单母体遗传算法优化(H2O)n(n≤14)的结构

在传统遗传算法的基础上提出了单母体遗传算法(single-parent genetic algorithm,SPGA),通过对母体团簇实施两种不同的变异操作对结构进行优化,给出了分子团簇结构优化的算法实现.结合TIP3P模型势函数,研究了水分子团簇(H2O)n(n≤14)的稳定结构.优化结构和已有理论及实验结果一致.计算结果表明当n＜8时,平均结合能随n,增加较快;当n≥8时有小的起伏.n=4,8,10,12的团簇结构具有较高对称性,比较稳定.     

基于改进粒子群优化算法的氩原子团簇结构优化

采用改进粒子群优化算法(IPSO)结合Lennard-Jones势对氩原子团簇结构进行优化,得到了氩原子团簇的稳态结构能量。以氩原子团簇Arn（n = 2-14）为例,验证了该方法的有效性。结果表明,应用本文提出的方法可得到对称性良好的团簇结构。与基本粒子群优化算法(BPSO)及遗传算法(GA)相比,改进粒子群优化算法具有更好的收敛特性,能较快地得到氩原子团簇结构的最优解。     

改进的自适应免疫优化算法用于Pd-Pt合金团簇结构快速优化

Pd-Pt合金团簇在催化、光学和磁学等基础科学及应用领域吸引了广泛的研究兴趣,优化不同元素序列组成的最稳定结构是探究其特殊性质的首要任务.本文结合了启发式优化算法的优点及动态建模的思想,提出了一种自适应免疫优化算法(AIOA)的改进算法,称之为AIOA-BDLS-ILS算法,用于合金团簇结构快速优化.运用该算法优化标准的二元Lennard-Jones模型团簇结构以测试算法效率,结果表明与BDLS-ILS算法相比该算法更为高效.优化34原子Pd-Pt团簇时发现了12个能量更低的结构.此外,50及79原子Pd-Pt团簇中,十面体及外层密堆积的十面体构型为主要构型,还存在双面心立方结构及少量的不完整二十面体结构.序列参数显示Pd-Pt团簇中Pd和Pt分层现象明显.     

单母体遗传算法优化(H2O)n(n≤14)的结构

在传统遗传算法的基础上提出了单母体遗传算法(single-parent genetic algorithm, SPGA)，通过对母体团簇实施两种不同的变异操作对结构进行优化，给出了分子团簇结构优化的算法实现. 结合TIP3P模型势函数，研究了水分子团簇(H₂O)_n(n≤14)的稳定结构. 优化结构和已有理论及实验结果一致. 计算结果表明当n<8时，平均结合能随n增加较快；当n≥8时有小的起伏. n=4,8,10,12的团簇结构具有较高对称性，比较稳定. 关键词： 单母体遗传算法 水分子团簇 结构优化     

一种用于认知无线电资源分配的并行免疫遗传算法

提出了用于认知无线电自适应调制和资源分配的并行免疫遗传算法,并对该算法、简单遗传算法和静态调制分配算法进行了仿真.仿真结果显示,该算法具有很强的全局搜索能力和较快的收敛速度,在误码率和功率受限条件下,该算法比简单遗传算法和静态调制方式的性能更好,同时明显降低了计算复杂度.     

一种结合梯度方向互信息和多分辨混合优化的多模图像配准方法

针对基于传统互信息图像配准容易产生局部极大值,同时结合梯度信息的互信息改进方法不能很好地应用于梯度幅值差异较大的多模图像配准,提出了一种新的结合梯度方向的互信息测度函数.在参量优化过程中,将具有全局优化的遗传算法和Powell局部优化算法动态结合,前者的配准结果为后者的算法优化提供有效的初始点以抑制局部极值,同时借鉴小波变换中多分辨率的思想,在低分辨率图像中粗略配准后,上升到高分辨率图像上进一步细化配准结果,增加算法鲁棒性并减少优化时间.多幅红外与可见光图像配准实验结果证明,提出的算法具有配准精度高和鲁棒性强等特点.     

基于克隆选择的混合遗传算法在碳纳米管结构优化中的研究

针对分子动力学模拟中碳纳米管的结构优化问题，提出了一种新的优化算法.新的优化算法在遗传算法的基础上，引入了克隆选择机理和模拟退火技术.对五个典型函数的优化测试结果表明，该算法搜索过程稳定性好，可较好地实现全局最优.将其应用于碳纳米管原子结构优化，加快了能量优化速度，提高了优化质量.模拟结果说明，混合遗传算法的优化时间随原子数增加而呈线性增长.在碳纳米管原子数较多时，结构优化时间比共轭梯度法降低一个数量级左右，大大降低了系统的模拟时间. 关键词： 分子动力学 碳纳米管 能量优化 遗传算法 克隆选择算法     

改进遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题中最大完工时间、机器最大负荷和总机器负荷三项性能指标,提出一种改进的自适应交叉和变异的混合遗传算法。在基本遗传算法染色体编码的基础上,设计一种基于海明距离的调度个体差异判别方法,并通过自适应交叉阈值和动态变异概率计算提高遗传算法整个种群调度个体的多样性,防止算法过早的进入早熟。在遗传算法进化期间,对每个调度个体的进化采用变邻域搜索算法,扩大调度个体的邻域搜索范围。最后,使用文献中相同的调度实例将本文的计算结果与其它文献中的测试结果进行比较,验证了所提出的算法的可行性和有效性。     

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.     

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.     

