函数优化的遗传算法

遗传算法是一种有效的模拟进化算法,针对不同问题,编码方式多种多样。针对函数优化问题,阐述了不同的编码方式及遗传操作,在Matlab环境中用遗传算法实现求解函数优化问题。     

关于函数优化遗传算法的研究

遗传算法是一种有效的模拟进化算法，针对不同问题，编码方式多种多样，本文就函数优化问题，阐述了不同的编码方式及遗传操作。     

基于VB的遗传算法在多峰函数全局优化中的应用

以多峰二元函数为例,合理选择编码方式,采用排序选择结合精英保留策略的遗传算法,解决多峰二元函数全局优化的问题。并采用VB语言编程实现该遗传算法,生成可视化界面,便于观察每一代的进化过程,为遗传算法解决多峰二元函数全局优化问题提供了一种有效的方法。     

基于遗传算法的染色体编码的分析

遗传算法为解决复杂问题,特别是NP类问题提供了一种全新的思路,其编码方式也将在一定程度上决定算法效率的高低和程序设计的复杂程度。需要针对想要解决问题类型的不同而采取不同的编码方式。     

遗传算法在函数优化中的应用

遗传算法是目前广泛应用的一种随机搜索全局优化算法.函数优化是遗传算法的经典应用领域.文章分析了遗传算法的运行机理,利用Matlab优化工具箱,以具有代表的多峰函数为例,实现了用遗传算法求解多维变量的函数优化问题.结果显示其计算效率高,收敛速度快.     

函数优化的遗传算法代码实现

函数优化是遗传算法的经典应用领域,也是遗传算法进行性能评价的常用算例。对于一些非线性、多模型、多目标的函数优化问题,用其它优化方法较难求解,而用遗传算法则可以方便地得到较好的结果。用Matlab实现了函数优化的遗传算法源程序,该源程序可以直接运行。     

改进遗传算法在电力系统无功优化中的应用

将遗传算法用于电力系统无功优化,并对传统遗传算法的编码方式、遗传操作算子、交叉和变异概率以及迭代终止判据等方面进行了改进,同时使用本文的算法对IEEE6及IEEE14节点系统进行了无功优化计算,结果表明改进后的遗传算法合理可行。     

遗传算法优化BP神经网络的非线性函数拟合研究

传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度.     

自适应Memetic算法

在处理多峰函数的优化问题时,遗传算法局部搜索能力差,并且容易早熟。针对这种问题,将遗传算法与多种局部搜索算法相结合,形成多种Memetic算法。通过进行数值优化实验,发现算法的优化效率有所提高,但是局部搜索算法的不同对优化性能影响很大。为解决这种问题,在传统Memetic算法的基础上提出了一种使每代个体根据局部搜索算法的搜索效率自适应选取局部搜索算法的Memetic算法,即基于离散度的自适应Memetic算法。通过测试函数测试,这种算法具有更高的效率和更强的通用性。     

一种基于评价函数的三维矩形布局遗传算法

针对三维矩形布局问题,提出一种基于评价函数的布局遗传算法.该算法根据布局已知条件建立定序和定位评价函数,然后通过对评价函数值的比较确定布局的定序和定位规则;最后采用遗传算法优化定序和定位规则的参数.算例测试结果表明,该算法具有良好的计算效果.     

基于质点模型的多智能体遗传算法

针对传统遗传算法优化高维函数效率不高的问题,借鉴质点间相互作用机制,提出了一种基于质点模型的多智能体遗传算法。基本思想是：定义质点的质量表示智能体的历史活动信息及具有的能量,通过质点间引力作用的特点,不断提高智能体的自学习能力和自身的能量。该算法具有较高的优化效率,特别适合高维函数的优化。     

基于SAGACIA优化方法的模糊子集优化研究

模糊子集参数是模糊控制的重要参数之一。针对模糊子集参数获得的盲目性,用SAGACIA优化方法对其进行优化;并且对模糊子集参数编码方式进行了改进,既保证了模糊子集隶属函数的完备性,又保证了其语义性。     

