CGA算法在梅沙系统中的应用研究

由于数据量巨大,梅沙系统的数据存储在分布式数据库中,受限于系统落后的查询策略,在查询过程中经常碰到延时等待甚至死机的状况,本文主要采用CGA算法(compact genetic algorithm,紧凑遗传算法)针对梅沙系统中的分布式数据库查询优化进行研究,通过引入CGA算法进一步提高梅沙系统查询效率。     

基于模糊规则优化的改进FGA算法

针对多目标遗传算法的特点，基于模糊集理论，提出一种基于模糊规则优化的改进模糊遗传算法及其算法结构，即用模糊控制的方法来调整遗传算法中的交叉概率和变异概率，同时寻找与控制对象相匹配的最佳模糊规则．在数学函数上的仿真结果表明，此种模糊遗传算法不仅加快了解的收敛速度，而且大大提高了解的质量．     

紧致遗传算法的进化机制分析

为了分析紧致遗传算法的进化机制, 首先给出了用于刻划进化概率向量的有关概念; 其次研究了增加染色体有效进化的方法, 提出了基于进化强度系数的增强紧致遗传算法; 同时为进一步研究基于多变量的紧致遗传算法提供了框架.     

连续型Adaboost算法研究

现阶段的人工智能与模式识别工作中,连续型Adaboost算法以其良好的识别率和极快的识别速度得到了越来越多的应用.鉴于此,认真研究了连续型Adaboost算法的理论基础,细致分析了基于连续型Adaboost算法的分类器的训练流程,对算法中涉及到的数学量之间的关系进行了探讨,对算法中涉及到的数学过程进行了定量推导,对训练过程中出现的问题的成因进行了定性分析,最后对如何提高连续型Adaboost算法的性能提出了若干建议.     

基于VISIT算法设计模糊分类器的进化方法

介绍了在没有数据分布先验知识的情况下,用进化方法直接从训练数据中建立紧致模糊分类系统的方法。使用VISIT算法获取每个个体模糊系统,再用遗传算法从中搜索最优的模糊系统。规则和隶属函数是在进化过程中自动建立和优化的。为了同时有效地评价系统的精度和紧致性,用一个模糊专家系统作适应度函数。在2个基准分类问题上的实验结果表明了新方法的有效性。     

一种新的调节交叉和变异概率的自适应算法

提出一种新的基于模糊控制策略的交叉和变异概率自适应调节算法.该算法以相邻两代群体之间平均适应度函数和标准差的差值作为输入,以交叉和变异概率的变化量作为输出.并提出了与输入相对应的自适应归一化算子以及新的基于启发式知识的模糊规则,用于交叉和变异概率的调节.对3种不同测试函数的数值仿真研究表明,与其他2种自适应模糊控制算法相比,该调节算法可使遗传算法具有更快的搜索速度和更高的搜索质量.     

基于CGA和PSO的双种群混合算法

针对粒子群算法(PSO)收敛速度慢、求解精度不高以及易陷入局部最优的缺点,结合云遗传算法(CGA)和粒子群优化算法,提出一种新型的双种群混合算法(CGA-PSO)。将整个种群平均分成2个子群,分别采用云遗传算法和加入自调整惯性权值策略的粒子群优化算法完成进化。通过引入一种新型的信息交流机制:两子群子代间信息交流以及子代与父代间信息交流,共享最优个体,淘汰最劣个体,实现共同进化,适时对粒子群适应度较差的个体进行云变异操作,该操作是基于云模型的随机性和稳定性,利用全局最优位置和最劣位置实现对部分粒子位置的变异过程。对5个经典测试函数进行测试,并与CGA和PSO算法及其优化算法进行比较,结果表明,CGA-PSO算法具有较高的搜索效率、求解精度和较快的收敛速度,鲁棒性也较强。     

紧致遗传算法及其在武器目标分配中的应用

介绍了紧致遗传算法的基本原理,并对其进行了改进,通过仿真验证了算法的有效性。针对武器-目标分配（WTA）问题,提出利用紧致遗传算（CGA）法求解该问题,通过验证并与其它方法比较,证明该方法可行。由于紧致遗传算法的编码简单,运行时占用的内存较小,所得到的结果较为稳定并且运行速度较快。     

基于CGA和ICA的人脸特征提取方法研究

独立分量分析方法是一种有效的人脸特征提取方法。为了提高独立分量分析法表征人脸特征空间的能力，采用遗传算法对特征空间进行选择优化，获得最优的人脸特征子集。针对遗传算法的随机初始化个体分布不均匀性问题，采用混沌种群生成算法，使遗传算法的搜索更具有全局性。仿真实验表明，该方法的识别率明显优于单一独立分量分析方法。     

