基于小生境遗传算法的移动机器人路径优化

针对标准遗传算法存在收敛性慢和局部最优解的缺陷,结合移动机器人行走特点,提出一种基于预选择机制小生境技术的改进遗传算法中移动机器人路径规划方法.该方法兼顾对局部最优解和全局最优解的搜索,维持群体的多样性,避免了早期收敛现象的发生;同时也增强了自然群体进化的并行性,加快了搜索进程.计算机仿真结果表明,该算法在收敛速度和输出全局最优解概率方面相对于标准遗传算法有了显著提高.     

基于小生境遗传算法的干扰资源优化分配技术

针对标准遗传算法易于陷入局部最优的问题,提出了一种基于小生境遗传算法的干扰资源优化分配技术。给出了一种改进的编码方式,保证了初始群体的有效性,交替使用两种交叉方式,较好地克服收敛对于初始群体选择的依赖。改进后的算法解决了标准遗传算法易于陷入局部最优的问题,切实提高了干扰资源调度的性能。仿真结果表明,该算法在确保收敛速度的前提下,全局搜索成功概率明显提高。     

基于小生境遗传算法的生态景观格局空间结构优化

为了提高传统建筑景观的直观性,提高居民的满意度,并且实现绿色环保的设计,提出基于小生境遗传算法的生态景观格局空间结构优化,优化目的主要包括建筑成本、绿化带等公共设备。对景观格局优化的目标进行分析,主要包括提高生物多样性、维持能量、物质的流通、维持景观格局的稳定性、提高生活环境品质;实现景观规划的优化,包括确定生态廊道、不同高度城市风速模拟、不同高度城市温度场空间扩散模拟;实现基于小生境遗传算法的优化,并且对优化结果进行测试。测试结果表明,人们对于大部分建筑景观评价因子都表示比较满意,说明人们对景观优化之后的空间布局认可,证明所提算法能够优化建筑景观空间,提高居民满意度。     

基于伪并行遗传算法的MC-CDMA多用户检测技术研究

介绍MC-CDMA的多用户检测技术。在分析频率选择衰落信道中单小区MC-CDMA系统上行多址干扰的基础上,引入基于＂联姻＂策略的伪并行遗传算法用于多用户检测技术。通过仿真表明,与解相关和MMSE检测器以及传统遗传算法应用于MUD中相比,其在误比特率性能上更加优秀,而运行时间却明显小于最佳多用户检测。     

基于并行遗传算法的弹性TSP研究

文章针对并行遗传算法求解TSP问题,探讨了使用弹性策略来维持群体的多样性,使得算法跨过局部收敛的障碍,向全局最优解方向进化.通过对算法的分析和实验,尤其是在典型的CHN144 TSP求解上发现了新的最优解这一结果表明,本文算法的改进是有效的.     

基于改进遗传算法的机器人路径规划

本文在应用遗传算法进行机器人路径规划时,针对遗传算法的"早熟收敛"和"收敛速度慢"两大难题,结合具体的应用背景,在各种改进遗传操作的基础上,把遗传算法和简单图搜索方法相结合,减少了搜索的盲目性,使得优秀个体能较快地产生,算法在很少的进化代数中就可以求出问题最优解.算法的分析和测试表明,本文算法的改进是有效的.     

基于并行遗传算法的CDMA优化多用户检测方法

多用户检测技术是第三代移动通信系统CDMA中的一项关键技术。在多用户检测中求解最佳矢量问题可以转化为在遗传算法中求解具有最高适应度函数的问题。本文提出了一种基于并行遗传算法的CDMA多用户检测器,并与最佳多用户检测和传统检测器进行比较,实验结果表明本方法可获得接近最佳检测的性能。由于采用并行遗传算法,这种多用户检测器更易于实时应用和硬件实现。     

基于遗传算法的足球机器人路径规划

足球机器人系统是一个智能型系统,并且处于一个具有实时对抗性的动态的复杂环境系统中。路径规划层是机器人决策系统的核心之一。本文研究了足球机器人系统的运动学原理,讨论了遗传算法在足球机器人路径规划中的应用,使机器人能避开障碍物从给定点到目标点找到一条比较短的路径,进行仿真实验,比较了不同遗传代数对路径规划的影响。     

基于自适应小生境混合遗传算法的说话人识别

为了解决传统高斯混合模型(Gaussian Mixture Model,GMM)对初值敏感,在实际训练中极易得到局部最优参数的问题,本文提出了一种GMM参数优化的新方法.将小生境技术与最大似然估计融入到遗传训练过程,形成了一种新的混合算法,缓解了遗传算法产生的"早熟"现象,提高了算法的局部搜索能力.采用自适应策略来控制交叉和变异算子,同时在适应度评价中融入了其他用户的区分性信息,提高了模型的分类精度,增强了GMM的泛化能力.实验表明,与传统和改进的两种方法相比,本文的方法都可以得到更优的模型参数,使得系统的识别率进一步提高.     

