新型并行遗传算法及其在参数估计中的应用

基于极大似然法的参数估计实质上是一个复杂的非线性优化问题,传统的优化方法计算效率较低且容易陷入局部极值。该文将单纯形法与并行遗传算法相结合,提出了一种新的并行遗传算法,可以有效地防止搜索过程中的早熟现象。应用于系统初始状态未知时的参数估计问题,获得了满意的结果。     

进化策略在极大似然法参数估计中的应用

采用极大似然法进行参数估计,是为了避免传统优化算法的缺点。本文采用进化策略算法与极大似然参数估计法相结合使参数估计变量不再受初始值影响,从而可获得全局更优的解。最后,以威布尔三参数分布为例进行参数估计。结果表明,该方法有求解精度高和收敛速度快的优点,从而使进化策略算法能更好地应用于数理统计中。     

改进的非线性连续-离散系统的极大似然参数估计及其应用

对Jategaonkar等人给出的同时计及过程及观测噪声的非线性连续-离散系统的极大似然算法从两个方面进行了改进:1)给出了计算灵敏度的最佳摄动有限差分算法,避免了普通有限差分法计算灵敏度矩阵时需人为选择参数摄动量大小而带来的缺点;2)给出了具有快速三角化平方根滤波的极大似然算法,提高了原算法的数值稳定性.上述改进算法经应用于飞行器系统参数估计证明了方法的有效性.     

改进的非线性连续－离散系统的极大似然参数估计及其应用

对Ｊａｔｅｇａｏｎｋａｒ等人给出的同时计及过程及观测噪声的非线性连续－离散系统的极大似然算法从两个方面进行了改进：１）给出了计算灵敏度的最佳摄动有限差分算法，避免了普通有限差分法计算灵敏度矩阵时需人为选择参数摄动量大小而带来的缺点；２）给出了具有快速三角化平方根滤波的极大似然算法，提高了原算法的数值稳定性．上述改进算法经应用于飞行器系统参数估计证明了方法的有效性。     

基于EM算法的高斯混合模型参数估计

讨论在一般的混合分布条件下,用EM算法,在最小熵原理的优化准则下的数据拟合问题。简单推导有限混合高斯分布的EM算法．并针对其收敛速度慢的缺点设计一种有效的选取参数初始值的方法。实验结果表明,该方法有助于EM算法以较快的速度在参数真值附近收敛。     

基于EM算法的高斯混合模型参数估计

讨论在一般的混合分布条件下,用EM算法,在最小熵原理的优化准则下的数据拟合问题。简单推导有限混合高斯分布的EM算法,并针对其收敛速度慢的缺点设计一种有效的选取参数初始值的方法。实验结果表明,该方法有助于EM算法以较快的速度在参数真值附近收敛。     

用于动态称重的模型参数估计方法

首先对动态称重系统建立了力学模型,考虑到观测噪声,采用了一种适用于测量中动态校准建立数学模型的极大似然法,精确估计出模型参数,实现较高精度的动态称重。     

基于EM算法的混合模型的参数估计

介绍了极大似然参数估计，然后介绍了混合模型极大似然参数估计的EM算法实现，最后利用计算机仿真实验验证了此算法的有效性和收敛性．     

参数估计中N-R迭代算法分析与实现

本文介绍了项目反应理论的基础知识,在IRT理论下,实现了逻辑斯帝模型（单参数情况）较好的估计项目难度d和能力参数。在进行估计时,采用极大似然法进行估计,用牛顿-拉夫森迭代法（N-R）进行求解,给出了N-R算法步骤。最后,采用数据测试算法,求出项目难度和能力参数。     

基于遗传算法的分段Chen系统的参数估计

对比研究了单种群遗传算法和多种群遗传算法在分段Chen系统参数估计中的应用,通过构造一个合适的适应度函数,将Chen系统的多参数估计问题转化成一个多参数的寻优问题,利用遗传算法全局寻优性对其进行计算。仿真结果表明,相对于采用单种群遗传算法估计分段Chen系统参数,多种群遗传算法在准确性、鲁棒性方面具有明显的优势。     

