基于结构和参数自适应的改进遗传算法

目的研究一种新的自适应寻优机制，以避免遗传算法早熟．方法在参数自适应基础上引入结构自适应思想。利用种群早熟判别的熵准则，当种群收敛于局部最优时，转换算法结构为先变异后交叉，同时辅之以参数自适应方法使之跳出局部最优．结果数值实验表明，算法的结构自适应可有效避免早熟，与参数自适应配合使用，能明显提高算法的全局寻优能力．结论基于结构和参数自适应的改进遗传算法是可行的、有效的．     

一种基于信息熵的自适应遗传算法

为解决传统遗传算法容易早熟及收敛速度慢的缺陷,在分析了多样性的重要性后,提出了一种新的基于信息熵的遗传策略,该策略在保留最优个体的基础上,根据当前种群个体熵与种群熵的变化自适应调整遗传算子的各项参数,将种群的内部状态与遗传操作有机地结合起来,使得种群多样性得到保证,提高算法的全局搜索能力.试验结果表明了该方法在运行过程中能避免早熟的发生,在处理复杂问题时表现出较高的性能.     

基于自适应小生境遗传算法的物流配送路径优化研究

针对遗传算法具有早熟的缺点和小生境遗传算法比遗传算法更费时的问题,将自适应小生境技术引人遗传算法,构建自适应小生境遗传算法,用以解决带时间窗的车辆路径优化问题.实验结果表明该算法具有更好的搜索能力和收敛速度,能有效地调和种群多样性与算法耗时的矛盾,解决物流配送车辆路径优化的问题.     

基于熵测度的自适应遗传算法

针对基本遗传算法SGA在搜索过程中易陷入局部最优解的问题,提出了基于熵测度的自适应遗传算法,并分析了熵测度下种群个体被选概率的极限行为。理论分析和对比实验表明,基于熵测度的自适应选择策略能根据种群性状来动态地调整选择压力,从而调整算法的开采和探索能力的平衡,提高算法的全局优化性能。     

基于自适应遗传算法的矿山设备系统优化

提出了基于自适应遗传算法的矿山装备系统优化算法模型,采用多参数级联符号编码,其变异率和交叉率可根据群体适应度自调整而具有更好的收敛效果和全局搜索能力。根据矿山设备系统的实际特点,对算法模型中的交叉率和变异率等关键算子和操作步骤作了较详细叙述。理论上分析了自适应遗传算法在解决此类问题上的可行性。矿山生产企业根据矿山设备系统优化模型的自适应遗传运算结果,优化设备系统,可以达到提高矿山投入产出比,有效提高矿山产能的目的。     

基于遗传算法的IC自适应系统设计

提出了一个基于遗传算法的仿人智能控制器自适应控制系统,解决一阶纯滞后对象的控制问题.采用基于遗传算法的系统模型参数辨识和智能控制器参数优化,依据系统辨识的结果自适应调整仿人智能控制器参数.在系统参数变化时,可以自动根据系统参数变化修正控制器的控制参数,使系统保持稳定并运行在优化状态中.     

基于遗传算法的IC自适应系统设计

提出了一个基于遗传算法的仿人智能控制器自适应控制系统,解决一阶纯滞后对象的控制问题.采用基于遗传算法的系统模型参数辨识和智能控制器参数优化,依据系统辨识的结果自适应调整仿人智能控制器参数.在系统参数变化时,可以自动根据系统参数变化修正控制器的控制参数,使系统保持稳定并运行在优化状态中.     

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。     

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．     

广义自适应遗传算法

本文在分析基本算法的原理与存在问题的基础上,提出了一种广义自适应遗传算法,它的搜索性和全局收敛性都有明显的改善,并通过仿真说明了该改进遗传算法的有效性。     

基于反馈策略的自适应粒子群优化算法

为了克服常规粒子群优化（SPSO）算法在多峰函数寻优应用中容易出现早熟的缺点，提出了一种基于反馈策略的自适应粒子群优化（APSO）算法.考虑到进化过程中群体多样性损失过快，采用种群分布熵和平均粒距两个种群多样性参数，来均衡算法的勘探和开发能力.基于惯性权值随种群多样性变化而变化的动态分析，建立了惯性权值与平均粒距之间的线性函数关系，并将该函数关系融入到APSO算法中.测试结果表明，与常规粒子群优化算法相比，该算法在多峰函数寻优时，成功率和精确度都有显著提高，且全局收敛速度快；在求解异或（XOR）分类问题时成功概率提高，收敛速度加快，APSO算法对神经网络的训练更加有效.     

基于距离测度的实数编码自适应遗传退火算法

提出一种基于距离测度的实数编码自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.空间距离密集度越高的个体,其交叉概率和变异概率也越高.算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明该算法有效.     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman滤波器池结构,设计了使用遗传算法的自适应Kalman滤波器,给出了离线和在线两种实现方案。离线方案以辨识滤波参数为主要目的,进而可以对状态进行较准确的事后估计;在线方案以实时地对状态进行估计为目的。对滤波参数寻优使用具有良好性能的浮点数编码遗传算法,该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强。仿真结果验证了所提出的自适应Kalman滤波器的有效性。     

基于均分法的小生境遗传算法

为了避免遗传算法种群中个体过早陷入局部最小,在以往随机初始种群的基础上提出一种均分法,使得初始种群随机平均地分为若干个子种群,形成小生境,这样既维持了种群的多样性,也使得种群中的个体不会过早出现早熟现象,更提高了算法的收敛速度.同时采用了自适应技术控制交叉和变异的概率,使得算法能更快速地找到最优解.仿真结果表明,与传统的遗传算法优化RBF网络相比较,新算法的迭代次数更少,精度更高,大大提高了收敛速度.     

基于遗传算法的闭环自适应光学系统

介绍了一种基于基因算法的闭环自适应控制光学系统。这个光学系统由变形镜、计算机、半透半反镜、波前传感器和高压驱动器组成。通过基因算法调整变形镜37个独立电极的电压,可以改变变形镜的表面形状,从而补偿激光光束的畸变。经测量,这种自适应光学方法能够导致激光光束的平均斯特列尔比有80％的改善。     

Adaptive template filter method for image processing based on immune genetic algorithm

To preserve the original signal as much as possible and filter random noises as many as possible in image processing, a threshold optimization-based adaptive template filtering algorithm was proposed. Unlike conventional filters whose template shapes and coefficients were fixed, multi-templates were defined and the right template for each pixel could be matched adaptively based on local image characteristics in the proposed method. The superiority of this method was verified by former results concerning the matching experiment of actual image with the comparison of conventional filtering methods. The adaptive search ability of immune genetic algorithm with the elitist selection and elitist crossover (IGAE) was used to optimize threshold t of the transformation function, and then combined with wavelet transformation to estimate noise variance. Multi-experiments were performed to test the validity of IGAE. The results show that the filtered result of t obtained by IGAE is superior to that of t obtained by other methods, IGAE has a faster convergence speed and a higher computational efficiency compared with the canonical genetic algorithm with the elitism and the immune algorithm with the information entropy and elitism by multi-experiments.