基于遗传算法的天线结构优化

遗传算法具有算法简单、不要求函数连续、导数存在,并能收剑到全局最优解特点,采用遗传算法对环梁式空桁天线结构进行优化,设计变量为取离散值的各杆截面积,优化目标;追求最佳吻合抛物面法向位移均方根偏差最小。设计实例表明,使用遗传算法对复杂的结构优化问题能获得较好的优化结果,该算法具有很强的适应性。     

先锋遗传算法在多峰值函数优化中的应用

本文对遗传算法应用于多峰值数值函数优化进行了研究,通过对算法的综合和改进,克服了传统遗传算法计算多峰值函数时容易出现的遗传漂移问题,实现了优化目的,证实了先锋遗传算法应用于此类问题的可行性和有效性.     

基于遗传算法的随机脉位多普勒引信波形优化

波形设计的优劣直接影响无线电引信的抗干扰能力。随机脉位多普勒引信发射波形设计涉及诸多参数的选择及优化。将待优化的参数作为输入,以波形的模糊函数为优化目标函数,应用全局最优解搜索算法--遗传算法,对波形参数选择进行计算机优化。并通过对优化结果进行分析,结果表明参数优化后可提高引信的抗干扰能力,且所用算法高效、成熟。     

基于遗传算法的片上螺旋电感模型优化方法

给出了一种基于遗传算法的片上螺旋电感宽带电路模型优化方法。通过对螺旋电感Y参数变化规律的分析,首先给出一种能够工作在高频段的电路模型结构。对每个频段内电路模型的参数优化被认为是一个误差最小化的多目标优化问题,将具有全局搜索能力和鲁棒性能的遗传算法引入到该优化过程中。介绍了遗传算法的优化过程以及其中采用的子频带划分方法。优化结果表明,针对不同几何参数的螺旋电感,该优化方法都能得到误差在5%以内的宽频带电感模型。     

基于遗传算法的Kriging元模型及其在模拟集成电路优化设计中的应用

提出了建立电路Kriging元模型,并与遗传算法相结合确定电路参数,优化电路的方法.相对传统多项式回归模型,Kriging模型更适合电路仿真的实验类型;利用遗传算法,解决了基于Kriging元模型电路系统的全局优化问题.最后将该方法应用于带隙基准电路设计,取得令人满意的结果.     

基于遗传算法的Kriging元模型及其在模拟集成电路优化设计中的应用

提出了建立电路Kriging元模型,并与遗传算法相结合确定电路参数,优化电路的方法.相对传统多项式回归模型,Kriging模型更适合电路仿真的实验类型;利用遗传算法,解决了基于Kriging元模型电路系统的全局优化问题.最后将该方法应用于带隙基准电路设计,取得令人满意的结果.     

用基于知识的遗传算法实现移动机器人路径规划

提出了一种基于知识的遗传算法,该算法采用特定的遗传算子、把领域知识并入初始种群及自适应调整控制参数,克服了传统遗传算法的早熟收敛问题,提高了遗传算法的效率.实验结果表明该算法在移动机器人路径规划中的可行性和有效性.     

遗传算法在求解WTA问题中的应用

时遗传算法应用于武器系统目标分配问题的优化进行了研究,通过对算法和算子的适应性改进,使算法的求解速度和质量得到了明显改善,达到了优化的目的,证实了先锋遗传算法应用于此类问题的可行性和有效性。     

基于遗传算法的影像匹配方法研究

影像匹配是立体视觉中的核心问题之一。本文基于传统的影像匹配技术,提出了一种基于遗传算法的影像匹配方法。针对简单的遗传算法易于陷入局部最优的缺点和影像匹配的具体问题,对基本遗传算法作了改进。实验表明,此种方法具有较好的匹配精度和速度,能应用于各种类型的匹配中。