基于实数遗传算法的波达方向最大似然估计算法

对空间多个窄带信号源的高分辨波达方向估计是雷达,块纳和地震等信号处理中的重要问题之一,为克服一些获取波达方向估计最大似然解算法存在的局部极值问题,提高估计精度,本文以作者提出的实数遗传算法为搜索工具,寻求波达方向最大似然估计的非线性全局最优解,所提出的实数遗传算法由含实数域结构和目标函数信息的实数交叉和变异算子构成,是较理想的获取非线性实变量函数全局最优解的方法,对非相参和全相参信源波达方向估计问题的数字仿真结果表明,本方法的估计精度明显优于交替极值等一些常规方法。     

一种改进型遗传算法在入侵检测中的应用

针对传统的遗传算法在入侵检测中存在的问题,提出了一种改进型遗传算法。该算法结合模拟退火算法,并使用均匀交叉、高斯变异。实验证明,该算法比传统的遗传算法能更准确地检测出入侵数据。     

利用遗传算法求解圆排列问题

圆排列问题是一个典型的组合优化问题,也是一个NP完全问题.遗传算法是根据自然界生物学进化而发展起来的一种进化方法,其具有简单、易行、抽象性与鲁棒性特征,已成功地解决了许多工程优化问题.给出基于改进遗传算法给出求解圆排列问题的新方法.首先,分析了圆排列问题与旅行商问题之间的关系.然后,将圆排列问题转化为旅行商问题.接着,利用所给改进遗传算法进行了求解.最后,在仿真实验中,与已有算法进行了比较,结果表明,所给算法是一种能够简单有效地求解圆排列问题的新方法.     

基于改进遗传算法的自抗扰控制器参数优化

本文将一种改进的遗传算法应用到自抗扰控制器（ADRC）的参数整定中,以解决ADRC 参数不易整 定的问题．在ADRC 参数优化过程中建立了控制器控制效果目标评价函数,在函数中综合考虑了控制器的动态性能 和被控对象的输入受限条件．所设计的ADRC 控制器所需的控制能量明显小于其他方法所设计的ARDC 所需控制 能量．仿真结果表明,本文所提ADRC 参数整定方法是有效的．     

用改进的遗传算法实现架构恢复

高层架构恢复对软件维护和软件进化至关重要.把实现架构恢复的聚类问题看作优化问题,通过对常规遗传算法中初始群体产生策略、选择操作方法、交叉概率和变异概率的自适应性等重要参数和关键环节的改进,设计并实现了混合遗传聚类算法(hybrid genetic clustering algorithm,简称HGCA).同时也对该算法的有效性和综合性能进行了实验分析,结果表明,该算法对初始群体的产生有较好的约束作用.与传统遗传算法相比,它的群体性能和收敛性能都较优,且收敛精度高.同时,基于MoJo度量模型的相似性度量值充分说明了HGCA算法对架构恢复的正确性和有效性.     

一种改进的混合量子遗传算法

提出了一种改进的混合量子遗传算法(IHQGA),该算法首先在量子个体上实施量子交叉,这一操作有利于保留相对较好的基因段;其次,采用量子比特相位法更新量子门和自适应调整搜索网格的策略;最后,引入拟Newton算法进行局部搜索操作,使得种群的多样性强,解得的收敛精度高,收敛速度快;通过复杂函数测试标明此算法的优化质量和效率都强于传统遗传算法和量子遗传算法;另外,从理论上也证明了该算法以概率l收敛于全局最优解.     

改进的小生境遗传算法

本文针对多峰值函数的优化提出了一种改进的小生境遗传算法.本算法可以自动检测波峰的存在,加强了遗传算法的局部搜索能力又避免其收敛于局部最优解,适用于多峰值函数的优化.     

一种改进的遗传算法在飞行冲突解脱

随着空中交通流量的增加,空中交通管理系统面临着越来越严重的航线拥挤问题.在自由飞行的环境下,发生冲突的可能性会大大增加,冲突解脱技术成为提高飞行安全与效益的一项关键技术.针对此问题,提出了一种改进的、能够快速准确进行航路规划的遗传算法,与标准遗传算法进行比较,取得了较好的优化效果.