多种群遗传算法在微震震源定位中的应用

微震震源的精确和快速定位对坑道安全的预测至关重要。在设定均质均速模型条件下,两两检波器的观测走时和计算走时的拟合差绝对值之和为适应度函数,把微震震源定位转换为求解优化问题。采用格雷码对震源位置进行编码,提高了遗传算法的局部搜索能力;同时采用两个群体独立进化,分别利用轮盘和排序方法从两个群体中选择优秀个体,将各种群中的优秀个体进行交叉运算和变异产生新的个体,从而提高了遗传算法的全局搜索能力。通过实验证实优化后的遗传算法在微震震源定位中具有较高的性能和精度。     

基于遗传算法的混沌系统模糊控制

基于遗传算法，研究了混沌系统的模糊控制问题.采用遗传算法对模糊系统的隶属函数进行优化，综合了遗传算法强大的空间搜索能力，高精度和模糊控制器快速性的优点，使模糊控制达到较好的控制效果.仿真结果证明了所给方法的有效性. 关键词： 混沌系统 遗传算法 模糊控制     

遗传算法的几点改进及其在脉冲整形试验中的应用

为了解决脉冲整形实验中经常碰到的遗传算法收敛速度慢,早熟等问题,我们对传统的遗传算法进行了几点改进,例如：将两个个体间的欧几里得距离作为判断是否进行交叉操作的判据之一,而不再仅仅依靠个体的适应度值（fitness）,这样能有效地保持种群的基因多样性,提高交叉算子的效率;第二,引入多个交叉算子共同作用于种群. 由于算子的组合效应,共同作用产生的子代适应度值要优于任何一个算子单独作用时产生的子代适应度值. 因而可以产生更大的探索范围,防止算法收敛在某个局部最优解;第三,为了提高收敛速度,我们提出一种新的插值方式：非线性插值,即依据频谱的强度大小决定插值点的密度. 我们初步将此改进算法应用到飞秒整形光路输出光的相位补偿实验中,得到了比较令人满意的结果.      

基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法(OTSU)、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。     

混沌系统的变论域模糊控制算法研究

混沌运动和混沌控制受到广泛关注,本文利用模糊控制实现混沌系统的控制.针对模糊控制器精度不高,模糊控制中规则数量与控制精度之间的矛盾,提出了一种基于蚁群优化算法的变论域模糊控制器.通过分析变论域模糊控制中的2类伸缩因子,指出其中1类并不能满足广义伸缩因子条件.提出利用蚁群优化算法对伸缩因子智能寻优的方法,在对蚁群算法改进的基础上,构成一种基于蚁群算法的变论域模糊控制,将设计的控制器用于Duffing混沌系统的控制.仿真结果表明,提出的控制算法在收敛速度和稳态性能上要略优于其他控制方式. 关键词： 混沌 变论域模糊控制 伸缩因子 蚁群优化算法     

端到端网络流量的混合估计方法(英文)

利用主成分分析法获取端到端网络流量的主要特征分量并获得其初始估计结果.为克服其初值敏感性将估计结果作为遗传算法的初始值、链路流量估计偏差作为遗传算法的适应度函数,通过构建合适的交叉和变异概率函数来控制遗传算法的交叉和变异过程.采用合适的约束迭代函数,利用遗传算法通过迭代寻优获得端到端流量的估计结果,仿真结果表明所提出的方法是可行的.     

基于多染色体遗传算法的像素化光源掩模优化方法

提出了一种基于多染色体遗传算法(GA)的像素化光源掩模优化(SMO)方法。该方法使用多染色体遗传算法,实现了像素化光源和像素化掩模的联合优化。与采用矩形掩模优化的单染色体GASMO方法相比,多染色体GASMO方法具有更高的优化自由度,可以获得更优的光刻成像质量和更快的优化收敛速度。典型逻辑图形的仿真实验表明,多染色体方法得到的最优光源和最优掩模的适应度值比单染色体方法小7.6%,提高了光刻成像质量。仿真实验还表明,多染色体方法仅需132代进化即可得到适应度值为5200的最优解,比单染色体方法少127代,加快了优化收敛速度。     