量子遗传算法在公交车辆调度中的应用

针对公交车辆调度的运行环境以及其现状,考虑到信号灯周期对乘客等车时间的影响,同时为了保证公交公司与乘客的两者利益,建立了公交车辆优化调度模型。针对拒绝策略容易产生效率低的问题,采用惩罚策略设计出一种新的适应度函数。基于基本遗传算法存在早熟收敛和易陷入局部最优解等问题,本文采用量子遗传算法来解决组合问题。研究结果表明,该方法能够有效地解决公交车辆运营优化调度的组合问题。     

基于遗传算法的七自由度机器人轨迹规划

针对七自由度串联机器人Robai Cyton Gamma 300轨迹规划问题,采用改进遗传算法规划机器人各关节的运动轨迹。利用D-H表示法建立起机器人末端执行器的位姿与参考坐标系之间的齐次变换矩阵,采用遗传算法优化BP神经网络求解机器人的运动学求逆解。利用5次B样条曲线在关节空间构造机器人各关节随时间变化的运动轨迹。在满足运动学约束条件下,对传统遗传算法在编码方式、遗传算子、交叉概率和变异概率等方面进行改进,对机器人各关节运动轨迹进行时间最优规划。运用Matlab对研究进行了仿真实验。结果表明,经改进遗传算法优化后的机器人运动轨迹时间明显缩短,各关节的角速度、加速度和加加速度曲线连续无突变,从而验证了该方法的有效性。     

云计算环境下基于遗传蚁群算法的任务调度

研究了云计算环境下的任务调度问题,通过构造云计算环境下的任务调度模型,提出了一种混合调度算法,该算法是蚁群算法与遗传算法的有机融合。其中的遗传算法采用间接编码方式,结合由遗传算法衍生出的优化解,对蚁群信息素的分布进行初始化处理,使遗传算法的快速搜索能力得到充分利用,并通过克服蚁群算法的起始信息素不足问题,加快了求解速度。云计算环境下的仿真实验结果表明,该混合算法是一种行之有效的任务调度算法。     

基于改进遗传算法的GSM基站选址问题研究

本文首先对于罚函数遗传算法构造了合适的适应度计算方式,其次将适当的修补算子加入修补遗传算法中,保证修补的随机性和有效性;然后在两者的交叉、变异操作之后都加入进化突变算子,增强了他们的局部搜索能力;最后针对不同规模的基站选址问题,分别采用加入进化突变前后的罚函数遗传算法和修补遗传算法进行仿真,结果验证加入进化突变的修补遗传算法在求解大规模的基站选址问题时效率最高。     

一种改进实数编码遗传算法及其在阵列天线方向图综合中的应用

提出了一种改进的实数编码遗传算法。该算法在遗传过程中使用不同的目标函数来优化不同的参数。在遗传过程初期，每一代遗传过程中使用相对简单的目标函数分别针对不同参数独立进行优化；而在遗传过程后期，使用适当的权函数将不同的优化参数组合起来，从而得到最佳的优化结果。计算机仿真表明，将这种算法应用于阵列天线方向图的综合中，具有高效、可靠的优势。     

一种求解有约束优化问题的遗传算法

遗传算法是模拟生物进化机制新发展起来的一种搜索和优化方法，它是基于自然进化机制并且在寻找目标函数或在目标函数附近解决优化问题。遗传算法已在有约束优化问题领域得到应用，并显示出良好的发展前景。本文介绍了一种有约束优化问题的混合遗传算法，并通过实例验证了此方法是可行的和有效的。     

永磁直线同步电动机优化设计及算法比较

针对永磁直线同步电动机设计的问题，提出了以单位体积的最大推力为目标函数并建立了相应的数学模型，然后将遗传算法和随机搜索法分别应用于永磁直线同步电动机优化设计中。优化结果表明，用单位体积最大推力作为永磁直线同步电动机的优化目标函数是可取的。合理使用两种算法可得到满意的优化结果。     

量子遗传算法求解度约束最小生成树

度约束最小生成树问题属于NP完全问题,但在现实中具有非常重要的应用价值.针对度约束最小生成树问题,采用量子遗传算法来求解该问题.并对基本的量子遗传算法进行改进.针对度约束最小生成树问题的特征,设计了一种新的量子编码方式,保证算法获得可行解;并与深度优先搜索的思想结合,保证得到树的连通性;通过数值试验验证新算法的可行性,并与其他算法进行比较.取得了良好的效果.