一种基于优化的自适应遗传算法的粒子滤波算法

针对粒子滤波的粒子退化现象及多样性损失问题,提出了一种新的基于优化的自适应遗传算法的粒子滤波算法。该算法首先依据每个采样时刻生成的粒子集合重要性权值作为适应度值,自适应的确定交叉、遗传的概率;然后对选出的粒子进行遗传操作,重新度量其粒子的权值并进行状态估计。该方法不仅保留了粒子的多样性,而且相对于普通的基于自适应遗传算法的粒子滤波算法,降低了高权值粒子交叉和变异的可能,使粒子的采样更接近于状态后验概率密度分布。实验结果表明,该算法有效提高了滤波精度。     

一种定向式挖掘的连续域蚁群算法

针对蚁群算法在求解连续域优化问题时存在复杂度较大、迭代次数较长等问题,提出了一种用于连续域寻优的改进蚁群算法。改进的蚁群算法通过对解空间定向式挖掘来实现全局快速搜索。给出了新算法仿真实验步骤,并将改进后的蚁群算法与其他连续域蚁群算法以及其他智能优化方法进行仿真对比实验。详细的测试结果表明,改进后算法具有优良的全局优化性能,收敛速度也有很好的提升。     

一种连续域函数优化蚁群算法的改进设计

本文在一种连续域函数优化蚁群算法基础上,对该算法做了进一步的改进,引入了自动判断收敛条件方法,同时,也改进了蚁群初始化方法、全局搜索策略以防止早熟和停滞现象。通过与其他连续域函数优化算法的比较结果证明,改进后的算法稳定性较好。     

一种基于遗传算法的权重向量选取模型

CBR中权重向量的选取是范例检索过程中重要的一个步骤，其选取的好坏直接关系到范例检索的质量。传统的方法中权重向量一般由专家指定，常导致提取到的范例对问题的解决没有帮助。文中提出了一种根据遗传算法对权重向量进行调整的策略，为找到最优相似范例提供了一条有效途径。     

一种求解连铸生产调度问题的非线性遗传算法

在对连铸生产工艺背景及工艺约束进行分析的基础上,以使所有连铸机上组成每一个浇次的炉次之间因差异引起的费用最小为目标函数,构造了最优浇次的数学规划模型,并基于该模型,提出了先将所有待优化的炉次聚类成若干个浇次(浇次数已知),然后对每个浇次应用基于Tabu搜索的非线性遗传算法,仿真结果表明该算法的有效性。     

一种改进的紧凑遗传算法及其在分形图像压缩中的应用

如何快速有效地为高频复杂区域找到合适匹配块是分形图像压缩中一个难以解决的问题。考虑到遗传算法的可并行性与全局搜索能力,结合匹配搜索的特点与要求,提出了一种逐位变异、最优保留的紧凑遗传算法,并将这种方法应用到高频复杂区域的匹配搜索中去。分析表明,这种算法具有较之其他随机搜索算法更好的收敛性、更高的搜索速度和全局搜索能力,能够大大提高匹配搜索中最优匹配块的捕获能力和搜索效率。实验结果也证明了这种算法在分形图像压缩匹配搜索算法中应用的优越性。     

狭义遗传算法

该文讨论了狭义遗传算法的一般框架,并对其运行机理进行了分析。由于狭义遗传算法的搜索过程不是一个遍历的Ｍａｒｋｏｖ过程,搜索空间小,Ｎ此它具有收敛速度快,搜索过程稳定性高、可控制性强等特点。最后,提出了有待研究的问题。     

基于概率论和自适应遗传算法的智能抽题算法

给出了一种基于概率论和自适应遗传算法的智能抽题算法的数学模型。该算法首先以概率论为基础优化初始参数，然后用自适应遗传算法对抽题进行操作，优化搜索过程，有效地解决了试题库中的智能组卷问题，具有较好的性能和实用性。     

一种多模式协作遗传算法

该文主要针对遗传算法在实际操作应用中遗传算子和参数选取的复杂性,分析和探讨了一种多模式协作遗传算法。对于不同的优化问题以及遗传算法的不同运行阶段,引入局部遗传算法来实现一定领域中几种改进的遗传算子的适应性选取,使它们能够有效协作并且能够有效发挥各自特长,形成一种具有广泛适用性的算法模式。使用者可以在缺乏理论指导和经验参数情形下,不再凭借许多对比实验来选取合适的算子类型,方便和拓展了遗传算法的使用,并且通过试验证明了该方法的有效性。     

伺服系统时域特性与频域带宽的算法研究

为了通过伺服系统时域特性计算频域带宽,并提高带宽测算的精确度,针对实际的高阶非线性伺服系统,借助典型二阶线性控制系统时域与频域指标间的明确关系式,研究了两种由时域性能指标计算频域带宽的算法,并通过对两种算法的误差分析,利用"夹逼"原理,推导了带宽最终计算公式,经在多种军用雷达上的测试试验证明,具有较高的计算精度和实用性.