基于改进遗传算法的汽车主动悬架控制器设计

为解决在汽车主动悬架系统中所采用的一般模糊控制策略自适应能力差的特点,提出了一种可以自适应调节的模糊控制策略,采用解析式模糊规则法;利用新型的改进遗传算法优化不同状态下误差与误差变化率的修正因子,从而找到最优的模糊规则,匹配当前状态下最佳模糊控制器的参数;利用Matlab/Simulink对主动悬架系统进行了仿真,结果表明该控制器相较于一般模糊控制器可以有效地改善汽车悬架在不同行驶状态下的稳定性和平顺性,通过优化过后的控制系统有较强的鲁棒性和较好的适应性。     

基于改进遗传算法的移动机器人路径规划

针对传统遗传算法存在的搜索效率低、易于陷入局部最优解的问题,提出了一种改进的遗传算法。采用简单的一维编码替代复杂的二维编码,节约了存储空间。在遗传算子的设计中,重新定义了交叉算子和变异算子,避免了陷入局部最优。最后将最短路径和免碰撞相结合作为适应度函数进行遗传优化。实验结果表明,改进的算法能够快速、有效的规划出最优路径。     

基于遗传退火算法的光纤激光主动偏振控制技术研究

介绍了一种用于偏振控制的遗传退火算法(GASA),该算法在遗传算法(GA)的基础上,引入了模拟退火的选择机制,将蒙特卡罗思想引入到了GA中,使算法具有更加强大的搜索能力。通过建立基于GASA算法的光纤激光主动偏振控制系统的数学模型,得到了不同参量情况下的GASA算法的仿真图像,并且分析了其收敛效果。仿真结果表明,在选择输出激光的偏振消光比作为适应度函数,种群数量为90,变异概率为0.7,交叉概率为0.001,温度下降比率为0.99的情况下,系统可以达到最优的控制效果。将GASA算法和随机并行梯度下降算法的仿真图像进行对比,可以看出,GASA算法具有较好的全局搜索能力和跳出局部最优值的能力,可以将其用在光纤激光的主动偏振控制系统中。     

Efficient design method for cell allocation in hybrid CMOS/nanodevices using a cultural algorithm with chaotic behavior

The hybrid CMOS molecular (CMOL) circuit, which combines complementary metal–oxide–semiconductor (CMOS) components with nanoscale wires and switches, can exhibit significantly improved performance. In CMOL circuits, the nanodevices, which are called cells, should be placed appropriately and are connected by nanowires. The cells should be connected such that they follow the shortest path. This paper presents an efficient method of cell allocation in CMOL circuits with the hybrid CMOS/nanodevice structure; the method is based on a cultural algorithm with chaotic behavior. The optimal model of cell allocation is derived, and the coding of an individual representing a cell allocation is described. Then the cultural algorithm with chaotic behavior is designed to solve the optimal model. The cultural algorithm consists of a population space, a belief space, and a protocol that describes how knowledge is exchanged between the population and belief spaces. In this paper, the evolutionary processes of the population space employ a genetic algorithm in which three populations undergo parallel evolution. The evolutionary processes of the belief space use a chaotic ant colony algorithm. Extensive experiments on cell allocation in benchmark circuits showed that a low area usage can be obtained using the proposed method, and the computation time can be reduced greatly compared to that of a conventional genetic algorithm.     

文化框架下多群智能优化算法的云作业调度

作业调度是一种云计算核心技术,为了获得更优的云计算作业调度方案,提出一种文化框架下多群智能优化算法的云作业调度方法。首先构建云作业调度问题的数学模型,然后借助文化算法模型,粒子群算法组成信仰空间,人工鱼群算法组成群体空间,两者之间并行演化,相互促进,对云计算作业调度数学模型进行求解,最后通过仿真实验测试算法的性能。结果表明,本文加快了算法的收敛速度,获得了更优的云计算作业调度方案,大幅度缩短少云计算作业完成时间,具有一定的实用价值。     

