基于自适应遗传算法的入侵检测方法

提出了一种基于自适应遗传算法的入侵检测方法。该方法采用自适应的适应度函数、交叉概率及变异概率取代固定的适应度函数、交叉概率及变异概率来改进遗传算法并用于入侵检测中。实验结果证明算法显著提高了自身收敛性能,具有很强的自适应能力,用于入侵检测中在保证较高检测率的基础上,对不同类型的攻击检测具有良好的均衡性。     

基于遗传算法的自适应块匹配运动搜索算法

提出了一种应用于视频压缩编码中的基于遗传算法的块匹配运动搜索算法。为了加速搜索进化过程并更好地与具有不确定性的进化过程相匹配,该算法引入了一些新的自适应遗传机制,包括初代个体选择,父代个体选择以及进化结束判决等。这些自适应机制充分利用了视频图像自身的相关性。仿真结果表明,该算法可以实现较为精确的块匹配运动搜索,同时保持较低的运算复杂度。     

自适应遗传算法

自适应遗传算法采用自适应的适应度函数、交叉概率及变异概率代替固定的适应度函数、交叉概率及变异概率,与基本遗传算法相比,结果证明改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力.     

用于心肌细胞边缘检测的Snake算法研究

针对现有Snake算法易受噪声干扰、缺乏外部约束力、不能收敛于凹点等缺陷，提出了采用自适应外约束力、平滑差分滤波和蛇点停止运动的准则来控制Snake的运动。可克服已有Snake算法的缺点，同时编程简单，运算速度快。将其用于活体心肌细胞的边界跟踪，取得了良好的效果。     

一类自适应遗传算法

简要介绍了徐宗本教授新近提出的可分解／可拼接遗传算法编码,并证明了一个得用对偶适应函数判定已知个体是否为相对全局最优解的判据,基于新的编码与判据,分别在种群层次与基因层次发展了动态变异与动态选择操作,进而提出了一类自适应遗传算法,对其原理的分析表明,新算法可用于求解所给问题的任意精度解,且在很大程度上可避免遗传算法早熟现象,此工作是对模拟演化自适应计算技术的有效探索。     

遗传算法的自适应机制

遗传算法起源于生物学的相关理论,主要是达尔文的自然学说和孟德尔的遗传学说。Holand教授开创了遗传算法,是启发于大自然复杂而又精确缜密的生物系统。论文首先提出遗传算法是最优化问题的有效算法,并且是对自然进化机制的模仿。通过对自然环境的自适应机制进行推理,种群是如何逐渐适应所在的环境,并阐述了遗传算法是如何借鉴这一过程的。最后解释了遗传算法的构建,让初学者快速地理解遗传算法的机理。     

广义自适应遗传算法

本文在分析基本遗传算法的原理与存在问题的基础上,提出了一种广义自适应遗传算法。它的搜索性和全局收敛性都有明显的改善,并通过仿真说明了该改进遗传算法的有效性。     

采用SIMULINK仿真遗传算法矢量控制系统

文章介绍了一种基于SIMULINK的异步电机按转子磁场定向的矢量控制系统仿真模型,采用遗传算法对系统中转速调节器的参数进行优化设计,验证了模型的正确性和SIMULINK作为仿真工具的有效性,表明采用遗传算法调节器参数寻优的矢量控制系统较常规调节器构成的系统具有更好的动、静态性能     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

模糊遗传算法的自适应PID控制器

针对遗传算法运算速度慢不利于实时控制现象,提出一种基于模糊推理的遗传算法,并将其应用于自适应PID控制器上．仿真实验表明,该算法具有较好的寻优能力,能满足实时控制的要求。     

一种改进的自适应遗传算法

在对自适应遗传算法中选择、交叉、变异算子作用分析的基础上,提出一种新的自适应遗传算法,新算法基于实数编码机制,选择操作采用精英选择与轮盘赌相结合,变异和交叉操作采取根据适应度自适应地非线性调整变异和交叉概率的策略,同时提出进化的后期采取先变异后交叉的操作次序.仿真实验表明,新算法有效防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力.     

