实数编码遗传算法的改进研究

畜禽饲养对饲料养分的需求越来越高,饲料配方需要处理的原料种类不断扩大,配方算法需要处理的数据非常巨大,因此对传统遗传算法的计算效率提出更高的挑战和要求。文中分析了基于实数编码的遗传算法在种群初始化和交叉、变异操作过程中存在的缺陷,在此基础上,提出了基于经验值引导和及时检查修正联合作用的算法优化改进措施,并以特定猪饲料配方为例,通过仿真实验,验证了改进后的遗传算法在执行效率和解的质量两方面都有显著提升。     

基于多种群遗传算法的网络编码链路优化

网络编码技术在改变了传统的路由网络只进行存储和转发的功能的基础上,有效地提升了网络的传输性能.但编码的引入带来了CPU计算负担加重、缓存消耗增大等问题,为了减少或克服额外开销.本文提出了在代数网络编码基础上的网络编码链路优化模型.在此模型上,给出了一种基于改进的遗传算法的最小化编码节点的算法(Multi-Population Genetic Algorithm). MPGA在标准遗传算法SGA的基础上进行了一定修改,有效的降低了算法寻优时间,避免了遗传算法的局部收敛问题.通过仿真模拟,MPGA算法较SGA算法找到的需要编码的网络节点的数目更少,且找到最优解的运行时间也更少,速度更快.     

一种基于混合编码的遗传算法

文章提出了一种混合编码的遗传算法。该算法有机地将二进制编码和浮点数编码结合起来 ,并针对不同的编码方法设计相应的交叉、变异算子。混合编码方法既有二进制编码全局搜索能力强、简单、易操作的优点 ,又具有浮点数编码局部搜索能力强、精度高、稳定性好、运算速度快的优点。使算法不易陷入早熟收敛且局部搜索能力强 ,收敛速度快。文章对一系列典型函数进行了优化计算 ,试验结果证实了这种混合编码遗传算法的有效性和优越性强     

最优子种群实数编码的遗传算法

提出了最优子种群实数编码遗传算法理论,通过从种群中选出适应值最高的若干数量的个体,组成该代最优子种群,将最优子种群中的个体与种群中其他个体进行交叉变异,最优子种群中的个体间也进行交叉变异,从而产生新的种群。该遗传算法使得遗传过程中落入局部最优解几乎不可能,对于多极值问题也非常有效,收敛速度也非常快。     

改进遗传算法在电力系统无功优化中的应用

针对电力系统无功优化问题,采用遗传算法是一种有效的全局化概率搜索算法。为了降低系统损耗,保证无功电力在规定范围内,从实数编码入手,利用二进制编码染色体杂交前后两对染色体之和不变,且子代的最大值为父代取或的值,最小值为父代取与的值的特点,提出一种基于实数编码的遗传算法。通过对IEEE6节点的实例计算并与其他无功算法进行比较,结果表明,改进的遗传算法能更准确地寻到全局最优解,加快了收敛速度,性能也优于其他算法。     

基于实数编码自适应遗传算法的膜系优化设计

提出一种基于实数编码自适应遗传算法的膜系设计新方法，并将该方法与常用设计方法及传统遗传算法设计结果进行比较．结果表明，在相同设计要求下，用实数编码自适应遗传算法可以得到更加合理的膜系结构．理论和实践均表明该方法是高效、可靠的．     

采用自适应归一化实数编码遗传算法优化鱼眼镜头系统

针对遗传算法(GA)优化超多参量光学系统时鲁棒性 较差的问题,在混入逃逸函数实数编码GA(MERCGA)的基础上,进一步结合参量归一化和自适 应变异概率的措施,提出了自适应归一化 实数编码GA(ANRCGA)。用ANRCGA对鱼眼镜头光学系统案例进行优化设计,并应用 评价函 数和Zemax光线追迹方法对MERCGA和ANRCGA的优化结果作比较。结果表明,应用本文的ANRCG A 比引自专利的参考设计及MERCGA优化得到光学系统的成像质量有明显提高,算法的鲁棒 性和计算效率也到了改善。     

一种基于实数编码遗传算法的常模盲均衡

盲均衡可以看作代价函数优化问题。为了改进经典常模算法的性能,研究了利用实数编码遗传算法的常模盲均衡,把均衡器系数向量作为遗传算法的决策变量,采用轮盘赌选择和精英保留策略相结合的混合选择算子、算术交叉算子和非均匀变异方式,经过一系列的遗传操作,搜索到适应度值最高的个体,即均衡器的最优系数。计算机仿真结果证明了算法具有收敛速率快、能够搜索到全局最优解等特点。     

基于实数编码遗传算法的稀布阵列综合

针对有孔径和阵元总数约束的线性阵列,提出了一种基于实数编码遗传算法的稀布阵列综合方法。算法中每条染色体基因主要由阵元间距和激励幅度共同组成,采用双变量组合优化的方式为阵列性能优化提供了更多的自由度。采用十进制实数量化编码的方式,省去了二进制编码过程中的解码运算,使算法程序更为简洁,效率更高。以降低阵列方向图的峰值旁瓣电平为目标函数,运用提出的改进遗传算法针对几种不同的线性阵列进行优化仿真,在同等约束条件下将该算法与其他改进遗传算法进行了优化对比,结果表明该算法表现更为出色。     

基于遗传算法优化BP神经网络的风电功率预测

随着大量风电开始并入电网,风电场输出功率预测对接入大量风电的电力系统的运行有重要意义。针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度不高等问题,提出利用遗传算法对神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测,研究表明预测精度有一定程度的提高。     

