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。     

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。     

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。     

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。     

免疫遗传算法在函数优化中的应用

生物免疫系统是一种高度并行的自适应信息学习系统,人工免疫系统是由生物免疫系统启发而来,借鉴了一些免疫系统的功能、原理和模型,主要用于信息处理和问题求解。在对免疫系统的一些基本概念和原理进行介绍的基础上,简要分析了人工免疫算法的研究现状及其改进的算法在函数优化上的应用,并提出了混沌免疫算法的思想。     

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。     

一种新型自适应遗传算法在多峰函数优化中的应用

为解决传统遗传算法在一维多峰函数优化中容易陷入局部极值、收敛概率低、稳定性不理想等问题,提出了一种新型的自适应遗传算法。结合自适应差分进化算法流程,提出了一种基于种群适应度变化程度而变化的非线性交叉算子和变异算子,使算法跳出局部极值,寻找到全局最优解,提升最优值迭代效率。函数测试实验表明,在一维多峰函数优化中,该算法在函数收敛概率、最优值迭代效率以及稳定性上比已有算法均有提高。     

并行遗传算法在软件可靠性优化中的应用

遗传算法,也就是通过模仿大自然中的遗传学算法来建立的一种能够进行随机搜索工作的运算技术,这种技术尤其适用于在进行组合优化的问题进行近优解的计算过程中。遗传算法已经经过了多年的实践应用,通过这些应用我们发现,它有着远超 GA 这一类的计算技术的运算能力,能够较好的处理大规模的运算,本篇文章主要针对遗传算法的并行执行过程进行了深入的研究,以期为其他项目在计算的过程中提供一定的参考。     

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。     

基于改进三值量子遗传算法的多峰函数寻优

针对量子遗传算法在多峰函数寻优中出现早熟收敛及陷入局部极值等问题,提出一种改进的三值量子遗传算法.算法用三值量子非门来改变染色体基因的位置、用三值量子旋转门更新来完成进化搜索、用三值量子修正门对变异基因进行修正,增加了量子遗传算法中种群的多样性,扩大了算法的搜索空间;用动态调整旋转角策略来减少进化代数、缩短优化时间.通过对典型复杂函数的仿真实验并与其它算法相比较,结果表明该算法搜索空间大、搜索精度高,全局寻优性能优于普通遗传算法及量子遗传算法.     

混合进化策略算法及其在函数优化中的应用

自适应进化策略中高斯变异算子容易使进化过程陷入局部最优,出现进化早熟.文中针对上述缺点,引入柯西变异算子和子代距离率方法.在进化前期采用柯西的变异,保证个体能够快速地向全局最优的方向移动;在进化后期采用高斯变异,当个体聚集在全局最优解附近时,以较小的变异步长驱动个体向全局最优解方向移动.子代距离率系数进行调整变异算子.通过对单峰与多峰函数仿真试验,验证了算法的有效性.     

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。     

基于遗传算法的模糊控制优化及应用

模糊控制的精度取决于有关参数，如隶属函数、模糊关系矩阵。传统确定参数的方法是依靠专家的经验。本文采用遗传算法来优化参数，并应用该方法对一个模糊控制系统进行仿真研究，结果表明应用该方法提高了模糊控制的精度。     

基于Pareto遗传算法的多目标优化

在工程实际当中存在着大量的多目标优化问题,传统的多目标优化方法存在着明显的缺陷.本文介绍一种基于Pareto最优概念的遗传算法来求解多目标优化问题.这种方法能够给出多目标优化问题的Pareto解集,而不是单纯的一个解,从而可以帮助决策者在Pareto解集中挑选适合设计要求的解作为最终解.     

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。     

整流机组效率优化中遗传算法的研究与应用

针对多台大功率整流机组并列运行效率优化的需要,采用浮点数编码遗传算法,并进行适当的改进,采用不同群体配合不同惩罚系数的方法处理约束条件,采用最优个体保留方法进行选择,采用线性交叉和自适应变异,通过基于控制参数自适应调整的策略克服早熟收敛。现场数据实验结果表明,该方法收敛于全局最优解,收敛速度满足需要,过程比传统的工程方法简单,计算结果优于工程方法。