基于改进Boosting算法的夜间运动车辆检测

针对夜间交通场景中运动车辆目标提取及实时检测困难的问题,引入改进的Boosting模糊分类算法,提出了一种新的基于车头灯的夜间运动车辆检测方法.通过SIFT算法和融合多特征的方法精确提取夜间运动车辆车头灯特征,利用遗传算法优化Boosting模糊分类算法,并以加权投票方式对提取的车头灯特征进行分类判别,最后结合车头灯空间、运动信息及灯光颜色信息进行同车车头灯配对分组,实现夜间运动车辆的实时检测.实验表明,该方法在夜间交通环境中具有良好的实时检测效果和较高鲁棒性.     

Optimization of Adaptive Transit Signal Priority Using Parallel Genetic Algorithm

Optimization of adaptive traffic signal timing is one of the most complex problems in traffic control systems. This paper presents an adaptive transit signal priority (TSP) strategy that applies the parallel genetic algorithm (PGA) to optimize adaptive traffic signal control in the presence of TSP. The method can optimize the phase plan, cycle length, and green splits at isolated intersections with consideration for the performance of both the transit and the general vehicles. A VISSIM (VISual SIMulation) simulation testbed was developed to evaluate the performance of the proposed PGA-based adaptive traffic signal control with TSP. The simulation results show that the PGA-based optimizer for adaptive TSP outperformed the fully actuated NEMA control in all test cases. The results also show that the PGA-based optimizer can produce TSP timing plans that benefit the transit vehicles while minimizing the impact of TSP on the general vehicles.     

GA优化支持向量机用于混沌时间序列预测

介绍了利用支持向量机与重构相空间理论预测混沌时间序列的方法，并以股价时间序列为样本，比较了几种常用核函数的预测能力，实验表明高斯核的预测能力明显好于其它核．使用遗传算法优化了高斯核支持向量机的参数，优化后其预测能力较经验定参方法有明显提高，且好于传统的预测方法．     

基于小生境遗传算法的支持向量机分类器参数优化

该文在建立支持向量机分类器分类性能评价函数基础上,分析了支持向量机参数对分类性能的影响,提出了一种基于共享函数小生境遗传算法的支持向量机分类器参数优化方法.该方法利用支持向量机分类性能评价函数评价支持向量机的分类性能,评价函数的倒数作为适应度值,每两个个体之间的海明距离作为共享函数,实现小生境遗传算法.将该文提出的方法应用于5个由Gunna Ratsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM分类器具有较高的识别率和较简单的结构.     

一种参数自调整多种群遗传算法

在借鉴海明距离、爬山法思想的基础上 ,提出了通过划分种群 ,采用不同的自适应参数 ,在保持快速收敛于最优的同时不失种群的多样性 .新方法提高了搜索精度 ,较好地克服了未成熟收敛现象 ,并通过多元多峰数学函数对新方法和基本遗传算法进行比较评估 ,验证了新方法具有较满意的优化效果 .     

一维下料问题的改进自适应遗传算法

提出采用改进的自适应遗传算法与求解此类问题的一般算法——BFD算法相混合，构成一种改进的自适应混合遗传算法(MAHGA)．并将其与另一种新的求解此类问题的EPFF算法进行了精度、速度等方面的比较．结果表明，本文方法可以取得较为满意的效果．文章最后给出了一个实例．     

自适应基因算法在环境优化问题中的应用

探讨了基因算法的原理及本身参数优化特性，总结参数的简便设置技术，并针对该法的寻优效果明显依赖于模型参数的初始变化区间的大小，及可能会出现过早收敛的问题，提出了自适应加速基因算法，实例应用结果表明，该法具有直观、简便、快速，适用性强等特点，可广泛应用于各种优化问题中。