一般克隆选择算法的收敛性证明*

克隆选择算法已经广泛应用于计算智能领域,而针对克隆选择算法理论方面的分析和研究工作却很少。为了丰富克隆选择算法的理论基础,采用了与研究遗传算法相似的方法,研究了克隆选择算法的收敛性,推导出克隆选择算法在求解优化问题时,收敛到全局最优解的充分条件。因此,对基于克隆选择算法的各种应用如BCA和CLONALG算法,只要检查这些充分条件是否满足就可以证明算法的收敛性。     

异构多核处理器的任务分配及能耗的研究*

异构多核处理器采用不同的任务分配与调度算法,会导致不同的时间消耗与能量消耗,采用合适的任务分配与调度算法能节省较多的能耗。目前普遍认为最有发展前途的任务分配与调度技术是先用启发式方法进行分组,然后再用遗传算法进行调度。在改进任务分组后,又首次提出了用遗传算法解决能耗问题。实验结果表明在实时要求不高的情况下,能以较小的时间代价来节省较多的能耗。     

一种多地球物理特征匹配自主导航方法

针对地球物理场具有多个特征和匹配可操作性较强的特点,文中提出了一种多地球物理特征匹配的自主导航方法,研究了导航方法的实现方式和对应的匹配算法。导航方法通过同步测量航迹上的地磁场的多个特征和重力梯度,采用固定点数的滑动窗口构造测量序列后与基准图匹配,最后对匹配结果做融合,得到实时位置信息。匹配算法设计了基于"初始位置+初速度+加速度"实值编码的遗传算法作为搜索策略,采用平均平方差准则(MSD)作为每个特征的匹配相似性度量,并使用加权最大值原则融合所有特征的相似性度量。最后由仿真算例验证了方法的可行性,表明了导航方法具有良好的匹配精度,可用于低空、低速运动载体的导航。     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

基于广义Beta函数的图像自适应增强方法*

针对传统Beta函数的图像增强方法应用于较暗区域、较亮区域,以及两端区域拉伸与中间压缩图像增强中的不足,引入增强算子和新的形状控制参数,提出了新的直方图变换函数,即广义Beta函数.在此基础上,给出了广义Beta函数增强算子选择机制,并建立了新形状控制参数的自适应选取模型.实验结果表明,提出的基于广义Beta函数的图像增强方法不仅增强了图像的对比度,而且保留了较多的图像细节信息,增强结果明显优于传统Beta函数.     

模糊控制在光电稳定平台跟踪控制中的应用

对光电稳定平台中的跟踪环控制系统提出了一种基于遗传算法的模糊控制策略,简要介绍了模糊变量的选择、模糊机的建立以及最优比例调节因子的获取方法,最后通过仿真验证了该方法的有效性。     

基于遗传算法有障碍物的机械手工作空间研究

机械手工作空间的测定非常复杂,在机械手可伸展的区域如果遇到障碍物将会使测定变得更加复杂;障碍物会影响到整个机械手的工作空间的形状和尺寸,甚至会将机械手的工作空间分成两个或多个独立的区域,以至原来可测量的区域变成不可测量区域;本文针对在机械手工作空间中存在障碍物的情况,将其工作空间进行离散化并利用遗传算法对其工作空间进行估算,通过确定X_(SP),Y_(SP),Z_(SP)在工作空间中的位置来获得机械手工作空间,获得了比以往更加精确的工作空间;将搜索空间离散化为有限个点大幅减少了计算时间,同时遗传算法可以有效的解决搜索空间离散化之后点的位置的确定的优化问题。     

关于遗传算法的排课应用研究

随着高等院校招生规模逐渐扩大,各高校教务排课面临着紧张的资源分配和使用问题,本文通过排课过程中遇到资源问题分析,对遗传排课算法处理排课问题提出建议,在面对繁杂的排课约束条件、排课规则中能排出满意度高的课程表。     

基于遗传算法的工业机器人时间最优轨迹规划及仿真研究

为了使工业机器人的末端执行器在任给路径下运行时间最短,在考虑机器人各关节速度、加速度、加加速度和力矩约束的情况下,以PUMA560为例,对工业机器人轨迹进行时间最优规划;在Matlab平台上,对该轨迹规划优化算法进行仿真,仿真结果表明机器人各关节时间最优轨迹规划比未处理的轨迹规划时间明显缩小6.999 4s,6.651 0s,6.351 2s,各个关节的轨迹曲线平滑,从而验证了该算法的有效性。     

基于自适应进化神经网络算法的入侵检测

针对目前多数入侵检测系统的低检测率问题,提出一种自适应进化神经网络算法AENNA。基于遗传算法和BP神经网络算法,利用模拟退火算法的概率突跳和局部搜索强的特性对遗传算法进行改进,采用双种群策略的遗传进化规则实现BP神经网络权值和结构的双重优化;通过对遗传算法的交叉算子与变异算子的改进,设计一种自适应的神经网络训练方法。实验结果表明,基于AENNA的入侵检测方法能够有效提高系统的检测率并降低误报率。