基于浮点数编码的信息熵控制多种群遗传算法

在用准精确惩罚函数处理约束优化问题的基础上，提出一种基于浮点数编码机制的信息熵控制多种群遗传算法。通过在遗传设计中定义一个新的概率而引入信息熵概念，构造出一个信息熵优化模型。该模型不必完全求解，即可容易求出作为概率的拉格朗日乘子，得出空间收缩概率，控制各种群中解空间的收缩。信息熵的介入可使优化过程更加平稳，收敛更快。同时，该算法给出了一种科学而有效的遗传设计收敛判据。实例证明该文算法在求解约束优化问题时快速、有效。     

基于自适应遗传算法的CMOS运算放大器的优化设计

介绍一种CMOS运算放大器的优化设计方法,该方法利用准精确惩罚函数法构造出价格函数,并且采用自适应遗传算法来获得全局最优解.实验结果表明:此方法可以快速设计出满足性能指标的CMOS运算放大器.     

一种基于能量准则的结构遗传设计方法

提出一种基于能量准则的结构遗传设计方法,针对有位移及应力约束的桁架结构。引入准精确惩罚函数来处理约束,应用应变能密度准则,以应变能密度最大作为目标函数来构造适应值函数,并分别与质量最轻为目标函数和应用传统惩罚函数方法的遗传设计结果进行了比较。     

基于信息熵的量子免疫遗传算法

针对目前的量子进化算法在高维函数优化时容易陷入局部最优,利用信息熵的概念,将量子进化算法和免疫遗传算法进行改进与融合,提出一种基于信息熵的量子免疫遗传算法.该方法对抗体采用相位编码,用信息熵准确地度量量子比特的不确定信息;提出了一种按变量的种群熵降序排列的邻域搜索策略;对于抗体之间的相似度,给出了一种按个体熵相同变量位数的度量方法;用繁殖概率对抗体的多样性进行评价,并分别以函数优化问题和VRPSDP问题进行了仿真验证.研究结果表明:该算法收敛速度快,求解精度高.     

一种新的自适应惩罚函数在遗传算法中的应用

惩罚函数是遗传算法中解决非线性约束最优化问题最常用的方法之一.但传统的惩罚函数运用到遗传算法中往往难以控制惩罚因子,因此本文引进了一种结构简单、通用性强的新自适应惩罚函数,并证明了其收敛性.随后构建了基于新自适应惩罚函数的遗传算法,使得种群能快速进入可行域,并且提高了遗传算法的局部搜索能力.理论分析及仿真结果表明该算法具有参数少、稳定性强、收敛快等优点.     

一种基于免疫思想的混合式遗传算法

基于生命科学中的免疫思想,在解决遗传算法中的约束问题时,将处理约束问题的两个关键方法(惩罚函数法和修补算法)有机的结合起来,并用于解决一类典型的约束问题--背包问题.其仿真结果表明,对于约束问题的求解,该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高.     

一种基于免疫思想的混合式遗传算法

基于生命科学中的免疫思想，在解决遗传算法中的约束问题时，将处理约束问题的两个关键方法（惩罚函数和修补算法）有机的结合起来，并用于解决一类典型的约束问题--背色问题。其仿真结果表明，对于约束问题的求解，该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高。     

一种改进的多种群遗传算法

提出了一种基于物种方程和Kriging算子的多种群遗传算法.该算法中,将物种方程中的参数作为设计变量进行实数编码,物种方程作为一种修正的算术交叉算子参与遗传操作;同时,加入Kriging算子和移民算子,增强算法寻优能力,加快收敛.数学算例表明,改进的算法在计算效率和精度上都有明显的提高.     

