自适应遗传算法的改进研究

未成熟收敛问题是导致遗传算法性能下降的重要原因。为了提高算法的性能,对IAGA自适应遗传算法[1]进行了改进,提出了一种新的自适应交叉概率公式和自适应变异概率公式,从而促使算法跳出局部最优解,改善了算法的未成熟收敛问题。仿真结果表明,相对IAGA自适应遗传算法,新算法的全局收敛性更强,性能更优越。     

基于自适应遗传算法的雷达干扰系统兵力分配

在防空袭作战中,为了有效地降低敌机载雷达的探测能力,必须综合运用电子干扰措施实施电子干扰,干扰兵力分配直接影响干扰效果。结合防空袭作战的特点,提出了基于自适应遗传算法的雷达干扰系统兵力分配模型,并设计了既考虑到进化代数对算法影响,又考虑到每代中不同个体适应度对算法作用的自适应交叉概率和变异概率。仿真实例表明该方法可以有效解决雷达干扰系统兵力分配这一复杂而困难的问题。     

基于自适应遗传算法的雷达组网优化部署

提出了一种基于自适应遗传算法的雷达组网优化方法,建立了雷达组网优化的数学模型,给出自适应遗传算法的求解过程和步骤,并设计了既考虑到进化代数对算法影响,又考虑到每代中不同个体适应度对算法作用的自适应交叉概率和变异概率。仿真实例表明该方法能够快速得出多种优化部署方案,操作性强,对雷达组网优化有较大应用价值。     

一种自适应遗传算法的聚类分析及应用

针对传统的聚类算法在聚类划分问题上还存在着划分效果能力较差等问题,在确保GA算法全局性能和收敛速度的前提下,设计了一种与进化代数相关联的交叉概率和与个体适应度相关联的变异概率。将该算法应用到图像聚类,实验仿真结果表明,对比于k均值聚类算法,该算法具有较好的聚类划分效果。     

自适应遗传算法在相控阵雷达最优化调度中的应用

针对相控阵雷达最优化调度问题,提出了自适应遗传算法的解决方案。在分析雷达约束模型的基础上,设计了相应的编码方式、适应度函数、遗传操作等遗传算法的求解步骤;并提出了既考虑到进化代数对算法影响,又考虑到每代中不同个体适应度对算法作用的自适应交叉概率和变异概率。仿真实例表明该方法可以完成对各项雷达申请事件的合理调度,保证较高的成功被调度率和时间利用率。     

基于自适应遗传算法的张掖市自驾旅游时间优化

本文通过采集张掖市14个景点的数据,从自驾游的散客群体考虑,通过建立数学模型,利用简单遗传算法和自适应遗传算法分别求解了各景点之间的最短驾车旅行时间。结果表明,改进了交叉算子和变异算子之后,得到了更好的最优解,验证了算法的可行性。     

改进自适应遗传算法在节距排列降噪中的运用

在轮胎花纹设计过程中以节距为单元,合理的设计出节距比例和节距排列,以达到降噪的目的。本文以自适应遗传算法为基础将节距作为基因进行编码优化排序,采用自适应余弦函数进行交叉和变异操作,并在交叉操作结合多亲遗传算法的特点增加样本的多样性,对同一代中的样本进行适应度的排序,选择适应度高的进入下一代。实验结果表明改进的自适应遗传算法能很好的收敛于全局最优解,降噪效果明显给轮胎花纹降噪设计提供一种可行的方法思路。     

基于自识别交叉算子和自适应变异算子的遗传算法研究

为有效地解决遗传算法收敛速度和局部最优解的矛盾,本文提出了一种具有自识别交叉算子和基于海明距离的动态变异算子的遗传算法。自识别交叉算子保证父代的优良模式遗传到下一代,加快了算法的收敛速度;而动态变异算子扩大了搜索范围,增强了算法跳离局部最优解的能力。实验证明,两种改进算子的有效结合保证算法能以较快速度收敛于全局最优解。     

自适应遗传算法在DOA搜索中的应用

由于DOA参数估计中的搜索算法无法满足实时性的要求,本文提出在空间谱估计中使用遗传算法来提高搜索速度。鉴于传统遗传算法存在收敛速度慢和早熟的问题,本文选用自适应遗传算法。文中对遗传过程中初始群体选取、选择、交叉和变异的各阶段进行了改进,并解决了收敛速度慢和早熟的问题。最后通过计算机仿真进一步证明算法的有效性和鲁棒性。     

自适应复制,交叉和突变的遗传算法

本文提出了一种适应应遗传算法,在运算过程中有杉了对所遇个体进行具有选择性的复制,交叉和突变的突变概率自适应方法,使适合度趋于一致的个体的繁殖能力减,交叉、突变概率增加,从而保证了群体的多样性和遗传算法搜索能力。经２算法的测试函数验证,此算法效果很好。     

自适应遗传算法在场强传播损耗预测中的应用

针对移动通信场强传播损耗预测中统计模型的精度问题,通过将已有的统计模型转化为目标函数优化问题,提出了一种基于自适应遗传算法的场强传播损耗预测的方法.该方法对自适应遗传算法中的交叉算子和变异算子进行改进,既克服了简单遗传算法中早熟、精度低等问题,又大大提高了搜索速度.将其运用到实际场强传播损耗预测中,实验结果表明该方法不仅收敛速度快,而且显著提高取得全局最优解的能力,在场强传播损耗预测中取得了较好的效果.     

