基于BFGS的混合遗传算法在模糊神经网络识别中的应用

针对传统的BP或GA对模糊神经网络的识别应用存在收敛容易陷入局部极小、识别率低下等问题,提出一种基于BFGS的混合遗传算法。其基本思想为:首先构造一种前馈型模糊神经网络结构,然后用遗传算法进化若干代后,当目标函数的梯度或者范数小于预先设定值ξ,则改用BFGS算法进行优化识别。仿真实验表明,对比GA该算法收敛速度较快,识别精度提高了约7%,能够较好地应用于一类模糊神经网络的识别。     

一种改进的遗传进化算法及其应用

基本遗传算法适应度及遗传算子设计简单,求解复杂优化问题易于早熟,收敛速度慢等缺点.基于遗传算法基本框架,设计新的适应度函数,减少遗传算法中的交叉算子,改进其变异方式,提出一种改进的遗传进化算法.     

基于多次变异的遗传算法

对基本遗传算法(SGA)的变异算子进行了改进,通过多次变异,既增加了群体的多样性,防止早熟现象的出现,又保证了算法的全局收敛性。经典型优化函数测试,基于多次变异的遗传算法(MGA)优于基本遗传算法(SGA)和最优保存遗传算法(ESGA)。     

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。     

基于量子遗传算法的无人机生命迹象探测研究

针对基本遗传算法易早熟与局部搜索能力欠佳的缺陷,将一种改进的量子遗传算法应用于无人机生命迹象探测路径优化。在基本量子遗传算法的基础上,根据目标函数梯度自适应地确定量子旋转门转角。数值实验表明,该改进算法比基本量子遗传算法有更好的局部收敛性与更快的收敛速度,可获得比基本量子遗传算法更优的生命迹象探测路径。     

一种基于改进遗传算法的机组优化策略

阐述了AGC机组优化组合的数学模型,在理论分析的基础上列出了其目标函数及约束条件.为了得到最优解,在标准遗传算法的基础上,对算法进行了改进,应用了趋同和异化概念,且算法实现了多子交叉和特殊变异,并引入精英选择的概念完成对解的筛选.最后利用文中所提改进遗传算法对机组优化仿真,与标准遗传算法进行对比.结果表明,改进遗传算法要优于标准算法11.33%,具有较大优势,可应用于大、中型系统实现机组组合优化.     

基于搜索空间分割的协同进化遗传算法

针对经典协同进化遗传算法在优化大决策空间问题时计算复杂度较高的问题,提出了一种基于搜索空间分割的协同进化遗传算法,其基本思想是：将种群分割为不同规模的子种群,在进化过程中应用ε自适应方法调整子种群规模。复杂度分析和数值实验表明,改进后的算法可降低算法计算量,提高算法的优化效率。     

基于Newton法改进的BFGS迭代算法与Newton-CG算法

本文主要研究了数值分析中数值优化与非线性方程组求解这两个重要问题.文中首先概述了数值优化与非线性方程组的关系,然后对BFGS法的算法公式进行了改进,并对非线性方程组求解问题提出了一种改进的算法——Newton-CG算法.     

基于遗传算法的火电单元机组多目标优化协调控制

作者提出了一种基于遗传算法的火电单元机组多目标优化协调控制策略。该策略通过改进的遗传算法进行多目标优化求解机组最优稳态控制量以得到最优设定值，从而完成多目标优化协调控制任务。改进的遗传算法采用十进制编码，规范化几何秩选择，混合交叉及均匀变异。仿真结果表明，在不同的运行目标下控制量的最优适应度函数都能快速收敛，遗传算法为多目标优化协调控制提供了有效的途径。     

基于小种群策略的并行遗传算法

遗传算法作为一种基于生物进化机制的自适应算法,适用于各类复杂系统的优化计算。然而标准遗传算法所具有的易早熟、易陷入局部最优等问题,在一定程度上限制了遗传算法的推广和使用。在对遗传算子做出改进的基础上,提出了一种基于小种群策略的并行遗传算法,从而有效地提高了遗传算法的执行效率和性能。     

改进遗传算法在文本聚类中的应用研究

分析了K均值聚类算法（K-means）存在的不足和改进遗传算法的全局优化能力,提出一种基于改进遗传算法的文本聚类方法,该方法将原始文档转化成用向量空间模型来描述的文本向量,首先随机产生若干个文档向量作为初始聚类中心形成遗传算法的染色体种群,经过改进遗传算法的选择、交叉、变异进化运算,得到较为优化的K均值聚类算法的初始聚类中心。实验表明该算法文本聚类提高了查准率和查全率,算法的高效性也得到了验证。     

