基于自适应遗传算法的激光图像处理

针对激光图像分割处理的问题,提出了一种基于自适应遗传算法的激光图像分割处理算法.该算法将自适应遗传算法与最大类间方差分割方法相结合,将图像类间方差作为适应度函数,利用交叉概率和变异概率动态调整自适应遗传算法求解最大类间方差的最优阈值.为了衡量该算法的处理效果,分别采用本文算法和最大类间方差图像分割算法对图像进行处理.结果表明,该算法的CI值为0. 417,能够对图像进行有效分割,且分割的准确性和运算速率均优于传统的最大类间方差分割方法,具有较高的实践价值.     

Using genetic algorithm based fuzzy adaptive resonance theory for clustering analysis

In the clustering applications field, fuzzy adaptive resonance theory system has been widely applied. But, three parameters of fuzzy adaptive resonance theory need to be adjusted manually for obtaining better clustering. It needs much time to test and does not assure a best result. Genetic algorithm is an optimal mathematical search technique based on the principles of natural selection and genetic recombination. So, to make the fuzzy adaptive resonance theory parameters choosing process automation, an approach incorporating genetic algorithm and fuzzy adaptive resonance theory neural network has been applied. Then, the best clustering result can be obtained.Through experiment, it can be proved that the most appropriate parameters of fuzzy adaptive resonance theory can be gained effectively by this approach.     

改进自适应遗传算法在函数优化中的应用研究

为了改善传统自适应遗传算法的收敛速度以及局部收敛问题,根据种群适应度的集中程度,以种群的最大适应度、最小适应度以及适应度平均值这3个变量为基础,设计了改进的自适应交叉概率和变异概率来调整整个种群的交叉概率和变异概率,提出了一种基于种群适应度集中程度的改进自适应遗传算法.将该算法应用于函数优化中,仿真结果验证了其具有"快速收敛"的特点,且在很大程度上可避免遗传算法的早熟现象.     

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.     

基于自适应遗传算法的DFB激光器模糊PID温控系统

针对传统的PID控制算法很难准确控制DFB激光器温度的问题,提出并设计了一种基于模糊PID控制和自适应遗传算法的新型DFB温度控制系统.该控制系统由硬件和软件两部分构成,在硬件设备上以单片机作为控制系统的处理器,以铂电阻和热电冷却器分别作为控制系统的敏感器和执行器;在控制算法上利用自适应遗传算法来优化模糊PID的自整定规则.结果表明,该系统能够实现DFB激光器在5~65℃温度范围内的有效控制,控制误差和超调量分别低于0.002 3℃和10%,具有较好的应用前景.     

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．     

基于模糊遗传算法的PID自整定研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种基于遗传算法与模糊理论相结合的PID自整定算法。在加热炉温度控制中,用该算法进行PID参数优化,实验表明,控制器的控制精度、温度变化平稳性等指标均得到了改善,能够较好地解决工业过程中控制参数优化的问题.     

基于改进遗传算法的模糊C均值聚类算法

针对传统模糊C均值聚类算法（FCM）的缺陷,提出了一种基于改进遗传算法的模糊聚类方法．利用改进遗传算法强大的全局寻优能力,这种算法较好地克服了FCM算法对初始化敏感、容易陷入局部最优的缺陷．仿真实验证明,该算法具有较强的全局寻优能力和较快的收敛速度．     

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。     

基于自适应遗传的E-CID定位算法研究

针对LTE系统NLOS（非视距）环境下基于传统遗传的E-CID（增强小区识别）定位算法过早收敛于某局部最优解而非全局最优,文章提出了一种改进的自适应遗传E-CID定位算法,该算法通过对LTE终端位置数据进行加权最小二乘估算,利用遗传算法进行非线性最优解全局搜索,自适应的改变交叉及变异概率,避免了传统遗传算法过早收敛于局部最优解缺点。仿真结果表明：自适应遗传法比传统遗传算法优势更明显,定位精度更准确。     

基于概率模型的遗传算法

提出了一种基于概率模型的遗传算法，它没有采用选择和交叉算子，而是利用对基于统计信息的概率向量的操作来实现选择和交叉算子的功能，应用概率模型的遗传算法对4个著名的测试函数进行优化计算，实验结果表明该算法不易陷入局部极值，收敛速度快，且实现简单。     

基于遗传算法的模糊控制器动态优化方法

为了克服电厂主蒸汽温度被控对象的大迟延性、模型不确定性和时变性，提出了一种新的基于遗传算法(GA)的动态模糊控制器优化方法.该方法根据被调量的当前偏差值和偏差变化值的大小，采用改进的遗传算法和错时修正的方法，每次只对模糊控制规则表中的一个当前被激活的控制量修正值进行优化，对模糊控制器控制规则表中的数据进行实时在线的动态优化.仿真结果表明，当主蒸汽温度被控对象的模型参数变化10％时，采用该动态优化方法的模糊控制系统可以将主蒸汽温度动态偏差控制在-3～3 ℃，调节时间缩短了至少40％，主蒸汽温度控制系统的动态特性得到了有效的改善.     

