混沌遗传算法对BP神经网络的改进研究

BP神经网络算法是目前应用最广泛的一种神经网络算法,但有收敛速度慢和易陷入局部极小值等缺陷.本文利用混沌遗传算法(CGA)具有混沌运动遍历性、遗传算法反演性的特性来改进BP神经网络算法.该算法的基本思想是用混沌遗传算法对BP神经网络算法的初始权值和初始阈值进行优化.把混沌变量加入遗传算法中,提高遗传算法的全局搜索能力和收敛速度;用混沌遗传算法优化后得到的最优解作为BP神经网络算法的初始权值和阈值.通过实验观察,改进后的结果与普通的BP神经网络算法的结果相比,具有更高的准确率.     

探井布局问题的遗传算法

首先建立探井布局问题的数学模型 .其次基于所建立的数学模型 ,给出了求解探井布局问题的遗传算法 ,并就一个具体问题进行了计算 .计算结果表明 ,用遗传算法求解探井布局问题耗时少 ,适应性好 ,且对于处理大规模的探井布局问题十分有效 .     

基于变长度染色体混沌遗传算法的专用交通道优化

大型运动会要求主办方在规定时间内将相关人员从运动员村运送至指定比赛场馆.基于大城市日趋严重的交通拥堵,为满足运送时间的要求,通常在城市公共交通网络中设置专用交通道.但专用交通道的设置会对城市公共交通产生影响,最小化其对城市公共交通影响是专用交通道优化问题的关键.针对此类问题,在给出了改进的混合整数规划模型的基础上,提出了基于问题特性的变长度染色体混沌遗传算法,包括变长度染色体编码、混沌个体初始化、交叉操作、变异操作、适应度函数的计算和不可行解的惩罚、修复策略等.最后,以经典算例和随机生成算例对算法有效性进行了验证.     

不同超混沌系统的最优同步

在参数未知的情况下,通过设计最优控制器和参数自适应律实现了新的四维混沌系统与超混沌吕系统的同步.接着根据Lyapunov稳定性原理和Hamilton-Jacobi-Bellman方程,选取Lyapunov函数和合适的性能指标函数从理论上证明这种方法的有效性.理论证明结果表明所设计的控制器能使性能指标函数取得最小值,是最优的.最后又通过matlab软件对同步系统进行数值仿真,仿真结果显示驱动系统与响应系统能够很好地达到了同步,表明方法是可行有效的.     

一种混沌多相伪随机序列

提出了一种混沌多相伪随机序列生成方法，推导出通过Logistic映射产生独立同分布多相序列的充分条件，即根据混沌轨迹的概率密度分布把混沌吸引子划分为2n个区域，对混沌轨迹进行采样间隔为n的采样，对照轨道点所处位置与相应的序列元素之间的映射关系，可以得到独立、均匀分布的2n相伪随机序列。数值统计分析支持以上研究结果并表明该序列具有较高的复杂度。此外文中给出了该序列生成的快速算法和一般表达式。该序列可用于信息安全、扩频通信等众多领域。      

一种基于局部搜索算子的遗传算法

为了提高遗传算法的收敛速度及局部搜索能力,设计了一种基于优良模式的局部搜索算子.同时对传统免疫算法中基于浓度的选择算子进行了改进,设计了一种基于适应度值和浓度的混合选择算子,从而有效的阻止了算法出现"早熟"现象.进一步给出了算法的步骤,并利用有限马尔可夫链证明了该算法的收敛性,最后通过对四个经典测试算法性能的函数的数字仿真,说明该算法对多峰值函数优化问题明显优于基本遗传算法.     

一种改进的混沌序列产生方法

根据灰度图像的二维直方图的特点,在已有的二维Arnold混沌系统的基础上,结合Bernstein形式的Bézier曲线的生成算法,给出了一种基于生成Bézier曲线的de Casteljau算法构造伪随机序列的方法,实验结果表明生成的二维序列不仅具有伪随机性,而且还具有在近似圆盘中随机分布的性质,这使得该伪随机序列更适合对灰度图像的二维灰度直方图进行基于混沌优化的图像分割.在此基础上,给出了一种基于混沌优化的二维最大熵的灰度图像分割算法,该算法对于含噪图像取得了良好的分割效果.     

基于混沌序列的密钥生成新方法

设计了一种从混沌序列生成密钥的新方法.其基本原理是从混沌序列依次取若干数据构成实值序列,将其按非线性规则映射成二值序列,再用实值序列和任意指定序列分别置乱这个二值序列,被置乱后的二值序列即为所生成密钥.实验表明,在混沌密码体制研究中,这种密钥较一般序列密钥更具有独立性、均匀性和不可预测性.     