基于改进遗传算法的大数据智能搜索研究

为了能够提高大数据搜索的效率和准确性,将改进遗传算法引入到了大数据智能搜索系统中.文章首先分析了大数据搜索系统的基本构造和原理;其次设计了改进遗传算法,并且研究了相应的数学模型.然后设计了基于改进遗传算法的大数据智能搜索算法流程,并且以某证券公司的大数据为例,进行了仿真分析.仿真结果表明,改进遗传算法能够有效地提高大数据检索的有效性.     

一种结合改进OTSU法和改进遗传算法的图像分割方法

为了自动确定图像分割的最佳阈值,提出了一种结合改进OTSU法和改进遗传算法的图像分割方法,即利用这种改进遗传算法对二维OTSU图像分割函数进行全局优化,该方法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,最后得到图像分割的最佳阈值,克服了传统遗传算法的收敛性差、易早熟等问题.在理论分析和仿真数据实验中,与二维OTUS图像分割法和基于基本遗传算法的图像分割法相比,使用该方法得出的阈值范围更加稳定,阈值计算时间有极大的降低,更能满足图像处理的实时性要求.     

基于免疫单亲遗传算法在TSP中的应用

基本遗传算法保持群体多样性的能力较差,所以经常在问题求解的过程中极易陷入局部最优解。根据生物的免疫原理和单亲遗传算法并结合最近邻域算法思想提出的一种改进算法———基于免疫单亲遗传算法（IPGA）。免疫遗传算法中的基因重组、免疫记忆以及免疫元动态等特性,这些特性有助于改进基本遗传算法群体多样性的保持能力。最后结合48个城市旅行商问题进行了求解,仿真结果表明,基于免疫单亲遗传算法具有更好的性能,相对于传统的遗传算法收敛速度提高了30%。     

基于改进遗传算法的优化研究

遗传算法本身固有的并行处理性和开放性,使得它在优化识别方面的效率非常之高,而且受到越来越广泛的研究,然而,遗传算法自身也有一些缺点．遗传算法在寻优过程中易出现“早熟”,设计变量增多时效率较低以及结构分析时间长．论文分析了遗传算法的常见缺陷,并通过采用小生境技术、基于多父体变量级别的杂交以及小生境技术的改进策略,遗传算法的优化性能（优化效率和质量）得到了大大的提高。     

改进遗传算法在TSP问题中的应用

旅行商问题是典型的NP组合优化问题。提出一种旅行商问题求解应用上的改进遗传算法。引入贪心算法优化初始种群,在轮盘赌选择基础上,融入最优保存策略和掺杂算子进行选择操作,以保证群体的多样性;基于两点三段随机交叉算子优化交叉结果,基于启发式倒位变异算子提高算法的收敛速度;给出了求解旅行商问题系统的体系结构。实验结果表明,改进的遗传算法具有更好的寻优能力。     

改进遗传算法在企业经营参数优化中的应用

鉴于遗传算法固有的缺陷，提出了一种改进遗传算法，并指出了这种算法的优越性。本文将改进遗传算法引入到企业经营参数优化的问题中，以一个矿山企业经营参数优化实例证明了改进遗传算法具有很好的应用效果。     

基于改进遗传算法的BP神经网络控制器

BP神经网络是一种按误差逆传播算法训练的多层前馈网络,其与遗传算法的结合可以得到一种拥有良好的全局优化搜索和局部时频特性的学习训练途径。针对BP网络的不足,提出了一种基于改进遗传算法的BP神经网络控制器,此方法可以克服基本遗传算法收敛速度慢,容易陷入"早熟"收敛,计算稳定性不好等一系列问题,进一步提高了BP神经网络控制器的性能。最后通过对轧制力模型的预报仿真,证明了控制器的有效性。     

免疫遗传算法在BP网络结构优化中的应用

免疫遗传算法是基于免疫原理的改进遗传算法，它能克服遗传算法易早熟、搜索效率低、不能很好保持个体的多样性等缺点。本文将免疫遗传算法用于BP网络结构优化设计中，仿真实验结果表明，该方法有很好的效果。     

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。