基于改进自适应遗传算法的阵列优化

提出了一种改进的自适应遗传算法,对约束了阵列孔径、阵元数目和最小阵元间距的非均匀稀布阵列进行优化布阵。该算法采用实值编码,改进了适应度函数,避免了不可行解的产生。同时选取新的选择算子和改进的双重最佳保留策略,对传统自适应遗传算法的交叉、变异概率进行了动态改进。仿真结果表明,该方法能较好地抑制"早熟",增加了获取全局最优解的概率,获得了更低的峰值旁瓣电平。     

基于改进遗传算法的神经网络控制

神经网络结构简单,但训练容易陷入局部最优解,而遗传算法依照生物进化理论将群体进行选择交叉变异从而求取全局解。首先讨论了神经网络与遗传算法的结合方法,并针对传统遗传算法中存在的问题,采取一种改进的遗传算法,将两种智能控制方法相结合进行研究,仿真结果表明此算法能有效改善系统的响应指标。     

遗传算法在武警勤务中的应用研究

遗传算法是一种新的全局优化仿生算法。介绍了遗传算法的编码方法、选择算子、交叉算子和变异算子 ,以及适应度函数的设计 ,结合武警部队勤务的特点 ,探讨遗传算法在武警勤务中的应用。并以遗传算法在军事 (行军 )路线优化选择和智能排课系统中的应用为例 ,对遗传算法的建模等进行了探讨     

GA BP网络在机体研制费用预测中的应用

针对目前BP神经网络在应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中引入交叉概率和变异概率与个体的适度值相联系,改进了操作算子,而且在交叉操作后又引入模拟退火机制,提高遗传算法的局部搜索能力.建立了基于改进遗传算法的BP网络费用预测模型,并以某型飞机机体进行实例分析,计算结果表明,该方法预测的准确性更高,且预测结果稳定.     

基于改进遗传算法的圆柱共形天线阵方向图综合

将一种改进的遗传算法运用于圆柱共形微带天线阵列的方向图综合。把共形阵列等效为沿轴向方向若干个圆环阵单元组成的线阵,计算其方向图函数。将改进的遗传算法运用于阵列的方向图综合。该算法采用简单灵活的十进制编码并结合多种交叉算子、非均匀变异算子和综合选择算子对遗传参数进行了一些改进。仿真结果表明,该算法能有效地实现圆柱共形微带天线阵列的方向图综合,与基本遗传算法相比改进的算法具有更好的寻优能力和收敛性。     

基于改进遗传算法的油料调拨优化

为实现油料快速调拨运输，利用改进的遗传算法求解油料调拨优化问题，采用了一种受贪婪算法启发的新的交叉算子和变异算子，对比模拟退火算法等其他算法而言，具有较好的鲁棒性，能很好地解决油料调拨运输过程中多任务多地点的油料调拨运输问题。     

基于混合遗传算法的拦截弹道优化方法

传统的遗传算法中,交叉和变异样本的选择直接影响算法的收敛.通常根据工程实际需求调整交叉和变异样本的选择概率来提高遗传算法运行的有效性和防止早熟现象的发生.将传统的单纯形搜索算法与遗传算法相结合,提出了一种混合遗传算法,并在算法中增加了加速循环操作,提高遗传算法在求解优化问题特别是工程应用中的有效性,以便优化拦截弹道.数学仿真结果表明该方法能够有效地解决迎面拦截弹道问题.     

分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

基于改进GA-BP神经网络的目标毁伤效果评估

针对事后的目标毁伤效果评估时效性一般、主观性较强的问题,提出了一种基于改进GA-BP神经网络的毁伤评估方法.该方法以飞机系统为例,分析了系统目标特性后,按照目标系统层、功能毁伤层、物理毁伤层的结构顺序,构建目标毁伤树并划分毁伤等级;引入遗传算法,对其选择算子、交叉和变异概率加以改进,以获取BP神经网络最优权重值,增强了遗传算法种群的多样性和泛化能力,使网络模型的精确性得以提升;通过算例分析验证了模型的可信性和有效性,对目标毁伤效果评估的人工智能化,特别在新概念武器作战运用中,具有一定的启发和借鉴意义.     