An Improved Grasshopper Optimization Algorithm for Global Optimization

We proposes an improved grasshopper algorithm for global optimization problems. Grasshopper optimization algorithm (GOA) is a recently proposed meta-heuristic algorithm inspired by the swarming behav-ior of grasshoppers. The original GOA has some drawbacks, such as slow convergence speed, easily falling into local optimum, and so on. To overcome these shortcomings, we proposes a grasshopper optimization algorithm based on a logistic Chaos maps opposition-based learning strategy and cloud model inertia weight (CCGOA). CCGOA is divided into three stages. The chaos opposition learning initialization strategy is used to initialize the population, so that the population can be evenly distributed in the feasible solution space as much as possible, so as to improve the uniformity and diversity of the initial population distribution of the grasshopper algorithm. The inertia weight cloud model is introduced into the grasshopper algorithm, and different inertia weight strategies are used to adjust the convergence speed of the algorithm. Based on the principle of chaotic logistic maps, local depth search is carried out to reduce the probability of falling into local optimum. Fourteen benchmark functions and an engineering example are used for simulation verification. Experimental results show that the proposed CCGOA algorithm has superior performance in determining the optimal solution of the test function problem.     

一种离散隐Markov模型参数的全局优化算法

隐Ｍａｒｋｏｖ模型的参数估计问题,是ＨＭＭ在语音处理应用中的关键问题。经典的Ｂａｕｍ＿Ｗｅｌｃｈ算法是基于最陡梯度下降的局部优化算法。ＨＭＭ模型的质量取决于初始模型的设计。解决这一问题的根本方法在于使算法具有随机性。本文结合随机松弛算法（ＳＲ）的全局搜索能力和Ｂａｕｍ＿Ｗｅｌｃｈ算法的局部优化性能,提出了一种离散隐Ｍａｒｋｏｖ模型参数的全局优化算法。该算法根据ＨＭＭ的参数对Ｐ（Ｏ）／λ的不同影响,     

多维函数全局寻优的团队进步算法

通过模仿团队进步需要的学习、探索行为和成员更新规则，提出了一种新颖的双群体演化算法，称为团队进步算法（TPA）。算法将一个团队的成员分为精英和普通组，建立了两组的学习样板，定义了学习和探索运算，并合理设定了成员更新规则。两组成员在搜索过程中出现了明显分工，使算法兼备了全局搜索、局部搜索和定向搜索的能力。数值试验结果验证了新算法具有实现简单、全局寻优成功率高、收敛快、计算量少、坚韧性强和参数选择相对容易等特性，对解决优化应用问题具有较大的价值。     

VLSI互连线的全局优化算法

介绍了通过同时插入缓冲嚣和优化线宽达到互连线时延最小化的方法。为了同时插入缓冲器、优化缓冲嚣尺寸和优化线宽，可以扩展MASM(改进激活集合法)算法。计算结果表明，该算法非常有效。     

受启发的人工蜂群算法在全局优化问题中的应用

 人工蜂群算法是最近提出的一种较有竞争力的优化技术.然而,它的搜索方程存在着探索能力强而开发能力弱的缺点.针对这一问题,受差分进化算法的启发,提出了一个改进的搜索方程.该搜索方程在最优解附近产生新的候选位置以便提高算法的开发能力.进一步,充分利用和平衡不同搜索方程的探索和开发能力,提出了一个改进的人工蜂群算法(简记为IABC).此外,为了提高算法的全局收敛速度,用反学习的初始化方法产生初始解.通过18个标准测试函数的仿真实验并与其他算法相比较,结果表明IABC算法具有良好的处理复杂数值优化问题的性能.     

基于网络编码的双路径组播树生成算法

 为了将网络编码技术引入到全光组播网络中,提出了能够在多项式时间完成的基于网络编码的双路径组播树生成算法.该算法主要包括两大步骤:首先,从给定的组播网络中根据节点间度平衡的原则为源节点和每个目的节点之间确定一条有向路径,从而建立一棵传统有向树并保证有向树中任意节点的出度尽可能小,减少节点之间的关联性;其次,在所建立的传统有向树的基础上,从每一个目的节点到源节点根据冲突回溯原则建立源节点和每个目的节点之间的第二条路径,并保证源节点到任意目的节点间的两条路径为分离路径.算法中包含的约束原则能够保证所建立的双路径组播树包含最少的编码节点,从而使得所建立的组播树支持光域网络编码高效率实现,实现基于网络编码的全光组播并提升全光组播的性能.     

解决全局优化问题的粒子群进化算法

针对复杂全局优化问题,提出一种粒子群进化算法(PSOEA)。针对粒子群算法容易陷入局部最优等缺点,设计一个新的变异算子,使得粒子能够在整个空间进行搜索,同时保证了算法的收敛性。用概率论的有关知识证明了算法的收敛性。仿真结果表明,对于全局优化问题,算法寻优性能优良,特别是对于超高维优化问题,该算法能获得更高精度的解。     

采用搜索趋化策略的布谷鸟全局优化算法

布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法.单一的莱维飞行随机搜索更新策略存在全局搜索性能不足和寻优精度不高等缺陷.为了解决这一问题,本文提出了一种改进的布谷鸟全局优化算法.该算法的主要特点在于以下三个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡;最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习.对52个典型测试函数实验结果表明,本文算法不仅寻优精度和寻优率显著提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题.本文算法与最新提出的改进的布谷鸟优化算法以及其它智能优化策略相比,其全局搜索性能与寻优精度更具优势,效果更好.