自适应变异遗传算法及其性能分析

本文提出了一种新的自适应遗传算法,通过对二进制编码串中每一比特位赋予不同的变异概率来加快搜索过程。对几种典型函数的测试结果表明：本文算法的收敛性能优于标准遗传算法。     

模糊自适应参数调整的改进遗传算法

为提高遗传算法的优化性能,构建了交叉及变异算子的模糊动态调整器,给出了参数调整过程、模糊逻辑控制器的执行策略及控制过程.采用标准的Benchmark测试函数比较了模糊控制器参数调整的遗传算法和简单遗传算法的性能,结果表明该算法求解精度高,优化效率高及进化代数少.     

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.     

自适应遗传算法提取pin光探测器小信号模型参数的研究

采用自适应遗传算法对pin光探测器小信号等效电路模型的参数进行了提取,用提取到的模型参数计算得到的S参数与实际测试的S参数进行了比较,为进一步说明提取到的数据的合理性,采用ADS仿真得到了高频处的S参数。     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制器的设计方法。该控制器主要由2部分组成，第一部分利用遗传算法搜索出一组神经网络控制器的初始权值，第二部分用历史输入输出数据训练神经网络自适应控制器，经过训练后其达到稳定的控制效果。通过Matlab仿真表明，该控制策略克服了BP算法对初始值敏感的问题，有效提高神经网络的控制效果，和常规PID控制器相比较，超调量小、抗干扰性强和鲁棒性好。     

基于自适应遗传算法的电子支援侦察搜索方式设计

电子支援侦察是雷达对抗侦察的重要组成部分,主要借助已有情报信息对高威胁目标进行核实精测,对时效性和精确性具有较高的要求。传统的搜索方式多为周期步进或区间搜索,与电子支援侦察的任务特性和搜索要求并未完全契合,面对不同环境和任务的灵活性较差。文中基于自适应遗传算法对电子支援侦察的搜索方式进行设计:每一条染色体对应一种侦察搜索方式,染色体的基因值和基因位分别对应该时刻侦察系统的侦察区间和侦察系统在不同区间的停留顺序,以截获概率为适应度函数进行染色体的诱导变异,得到的最优染色体即为当前环境和任务下的最佳搜索方式。理论推导和实验仿真验证了该搜索方式的可行性和有效性。     

基于粗糙集理论与遗传算法的迷宫问题求解

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,对标准遗传算法进行了改进和优化.采用粗糙集理论与遗传算法相结合的方法,由栅格的可行性构建初始决策表,用粗糙集方法对其进行简化,并对遗传算法的初始种群进行训练,直接由粗糙集训练获得一系列可行路径,再利用遗传算法求解最优路径,并在交叉和变异算子中设计了自适应算子,从而减少了遗传算法的种群规模,提高了进化效率.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的概率相对于标准遗传算法都有了显著提高.     

量子概率编码遗传算法及其应用

该文提出了一种基于染色体量子概率编码的遗传算法--QCGA。与传统遗传算法不同,在QCGA中, 单个个体不再表示某一个确定解,而是解的取值概率分布,覆盖整个解空间;各个个体独立并行演化,个体间通过一个新的交叉算子实现演化信息的交换,同时设计了一个新的变异算子以增强算法的局部寻优能力。为了充分考察该算法的有效性和先进性,将其应用于典型函数优化、0-1背包问题和时间序列中频繁结构模式搜索等问题的求解。实验结果表明,与现有同类算法相比,该算法在具有很高搜索效率的同时,仍能维持很高的种群多样性, 因而适用于复杂优化问题的求解。     

自适应遗传算法在智能组卷中的应用研究

以传统自适应遗传算法为基础,提出了一种改进的智能组卷算法,基于该算法,设计并实现了一个《编译原理》课程智能组卷系统.结合实际问题建立了组卷问题的数学模型,并针对该数学模型对遗传算法的编码方式和种群最优保存策略进行了改进.改进后的算法在保证组卷质量的前提下,提高了搜索速度并且有效避免了传统遗传算法中经常出现的早熟现象.