一种改进的多种群遗传算法

提出了一种基于物种方程和Kriging算子的多种群遗传算法。该算法中,将物种方程中的参数作为设计变量进行实数编码,物种方程作为一种修正的算术交叉算子参与遗传操作;同时,加入Kriging算子和移民算子,增强算法寻优能力,加快收敛。数学算例表明,改进的算法在计算效率和精度上都有明显的提高。     

遗传算法及其在信息熵优化中的应用

为解决在信息熵优化中需要通过求解复杂的非线性积分方程组才能获得一定概率分布的问题,首先分析了常用的Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ法的２点缺陷,然后以求解最大信息熵分布为例,将一类新颖的智能优化技术－－遗传算法应用到信息熵优化领域中,避免了方程组的直接求解,计算结果表明,该方法易一,具有良好的稳定性,从而为信息熵优化提供了一种新方法。     

一种用于氧化铝生料浆优化调配的改进遗传算法

为解决烧结法氧化铝生料浆调配过程中评判指标复杂、计算劳动强度大、难以获取最优调配组合，造成料浆成分波动大等问题，以物料平衡为基础，结合生产运行经验，建立综合考虑生料浆质量指标要求、当前满槽质量指标和调配后剩余各槽质量指标的生料浆调配过程优化模型；针对优化模型中存在的多目标、非线性和多约束特点，提出一种根据适应度函数自动调整交叉概率和变异概率的改进遗传算法，并结合惩罚策略求解最优调配方案。该方法与传统的枚举递归寻优算法相比，减小了时间复杂度，总能保证在1min内快速求得最优调配方案。工业应用结果表明，该算法满足现场调配工艺要求，可大幅度减轻计算劳动强度，减少生料浆质量指标的波动，使熟料指标碱比、铝硅比的平均合格率分别提高0．34％和5．95％，为后续生产的稳定发挥了重要作用。     

遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

基于信息论和免疫遗传算法学习贝叶斯网络结构

提出一种新的实现贝叶斯网络(BN)结构学习的方法,即由信息论和免疫遗传算法相结合构造最优贝叶斯网络结构.首先,通过信息论迅速搜索较为可能的网络空间,构造一个候选网络,然后用免疫遗传算法进行网络精简,得到一个最优的网络结构.不仅可降低计算复杂度,提高贝叶斯网络结构学习的效率,而且避免了传统启发式算法易陷入局部最优解的问题.实例计算证明了其可行性.     

开放的车辆路线安排问题的模型与遗传算法

本文主要针对开放的车辆路线安排问题,建立了以车流为基础的数学模型。在模型中利用罚函数法来化简约束条件,并设计了基于自然数编码的遗传算法。最后给出一个简单的算例来说明该模型及算法的应用。     

一种基于分层模糊控制的免疫遗传优化算法

针对标准遗传算法的不足,借鉴生物免疫机理和人脑模糊思维功能提出一种新的基于分层模糊控制的免疫遗传算法.该算法利用免疫系统独特性网络学说,改进标准遗传算法选择算子,提高了种群多样性;同时从环境、种群、个体和基因角度,全面分析算法寻优性能和各种进化参数的启发式模糊关系,采用模糊推理动态调整交叉率、交叉位置和变异率,减小了标准遗传操作的随机性.实验结果表明,新算法不仅可有效克服标准遗传算法的缺陷,而且收敛速度、计算精度和算法稳定性也得到明显提高.     

基于多群体遗传算法的汉字识别系统设计

文章设计了一种基于粗糙集理论的手写体汉字识别决策系统,依据并行遗传算法在处理大型数据库上的特有优势,将信息熵理论作为粗糙集不确定性的度量,给出一种约简冗余条件属性求解决策信息系统约简集的多群体并行遗传算法;并提出了一种基于规则置信度的手写体汉字识别规则融合算法,提高识别准确率,对SCUT_IRAC手写体汉字库中手写体汉字进行识别实验,结果证明,该系统具有较强的手写体汉字识别能力。     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

生物信息处理系统--遗传算法探讨

分析了遗传算法中改进后的分层和混合遗传算法,并针对遗传算法中仍然面临着的主要问题提出和分析了免疫遗传算法,阐述了免疫遗传算法的实现过程.预见了未来遗传算法与其他信息处理系统的融合,未来的遗传算法将从生物信息处理系统的其它角度来进行研究,应用于更广泛的学科领域.     

免疫算法与遗传算法比较

在介绍免疫算法与遗传算法概念的基础上，阐明了二的不同特点，并通过仿真实验表明了它们之间在功能和应用方面的区别。