Laurent级数空间上混沌的移位算子

设E_β~2(H_β~2)表示Laurent级数空间(分别地,幂级数空间).定义一个作用在E_β~2(H_β~2)上的算子:T_zf(z)=zf(z)(T_zf(z)=(f(z)-f(0))/z),称之为双边前移位算子(单边后移位算子).主要讨论的是Laurent级数(幂级数)空间上移位算子T_z作用的复杂行为,得到了算子T_z拓扑传递性的一个刻画,并给出T_z具有Devaney混沌性的一个充分条件.     

遗传算子的代数形式和概率特征

采用矩阵形式表示遗传操作过程,可为设计遗传算法程序提供简单的数学模型,遗传操作的概率特征,揭示了遗传优化过程中的作用及相互关系。     

改进的多目标规划遗传算法

本讨论了[1]中多目标规划遗传算法存在的缺陷，并提出了相应改进策略．这些策略包括：引进精粹策略，杂交限制，终止条件，个体表示改进等方面，利用这些策略使算法能克服终止准则和小生境聚集的缺陷，使得算法能更快的收敛到Pareto最优解集同时又有好有分布的Pareto最优解集．     

作业车间调度问题的改进混合遗传算法

作业车间调度是一类求解困难的组合优化问题,本文在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法相结合,提出了一种基于遗传和禁忌搜索的混合算法,并用实例对该算法进行了仿真研究.结果表明,该算法有很好的收敛精度,是可行的,与传统的算法相比较,有明显的优越性.     

用遗传算法拟合电力系统负荷短期预测的非线性模型

本文运用遗传算法，根据河北省１９８５—１９９０年春节期间每小时用电量的统计数字，建立了非线性回归模型（Ｇｏｍｐｅｒｔｄｚ），结果表明，遗传算法性能良好，可望成为电力系统各种非线性模型辨识的有效手段。     

一类混合遗传算法的收敛性研究

针对遗传算法的有效性一般是通过数值实验来说明这一问题,本文在三个假设的条件下给出了一类混合遗传算法依概率收敛的证明,而且得到了在此算法的框架下通过改变子种群Ⅱ的变异算子而不改变依概率收敛特性的结论.     

Genetic Algorithm based technique for solving Chance Constrained Problems

Management and measurement of risk is an important issue in almost all areas that require decisions to be made under uncertain information. Chance Constrained Programming (CCP) have been used for modelling and analysis of risks in a number of application domains. However, the resulting mathematical problems are non-trivial to represent using algebraic modelling languages and pose significant computational challenges due to their non-linear, non-convex, and the stochastic nature. We develop and implement C++ classes to represent such CCP problems. We propose a framework consisting of Genetic Algorithm and Monte Carlo Simulation in order to process the problems. The non-linear and non-convex nature of the CCP problems are processed using Genetic Algorithm, whereas the stochastic nature is addressed through Simulation. The computational investigations have shown that the framework can efficiently represent and obtain good solutions for seven test problems.     

模糊反向物流网络设计模型的一种改进遗传算法

反向物流是物流研究中的一个重要分支,其相关问题是目前研究的热点问题。该研究在模糊环境中根据不同的决策标准,建立了关于反向物流问题中的回收问题的三种不同类型的模型:期望值模型,机会约束模型和相关机会模型,并设计了一个模糊模拟和遗传算法相结合的混合智能算法来解决提出的模型,最后给出了一个数值例子,结果证明了将此混合智能算法用于求解模糊反向物流网络设计模型问题的有效性。     

分式规划模糊投资组合模型的遗传算法求解

将预期收益率表示为模糊数,以E-SV风险测度为基础给出了组合证券投资决策的效用函数,并建立了基于分式规划的模糊投资组合选择模型,考虑到模型求解的复杂性,我们利用遗传算法构造罚函数对模型进行了求解,并通过实例,验证了该模型解法的可行性和有效性.     

多目标最优化的一种积分型实现算法

在文[1]中给出了求解多目标最优化的一种积分总极值的概念性算法．本文利用数论中的一致分布佳点集列，较为简便的得出了多目标最优化的积分总极值的实现算法和算法终止准则．并经过有关函数数值计算表明该算法是有效的，可用来求解多目标最优化问题的有效解．     

The solution of unconfined seepage problem using Natural Element Method (NEM) coupled with Genetic Algorithm (GA)

Phreatic line detection is a major challenge in seepage problems which should be solved by iterative solving procedures. In conventional methods such as finite element method (FEM), an updating mesh is needed in each iteration where the qualities of the mesh and the nodal connectivity have significant impact on the results. The main aim of this study is to use a method not to be sensitive to mesh generation.