应度函数在这个核心点候选区域内利用遗传算法对指纹核心点及其方向进行快速求极值,这样可以同时得到指纹的核心点的坐标和方向.实验结果表明本文提出的方法可以对指纹的核心点的位置和方向进行精确的定位和估计.     

具有时变需求的配送型多级库存优化研究

考虑到战术仓库的需求率具有时变性的特点,应用供应链管理的思想研究了一个战役仓库、多个战术仓库组成的配送型多级库存优化问题,建立了战役仓库采用等量订货策略,战术仓库分别采用等间隔、等量订货策略时的模型,并采用自适应遗传算法实现了模型的求解,实例验证了模型及算法的有效性.实例表明：战役仓库采用等量订货策略,战术仓库采用等间隔订货策略时总费用最低.     

基于GA和FEM的夹具布局和变夹紧力优化设计

通过夹具布局和夹紧力大小的优化可以提高薄壁件加工精度．建立了夹具布局和变夹紧力分层优化模型．首先,以工件加工变形最小化和变形最均匀化为目标函数,对夹具布局进行优化设计;其次,基于优化的夹具布局对变夹紧力进行设计．采用有限元法计算工件的加工变形,加工变形求解时综合考虑了接触力、摩擦力、切削力、夹紧力和切屑的影响．采用遗传算法求解优化模型,获得优化的夹具布局和变夹紧力．通过实例分析,验证了分层优化设计方法可以进一步减小工件加工变形,提高加工变形均匀度．     

基于亲缘选择的遗传算法

针对传统遗传算法容易陷入局部最优解的缺陷,借鉴生物中亲缘选择的思想,提出基于亲缘选择的遗传算法。该算法构造新选择算子,通过按亲缘关系放弃一个解而获得另一个解来保证算法在最优解的领域内的有效搜索,提高遗传算法对全局最优解的搜索能力和收敛速度。仿真结果表明,该算法正确有效,性能优于现有的传统算法。