基于微种群遗传算法和自适应BP算法的遥感图像分类

介绍了采用微种群遗传算法和自适应BP算法相结合的混合遗传算法来训练前向人工神经网络(BPNN)的方法。即先用微种群遗传学习算法进行全局训练,再用自适应BP算法进行精确训练,以达到加快网络收敛速度和避免陷入局部极小值的目的。将此算法用于遥感图像分类,网络的训练速度及分类结果表明,该算法收敛速度较快,预测精度较高。     

基于IAGA的空间测量定位系统测站优化部署

空间测量定位系统是一种基于光电扫描的角度交汇测量系统,由于该系统是在多测站协同作用下实现坐标测量,因此测站的布局优化是应用时面临的重要问题。为了解决该问题,提出了一种基于改进自适应遗传算法的测站优化部署方案。以系统定位精度、覆盖度和使用成本作为多目标优化函数;将进化代数衰减因子与自适应遗传算法相结合,根据多目标函数建立改进自适应遗传算法优化流程;对2~4个测站进行仿真优化分析。仿真结果表明,与传统自适应遗传算法相比,该方法能在10~20代内收敛到最优解并获得更优的目标函数值。因此该方法在空间布局优化设计中能有效提高系统的测量性能。     

遗传算法研究原子团簇

遗传算法作为一种结构优化方法应用于研究原子团簇的结构和性质,具有高效和全局搜索等特点。本扼要介绍遗传算法基本特征、优化程序和方法。重点讨论我们近年来在应用遗传算法研究碳６０分子聚集超团簇的幻数,金团簇有序和无序结构,双金属团簇的偏析效应以及过渡金属团簇电磁性质的结构关联等方面所取得的一些结果,说明遗传算法与传统优化方法相比确具一定优势,以及需要解决的问题。     

基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。     

二冷配水优化建模与混合自适应PSO算法求解

针对连铸二冷区生产环境复杂且存在着大量水雾干扰的情况,建立了连铸水量优化模型并提出了一种混合的自适应粒子群算法来求解连铸二冷水优化问题。依据冶金过程中的工艺要求建立了二冷水量优化模型,并在经典的PSO算法基础上提出了适合该问题求解了混合自适应PSO算法。由于连铸过程存在着偏微分方程约束,传统的优化方法容易陷入局部最优解,不能达到很好的动态优化效果。研究了粒子群算法,基于种群的多样性,不断的自适应的更新粒子群算法中参数,将禁忌搜索的方法和传统的粒子群算法结合,增强了算法的局部搜索能力和全局寻找全局最优的能力。将该算法应用到连铸二冷水动态优化中,实验结果表面该算法能够快速有效的求解该优化问题。该方法用于连铸二冷水优化是可行的、有效的。     

Metaheuristic Algorithms Based on Compromise Programming for the Multi-Objective Urban Shipment Problem

The Vehicle Routing Problem (VRP) and its variants are found in many fields, especially logistics. In this study, we introduced an adaptive method to a complex VRP. It combines multi-objective optimization and several forms of VRPs with practical requirements for an urban shipment system. The optimizer needs to consider terrain and traffic conditions. The proposed model also considers customers’ expectations and shipper considerations as goals, and a common goal such as transportation cost. We offered compromise programming to approach the multi-objective problem by decomposing the original multi-objective problem into a minimized distance-based problem. We designed a hybrid version of the genetic algorithm with the local search algorithm to solve the proposed problem. We evaluated the effectiveness of the proposed algorithm with the Tabu Search algorithm and the original genetic algorithm on the tested dataset. The results show that our method is an effective decision-making tool for the multi-objective VRP and an effective solver for the new variation of VRP.     

AGA-BP模型在遥感影像分类中的应用研究

作为遥感研究的关键技术,遥感影像分类一直是遥感研究热点;针对目前采用BP神经网络模型进行遥感影像分类时存在的对初始权阈值敏感、易陷入局部极值和收敛速度慢的问题,为了提高BP模型遥感影像分类精度,将自适应遗传算法引入到BP网络模型参数选择中;首先运用自适应遗传算法对BP模型权阈值参数进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于自适应遗传算法的BP网络分类模型,并将其应用到遥感影像数据分类研究中;仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值。     

Stochastic dynamics of adaptive evolutionary search

In this paper the stochastic dynamics of adaptive evolutionary search, as performed by the optimization algorithm Population-Based Incremental Learning, is analyzed with physicists' methods for stochastic processes. The master equation of the process is approximated by van Kampen's small fluctuations assumption. It results in an elegant formalism which allows for an understanding of the macroscopic behaviour of the algorithm together with its fluctuations. We consider the search process to be adaptive since the algorithm iteratively reduces its mutation rate while approaching an optimum. On the one hand, it is this feature which allows the algorithm to quickly converge towards an optimum. On the other hand it results in the possibility to get trapped by a local optimum only. To arrive at a detailed understanding we discuss the influence of fluctuations, as caused by mutation, on this behaviour. We study the algorithm for rather small sytem sizes in order to gain an intuitive understanding of the algorithm's performance.     

基于线性模型的自适应优化去雾算法

针对线性传输算法中透射率和大气光估计不足问题,提出一种基于线性模型的自适应优化去雾算法。利用边缘信息模型来增强初始透射率图的细节信息,使得复原后图像边缘区域细节更丰富;根据暗通道先验,得到自适应优化透射率,更好地处理包含景深区域图像;采用局部大气光估计方法代替四叉树方法,避免大气光估计不准确问题,并结合物理模型恢复图像。仿真实验在matlab2014中进行,实验结果表明,该算法具有较好的有效性和时效性。