一种带随机选择机制的新型改进粒子群优化算法

标准粒子群优化算法对空间所有区域等概率搜索,降低了算法效率。借鉴遗传算法的思想,本文提出一种带随机选择机制的改进粒子群优化算法。该算法将适应值选择和粒子状态更新方程结合起来,通过赌轮算法选择机制使得粒子在适应值较小的区域尽可能的降低搜索概率,在最优解可能区域尽可能加大搜索强度,从而提高算法搜索效率。通过标准进化计算测试函数测试,实验结果表明对于复杂优化问题该算法优于标准粒子群优化算法和遗传算法。     

一种基于遗传算法的改进PSO优化算法

从理论上分析了粒子群优化算法的收敛性,并针对标准PSO优化算法容易陷入早熟,收敛于局部最优解的问题,提出了一种基于遗传算法的带交叉因子的改进PSO优化算法,该算法通过对典型测试函数的测试,有效地加快了收敛速度和提高了收敛精度,能够有效地跳出局部收敛范围,避免陷入早熟,收敛于全局最优解。     

分布估计算法的模型分析与研究

分布估计算法是在遗传算法基础上发展起来的一类新型进化优化算法.分布估计算法采用概率图模型表示基因变量之间的连锁关系,以构建优良解集的概率分布模型和采样分布模型来实现迭代优化.详细分析分布估计算法的基本原理,对采用不同概率图模型的分布估计算法进行总结和分析,并针对分布估计算法领域的研究现状,提出仍需解决的主要问题.     

基于自适应策略的遗传优化设计

早熟收敛和后期收敛速度慢是标准遗传算法(SGA)的一对主要矛盾,给算法的优化效率造成很大影响,对操作算子及其遗传参数的确定实现自适应是解决该问题的有效方法。作者根据各操作算子及其参数的特征对选择、交叉、变异算子进行基于自适应策略的遗传优化设计,使算法很好地缓解了早熟收敛和后期收敛速度慢的矛盾,从而提高了优化效率。仿真结果表明,基于自适应策略的遗传算法比标准遗传算法具有更高的解精度和优化效率。     

一种基于改进遗传算法的医学图像配准算法

局部优化算法在医学图像配准中存在容易陷入局部极值的问题．本文在分析标准遗传算法的基础上,提出了改进的具有全局优化能力的遗传算法,最后给出了本配准算法的实验结果．     

改进型遗传算法求解TSP问题

旅行商问题(TSP)是一个典型的NP难题,优化TSP求解问题有着重要的意义。遗传算法(GA)是解决这类问题的有效方法之一。标准遗传算法有一定的局限性,该文对遗传算法选择算子改进而引入了精英保留策略,保证选择的质量;在变异操作中采用自适应算法选择变异算子,提高变异质量和算法的搜索效果;在个体进化后再引入单向进化逆转操作,使子代继承亲代优质基因机会提高,提高算法搜索最优解的能力。经过国际公认的TSPLIB的实验数据的验证,优化后的遗传算法搜索最优解能力提高。     

用于测试用例自动生成的遗传算法改进

探讨遗传算法的基本准则及其在软件测试中的应用,在此基础上对遗传算法进行改进。针对基本遗传算法中选择算子、交叉算子、突变算子的不确定性,以及容易陷入局部最优解和停滞的问题,提出SO、SACO、SCAMO算法。对改进的遗传算法和基础遗传算法进行比较。实验结果表明,改进的遗传算法比基础遗传算法自动生成测试用例的时间更短、效率更优。     

基于自适应遗传算法求解装箱问题

针对遗传算法在求解复杂优化问题时收敛速度慢,易陷入局部最优的不足,对标准遗传算法进行改进,将交叉概率和变异概率进行自适应调节,再结合移民策略,提出可自适应调节参数的改进遗传算法,应用该算法对装箱问题进行相应研究。     

基于多目标遗传蚂蚁算法的矢量数据压缩

融合遗传算法和蚂蚁算法,解决了遗传算法由于冗余迭代而导致的压缩效率低和蚂蚁算法由于初信息素匮乏而导致的算法速度慢的缺点.在传统优化算法的基础上引入了多目标的思想,并对蚂蚁算法中信息素进行了改进,将其用于空间数据的矢量数据压缩,在同时满足压缩率高和误差小两个目标时,取得了良好的压缩效果.     

小生境遗传算法在函数优化中的应用

探讨了基于稳态复制策略的二进制小生境遗传算法,并把其应用于复杂函数优化问题中,通过与基于最优保存策略的基本遗传算法进行比较,说明改进算法可以极大克服遗传算法未成熟收敛问题以及极易陷入局部解问题,提高了算法收敛性能和收敛速度。