遗传算法作曲系统研究

对遗传算法作曲系统进行了一定的分析.通过讨论几种遗传算法作曲系统,给出了各种系统的不同特点及适用范围.     

音乐

提起久石让．宫崎骏迷一定不会陌生．因为只要你留意每部宫氏电影的开头或结尾．就会看见这个名字——音乐：久石让。在你为动画中曲折的情节、宏大的场景、精细的制作而感叹时．是否同时也被出色的音乐而迷倒呢？     

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.     

遗传算法在数据挖掘中的应用

介绍了遗传算法的基本原理,论述了应用遗传算法进行数据挖掘的算法思想和关键问题,包括规则的表示,适应度函数的定义,交叉、变异和选择操作,给出了基于遗传算法的规则挖掘算法。应用该算法对股票数据库进行实验,结果表明算法是有效的。     

浮点遗传算法的收敛性及其在模型参数提取问题中的应用

浮点遗传算法是一种模拟生物进化的最化搜索法,由于其运算简单、稳定性好、不需要计算目标函数的导数、高精度和能处理多维数值问题,浮点遗传算法在科学研究和工程技术中得到了广泛应用.通过对浮点遗传算法收敛性的分析,本文证明了"简单浮点遗传算法不收敛于全局最优解,而每代保留最优个体的浮点遗传算法才收敛于全局最优解".在此基础上,本文设计了一种采用连续突变和每代保留最优个体的改进浮点遗传算法,它克服了精确度与计算量之间的矛盾.本文利用该算法较好地解决了半导体器件模型参数提取问题,使计算量降低了约27%.     

遗传算法在数据挖掘中的应用

遗传算法具有随机,非线性,混沌等特点,能够解决一些基础科学很难描述的问题,为我们应用在数据挖掘中来搜索相应的最优解,提供较好的解决方案。文章将改进后的遗传算法应用在数据挖掘中来解决物流中心最佳路线的问题,其中算法参数的设置也有一些改进,文章对此进行一一阐述,并给出了相应的展望。     

量子遗传算法在对抗资源分配中的应用

针对平台对抗威胁目标威胁度动态变化的应用背景,提出了一种基于量子遗传算法的对抗资源调度方法。该方法可有效克服传统遗传算法易早熟与局部寻优能力差的缺点,提高了寻优的效率。分别针对在一段时间内2个平台对抗6个、10个、12个威胁目标的情况进行了仿真,结果表明使用量子遗传算法比随机分配和传统遗传算法具有更好的处理效果,可以提高目标业务威胁程度动态变化时的对抗能力。     

遗传算法在光散射模型参数反演中的应用

介绍了一种通过遗传算法参数反演获取目标样片BRDF模型参数的方法.根据样片在特定激光波长(0.86μm)下的BRDF实验数据,将遗传算法应用于样片表面BRDF数学模型的参数反演中,获取样片的BRDF模型参数.实验数据曲线表明,通过遗传算法参数反演所获得的拟合曲线与实验数据吻合得很好,结果表明,利用遗传算法所得到的结果具有较好的一致性.     

遗传算法在排课系统中的应用

遗传算法是一种借鉴于生物界自然选择和进化机制发展起来的高度并行、自适应的随机搜索算法,是一种非常有效的解决NP完全的组合问题的方法。排课问题是一个有约束的、多目标的组合优化问题,并且已经被证明为一个NP完全问题。本文将结合职业学校的实际排课情况,利用遗传算法对排课问题进行求解。     

遗传算法在网络扩充中的应用

通信网在运行的过程中,存在着网络的节点扩充及重组等问题。文章从遗传算法的基本原理出发,分析带有约束条件的通信网设计中的网络扩充问题,较好的解决了经济效益和需求的网络设计问题。     

基于遗传算法的RBF-PLS方法在辐射源识别中的应用

RBF-PLS是一种有效的径向基网络构造方法,较好地解决了隐单元数和各中心的取值问题,但宽度系数和PLS成分数难以选定。为此,该文提出采用混合编码遗传算法,以径向基网络的拟合性能和泛化能力为目标,优选宽度系数和PLS成分数,以此建立RBF-PLS-GA模型。将该方法用于雷达辐射源识别,效果良好,明显优于其他网络模型。     

基于树型编码的MRST混合遗传算法及其并行处理

提出一个关于最小矩形边斯坦纳树（Minimum Rectilinear Steiner Tree, MRST）的混合遗传算法。该算法根据MRST问题的特点,采用了树形结构编码方案以及相应的遗传操作方法,在群体设定时均匀划分空间,依据遗传群体的环境参量动态地调整遗传算法的进化策略;在执行遗传操作时与爬山法相结合,在群体更新时引进模拟退火更新机制,大大加强其寻优能力。最后,提出了该算法基于MIMD模型的扩展分布式并行算法。算法复杂性分析以及实验结果表明该算法有效。     

基于混合遗传算法的多目标问题规划

遗传算法在问题优化中的应用已有了许多研究，但对于大型多目标规划问题而言，由于其问题特性和计算量大而限制了遗传算法的应用。为探索新的问题求解方法，提出了一种基于遗传算法和梯度算法的问题优化混合算法。用梯度法每次迭代得到的结果来改进遗传算法的群体，而用遗传算法的最优个体与梯度算法的迭代解相比较，选择其中的最优点作为梯度法下一步迭代的初始点。通过保持迭代过程的最优解，加快了搜索速度，并保证收敛于全局最优解。算例表明该方法兼具遗传算法的全局搜索能力和梯度算法的局部搜索的特点，且具有良好的工程适应性。     

基于遗传算法的花卉图案创新设计

通过对花卉装饰图案的分析和概括,抽象出所需的纹样,利用遗传算法来生成纹样,以此构造丰富多彩的纹样库.然后通过对装饰图案的结构分析,对纹样库中的各种纹样进行选取及组装,产生各种各样风格不同的装饰图案,并可根据实际需要进行人工修改.实验证明,该方法能够增强装饰图案的创新性.     

遗传算法在层次化验证平台中的应用

在当前SOC验证领域中,如何提高验证平台的可靠性和效率是一个迫切需要解决的问题。传统的向量产生方法存在着效率低、覆盖率不高等缺陷。本文介绍了一种基于遗传算法的随机向量产生器。它结合覆盖率驱动技术,能够自动搜索适合于待测模块的测试激励。与传统的向量生成方法相比,基于遗传算法的产生器极大地提高了验证效率,并且减轻了验证工程师的工作,缩短了芯片上市的时间。     

遗传算法在优化设计宽频微带天线中的应用

将遗传算法与FDTD法结合优化设计出了一种宽频微带天线.文中简要讨论了遗传算法的操作过程,并介绍了减少遗传算法与FDTD法结合优化微带天线计算量的方法.与初始矩形微带天线相比,优化后天线的阻抗带宽增加了三倍多.     

遗传算法在CDMA网络基站分布规划中的应用

CDMA网络的基站分布规划属于多目标组合优化问题，为此在遗传算法的基础上提出了一种基于成本控制的CDMA网络基站分布规划算法。该算法综合考虑了在CDAM网络规划实际工程中的多种规划目标和要求，能够找到符合CDMA网络建设需要的基站分布方案。     

改进的遗传算法及其在测试数据自动生成中的应用

传统遗传算法在测试数据生成方面是一种实用的算法,但是其自身存在局限性,如过早收敛、优化效率低等。本文对遗传算法的自改进、与其他智能优化算法的混合改进方法以及改进后的算法在测试数据自动生成方面的能力的国内外研究现状进行了系统的研究与讨论,最后分析了相关算法改进的实质。