新的小生境遗传算法在作业车间调度中的应用

普通适应值共享的小生境遗传算法是基于群体内个体适应度的共享,但这种小生境划分一般基于个体适应度、基因空间距离等属性,忽视了群体基因特征之间的关系．因此将生物学中的群体间共享机制引入到小生境遗传算法中,有效地利用了群体中的优良因素,并且利用了精英选择机制,增强了算法的全局和局部搜索能力,实验表明,普通适应值共享的小生境遗传算法在搜索能力和收敛性能上更有效．     

小生境技术在动力学系统参数辨识中的应用研究

提出了基于小生境技术的动力学系统参数辨识方法.针对普通遗传算法收敛速度慢的特点,采用确定性选择机制、自适应交叉和变异算子以及归一化海明距离提高算法的运行效率,参数辨识和函数优化的实例表明小生境自适应遗传算法的搜索和优化能力得到很大提高.提出的参数辨识方法具有良好的多峰值寻优能力,可广泛应用于黑箱问题识别和系统优化的相关研究.     

新自适应方式双倍体遗传算法求解作业车间调度问题

综合了双倍体遗传算法和自适应遗传算法的优点,提出了一种基于新自适应方式的双倍体遗传算法.该算法利用双倍体遗传算法良好的记忆及环境适应特性来保持个体的多样性,同时引入黄金分割率的自适应公式来快速寻找最佳自适应点.经理论分析和试验结果表明,该算法在寻优能力上具有明显优势,能够显著提高搜索效率,改进收敛性能.     

基于遗传BP算法的神经网络及其在模式识别中的应用

介绍了传统的遗传算法与BP算法,并分析了它们的不足.提出了一种将遗传算法和BP算法相结合的遗传BP算法,在遗传算法的群体设计中采用小生境技术,防止优秀个体早期退化.实验证明了此方法的正确性和有效性.     

用遗传算法解迷宫问题

利用遗传算法的思想,对传统的二维迷宫问题,设计编码、适应值函数、遗传操作,并在演化过程中对基因进行“改良”,提高搜索的效率,解决了二维迷宫问题,同时还可以求得走出迷宫的最短路.     

基于遗传算法的公路纵断面优化

提出了一种基于遗传算法的纵断面优化方法，这种方法可以在一个可行域中自动搜索一个最优或较优解。其基本思想是首先根据纵断面初始解建立一个可行域，通过编码建立染色体与实际设计变量之间的一一对应关系，然后对可行域中的可能解用一个评价函数(适应度)进行度量，利用遗传算法在可行域中选择最优解。实践表明：该方法具有全局解空间搜索能力，从而实现了全局寻优的目的，对道路优化设计是有效的，可行的。     

基于头脑风暴优化的PCNN路面裂缝分割算法

为提升裂缝检测的分割精度和鲁棒性,基于头脑风暴优化（brainstorming optimization,BSO）和脉冲耦合神经网络（pulse coupled neural network,PCNN）,提出了一种路面裂缝图像分割算法（BSO-PCNN）. 该算法采用最大熵准则作为BSO算法的适应度函数,并依据适应度值决定参与次轮迭代的个体;BSO具有强收敛性,可快速确定最优个体解;结合图像特征,获得PCNN模型的最优参数,将其代入PCNN模型实现对裂缝图像的分割. 试验结果表明:算法可在20次迭代内取得不同类型路面裂缝图像的最大适应值,从而确定最佳分割参数;与Sobel边缘检测算法、PCNN图像分割算法、基于最大熵的遗传算法（genetic algorithm based on the maximun entropy of the histogram,GA-KSW）、基于遗传算法参数优化的PCNN分割算法（genetic algorithm based on the pulse coupled neural network,GA-PCNN）相比,BSO-PCNN算法取得了0.9924的区域一致性与0.0900的区域对比度.      

RES脉内特征的差分进化粒子群投影寻踪评价模型

针对雷达辐射源信号脉内特征综合评估存在标准单一、缺乏客观性等问题,提出了基于群体智能的雷达辐射源信号脉内特征综合评估模型.首先,通过投影寻踪算法将雷达辐射源信号脉内特征的综合评估问题转化为有条件限制的多元非线性目标函数的优化问题;其次,通过改进的粒子群优化算法与差分进化算法的结合得到新的智能算法;最后,利用该算法实现多元非线性目标函数的优化求解.仿真结果表明:该群体智能算法对Rosenbrock测试函数的最优适应度值最小,对Rastrigrin函数和Girewank测试函数的最优适应度值为0,说明该算法的计算精度优于其他算法.同时适应度值的方差比标准粒子群算法和差分进化算法小,说明该算法的收敛性和鲁棒性较好.通过与加速遗传算法对评估问题目标函数5次优化结果的比较,本算法的计算结果没有波动,说明基于群体智能的RES脉内特征综合评估模型能够更客观、更有效地实现对RES脉内特征的综合评估.      

城市公共交通系统中双目标换乘优化模型及实证研究

城市公交换乘是多目标约束路径问题,具有重要应用价值和实际意义. 基于小生境复制技术的遗传算法利用染色体之间的相异性来保持种群的多样性,并保持针对多目标的多个较优染色体,从而可得到问题的Pareto解集.基于这一思想, 建立了城市公交换乘的一种双目标优化模型,并用基于小生境复制技术的遗传算法求其Pareto解集.最后,给出了一个计算分析实例.     

基于贪心策略的混合遗传算法在TSP中的实现

由于标准遗传算法初始种群是随机产生的,可能导致算法的收敛速度较低,并陷入局部最优解.为了解决这一问题,提出了一种改进的遗传算法.改进后的遗传算法先用贪心算法产生初始种群,使算法能够更快地达到最优解.选择操作时采用竞标赛方法,在每代进化结束后立即采取了末尾淘汰机制,从而使适应度高的个体被选中的概率增大.并用模拟退火算法改善其局部搜索,通过仿真实验可以看到,提出的邻近倒位变异以及新的非零递减自适应函数可以进一步提高算法的运行效率.