基于遗传模拟退火算法的室内照明节能控制方法研究北大核心CSCD

目前的节能照明控制算法仍有陷入局部最优的问题。为了寻求全局最优解,提高室内照明的节能效果,设计一种遗传模拟退火算法对照明系统的控制参数进行优化求解。该算法通过在遗传操作后对优秀个体进行模拟退火处理,增强了算法的局部搜索能力。根据迭代的次数和种群的适应度对遗传概率进行自适应调节,使得算法在前期丰富种群多样性,避免算法“早熟”。提出基于人工神经网络的照度模型来计算室内照度分布,对照明舒适度进行评估,为构造优化算法的适应函数提供了依据。通过仿真实验,在本文介绍的照明场景应用遗传模拟退火算法,并与传统粒子群算法和遗传算法进行比较,其照明节能性能分别高出5.30%和13.61%。     

基于模糊模型的混沌时间序列预测

对于复杂、病态、非线性动态系统，基于模糊集合的模糊模型，利用模糊推理规则描述动态系统的特性，是一种有效方法.讨论了利用模糊建模方法实现非线性系统的建模和预测.首先，利用在线模糊竞争学习方法划分输入变量的模糊输入空间，然后利用卡尔曼滤波算法估计模糊模型的参数.采用该方法对Mackey Glass混沌时间序列进行预测试验，结果表明利用本方法可以在线或者离线能对Mackey Glass混沌时间序列进行准确预测，证明了本方法的有效性. 关键词： 模糊竞争学习 混沌时间序列 卡尔曼滤波     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

改进BP神经网络算法对煤矿水源的分类研究

煤矿安全对煤炭工业的健康持续发展至关重要,而煤矿水灾又是煤矿事故的重大隐患,因此煤矿水源数据的处理对于预防矿井突水事故具有重要意义。实验在激光器的辅助下利用激光诱导荧光技术获取7种水源的数据信息,设定激光发射功率为100 mW,向被测水体发射波长405 nm激光,获取实验水样210组的荧光光谱数据,为了剔除光谱在采集过程受到的荧光背景、检测器噪声以及功率波动等影响,利用SG平滑、多元散射矫正（MSC）预处理对数据进行降噪以及提高光谱特异性,由于初始数据运算量过大并对数据压缩、消除冗余和数据噪音,利用主成分分析（PCA）分别对7种水样进行建模降维处理,从而得到小数据并且保持原有信息的数据特征。为了识别煤矿水源的突水类型,对于降维后的数据利用粒子群算法（PSO）优化BP神经网络,PSO算法通过对新粒子的适应度值和个体极值、群体极值适应度值的比较更新个体极值和群体极值的位置,将最优初始权值和阈值赋予BP神经网络,从而对待测水样的种类进行预测分析。普通的PSO优化BP神经网络,容易出现早熟收敛,故在改进的PSO算法中引入变异因子来提高模型寻找更优解的可能性。实验证明：SG,MSC以及Original三种预处理方式中,SG算法表现良好,提高了模型的相关性。在SG预处理的前提下,BP的决定系数R2为0.984 5,平均相对误差MRE 7.39%,均方根误差为7.25%;PSO-BP的决定系数R2为0.999 8,平均相对误差MRE 0.17%,均方根误差 0.08%;IPSO-BP的决定系数R2达到0.999 9,平均相对误差MRE和均方根误差RMSE皆为0.01%。结果表明：经SG预处理过后的光谱数据,比MSC预处理效果更精确,改进的粒子群优化算法更适用于该实验的矿井水源分类。     

Adaptive fuzzy neural network control on the acoustic field in a duct

Base on the principle of the superposition of waves, active noise control is achieved by adaptively tuning a secondary source which produces an anti-noise of equal amplitude and opposite phase with primary source. This paper presents the study on the acoustic attenuation in a duct by using the combination of fuzzy neural network with error back propagation algorithm to control secondary source. The most important advantage of fuzzy inference system is that the structured knowledge is represented in the form of fuzzy IF-THEN rules. But it lacks the ability to accommodate the change of external environments. Combining neural network with fuzzy system can help in this tuning process by adapting fuzzy sets and creating fuzzy rules. The performance of attenuation and control error can be measured by the microphone placed in the downstream of duct. The results of this study, show that the acoustic attenuation by 40 dB for pure-tone noise and nearly 30 dB for dual-tones noise are obtained.