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。     

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。     

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。     

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。     

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。     

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.     

一个新的求解多峰函数的遗传算法

有用邻域罚函数及变异方法，将全局搜索和局部搜索结合起来，设计了一种新的遗传算法，有效地解决了一类具有多解的多峰函数的求解问题。     

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。     

混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

基于遗传的优化算法

遗传算法是一类全局优化的仿生类算法，它通过模拟生物进化过程中的复制、交叉和变异来完成优化搜索．在遗传算法的基本思想下，给出了一个简单遗传算法(SGA)及相关应用示例．     

改进的K-均值聚类排挤小生境遗传算法

针对基于罚函数的排挤小生境遗传算法的缺陷,提出了改进的K-均值聚类排挤小生境遗传算法。该算法将改进的K-均值聚类分析与排挤技术有机地结合起来,无需事先确定小生境的数目和半径,可以通过调节最小聚类距离控制收敛到的小生境的数目,避免找到无效的极值点。理论分析和数值实验表明,该算法对于非均匀分布的多峰函数具有较好的搜索性能。     

遗传算法的基本原理及其应用研究

介绍了遗传算法的基本概念和基本原理,分析说明了遗传算法求解实际问题的基本步骤以及应用领域,指出了遗传算法在应用中的几个关键问题,同时简要介绍了遗传算法研究新动向及存在的问题。     

基于人工免疫多模态函数优化的PID整定

提出一种基于人工免疫多模态函数优化的PID（Proportional Integral Derivative）参数离线整定控制器的算法.该算法通过设计多模态函数,搜索出多模态函数的所有峰值点,这些峰值点即是极优的Kp,Ki,Kd参数组合集.同时,该算法将无限个数据聚类成有限个数据,决策者可以根据实际应用要求,在有限个数据内选择最合适的最优决策.Matlab仿真结果证明了该算法的优越性和有效性.     

一种基于遗传算法的连续属性离散化方法

连续属性离散化是基于粗糙集的数据挖掘中的关键问题。针对该问题提出了一种遗传算法,在保持不可分辨关系的前提下,以最小断点集为目标,对交叉算子、变异算子进行了改进。最后,使用UCI机器学习数据对算法进行了验证,并与其它的离散化算法进行了比较,结果表明算法是有效的。     

基于基因库的最优个体保存遗传算法

针对一般最优个体保存方法的缺陷,提出了一种基于基因库的最优个体保存遗传算法。其基本思想是:对每代种群建立一个基因库,将该代种群中的若干较优个体存入基因库;对每个基因库设定一个距离di,将基因库中的较优个体与最优个体进行距离比较,然后将距离大于di的较优个体保留在基因库中,而将距离小于di的较优个体剔除出基因库。数值计算表明,这种新的算法既提高了收敛速度,又提高了种群的多样性,避免了过早收敛于局部最优解的现象。     

遗传算法求解N皇后问题的优化

采用vector容器高效的染色体整数编码和成熟的泛型算法,改良遗传算法求解N皇后问题,说明此方法更通用、简洁和高效.     

基于果蝇优化算法的模拟滤波器设计

基于粒子群优化算法的无源模拟滤波器优化设计方法容易陷入局部最优,收敛速度慢迭代次数多、运算量大且稳定性不够好。提出果蝇优化算法对滤波器的整个参数空间进行高效并行搜索直到获得最优的参数值,实例仿真表明,采用该方法设计的滤波器在相同的带宽准确度及阻带衰减的情况下,具有更快的运算速度及收敛性能。     

一种自适应遗传算法对Hopfield网络权值的优化

针对Hopfield网络在求解优化问题中学习效率低,收敛速度慢,容易陷入局部最优等缺点和不足,把遗传算法同Hopfield网络结合起来,形成进化神经网络,对网络权值进行优化,并且通过对算法的讨论,说明该算法的有效性。