基于AGA的智能桁架结构模糊振动控制

应用一种根据适应度自动调整选择交叉概率和变异概率的自适应遗传算法(Adaptive Genetic Algorithm,简称AGA),来优化智能桁架结构模糊控制系统。首先,考虑到压电主动杆的机电耦合特性,建立系统的有限元动力方程;其次,以智能桁架结构的主动杆轴向位移差为优化目标,使用自适应遗传算法优化模糊控制规则,以增强智能桁架结构模糊控制器的振动控制效果;利用Matlab/Simulink建立空间智能桁架结构的仿真模型,对模糊规则优化前后的控制结果进行对比。仿真结果表明:使用自适应遗传算法优化后的模糊控制器,能够加快智能桁架振动衰减速度,并且有效消除模糊控制的稳态误差。     

自适应GA-SVM参数选择算法研究

支持向量机是一种非常有前景的学习机器，它的回归算法已经成功地用于解决非线性函数的逼近问题．但是，SVM参数的选择大多数是凭经验选取，这种方法依赖于使用者的水平，这样不仅不能获得最佳的函数逼近效果，而且采用人工的方法选择SVM参数比较浪费时间，这在很大程度上限制了它的应用．为了能够自动地获得最佳的SVM参数，提出了基于自适应遗传算法的SVM参数选取方法．该方法根据适应度值自动调整交叉概率和变异概率，减少了遗传算法的收敛时间并且提高了遗传算法的精度，从而确保了SVM参数选择的准确性．将该方法应用于船用锅炉汽包水位系统建模，仿真结果表明由该方法所得的SVM具有较简单的结构和较好的泛化能力，仿真精度高，具有一定的理论推广意义．     

一种新的模糊自适应模拟退火遗传算法在配电网重构中的应用

本文对配电网的重构问题进行了研究,提出了结合实际的配电网重构目标函数,并将遗传算法引入其中,用来解决这个复杂的,多目标,多约束的组合优化问题。针对遗传算法收敛速度慢、容易"早熟"等缺点,结合模糊推理、模拟退火算法和自适应机制,采用一种改进的遗传算法——模糊自适应模拟退火遗传算法(FASAGA),实例分析表明,该算法比标准的遗传算法(SGA)具有更快的收敛速度和寻优效果。     

基于遗传算法的四连杆变幅机构多目标模糊优化

传统的四连杆变幅机构设计制造参数是基于单目标优化方法和优化数值解法选取的,在同时满足设计的经济性与稳定性以及优化解的精度方面存在不足。基于此,本文采用综合机构稳定性和经济性的多目标优化模型,利用模糊理论建立综合评价函数,应用求解精度高的遗传算法求解。具体算例的优化结果显示,经济性与稳定性等项技术指标都获得了改善。     

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.     

基于优势遗传的自适应遗传算法

针对遗传算法的早熟问题,对自适应遗传算法进行了研究,提出优势遗传的新观点:在交叉算子设计时使适应度高的个体以较高概率进行交叉,并且在变异算子设计时使适应度低的个体以较高概率进行变异,能更有效地产生出优势个体,跳出局部最优.认为算法设计时使平均适应度过快逼近最大适应度是不合适的.由此,提出一种新算法,以优势遗传的原则随个体适应度的变化而自适应地改变交叉和变异概率,在一定程度上有效解决算法的早熟问题.实验表明,该算法能有效提高全局寻优的性能,鲁棒性好.     

基于一种混和遗传算法的模糊神经网络的优化

将遗传算法引入到模糊神经网络的学习过程中,提出了一种综合遗传算法和梯度下降法优势的混和遗传算法,它一方面改善了梯度法的收敛性,使模糊系统对专家知识的依赖性大为降低,提高了系统的智能化水平;另一方面有效提高了遗传算法的搜索效率,强化了系统的学习能力.仿真结果证明了算法的有效性.     

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。