一种模拟退火伪并行遗传算法

借鉴模拟退火算法的局部搜索能力,结合并行计算的思想设计了一种采用模拟退火机制的实数编码自适应交叉、全概率变异伪并行遗传算法,最后用这种方法对典型的多峰值函数求极值,并和基本遗传算法进行比较,结果表明:该算法具有较强的全局搜索能力和局部搜索能力,能够更有效地克服早熟收敛问题。     

遗传算法在航空发动机故障诊断中的应用

提出了基于遗传算法的航空发动机故障诊断的方法,将概率因果模型与发动机故障诊断问题结合,在得到发动机故障征兆和故障成因之间关系的基础上,利用遗传算法实现对故障的分类和诊断.该方法可以准确而快速得实现对复杂故障问题的诊断,将其应用于某型发动机的故障诊断中,得到了较好的效果,同时也说明了遗传算法在航空发动机故障诊断中是行之有效的.     

自适应变异遗传算法在通信网络时延和路由选择优化中的应用分析

在遗传算法中采用自适应的方法来控制变异操作,可以提高算法的全局搜索能力,加快收敛速度,从而可以迅速地求解组合优化问题,并在进一步求解计算机通信网优化问题中得到成功应用.     

基于改进遗传算法的防空火力优化分配方法

结合地空导弹部队防空作战的特点,提出了基于改进遗传算法的防空火力优化分配模型,给出了模型求解的方法和步骤,详细阐述了改进遗传算法在防空火力分配中的应用,通过在计算机上仿真运行实例得出了火力分配方案,通过仿真证明本方法运算速度较快,结果精度较高,对地面防空火力分配决策研究具有一定的参考价值。     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法(IQGA)。其核心是在对量子门更新过程进行改进的基础上,引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快,还可以改变基本遗传算法(GA)的局部搜索能力,克服基本遗传算法存在的未成熟收敛问题。仿真结果表明,该算法可以有效地实现噪声控制。     

遗传算法在动力学优化中的应用

根据动力学优化设计问题的特点,并利用复合形法对一般遗传算法进行了改进,在此基础上提出了一种新的动力学优化设计方法。数值分析结果表明,该方法结果正确,算法简洁。     

贪心遗传算法解决一般武器-目标分配问题

一般武器-目标分配问题,是使武器发挥最大效能而使目标遭受最大毁伤的最优化问题.遗传算法广泛用于解决最优化问题.提出一种具有贪心优化机制的局部搜索方法,以提高遗传算法的搜索效率,从而迅速找到全局最优解.应用于炮兵武器-目标分配问题的仿真试验结果表明,此算法比现有的其他搜寻算法具有更好的求解效率.     

一种改进的连续域蚁群算法

简要介绍了蚁群算法,并从解决连续域问题的角度分析了段海滨等提出的基于网格划分策略的连续域蚁群算法的基本原理,针对该算法的特点和存在的缺陷,提出了改进的办法:在前期用遗传算法快速生成初始信息素,再利用蚁群算法寻求精确解。最后通过对一个二维连续域函数优化仿真实验,证明了改进后蚁群算法的有效性。仿真实验结果证明:改进后的蚁群算法无论是时间性能还是优化性能都明显优于改进前的蚁群算法,克服了蚁群算法的缺陷,大大提高了算法的速度和求解效率,达到了时间性能和优化性能的双赢。     

基于自适应遗传算法的目标优化分配方法

提出了基于自适应遗传算法的目标优化分配模型,阐述了自适应遗传算法在目标优化分配中的应用,通过在计算机上仿真运行实例得出了目标优化分配方案。本方法对地面防空目标优化分配决策研究具有一定的参考价值。     

A genetic algorithm methodology for complex scheduling problems

This paper considers the scheduling problem to minimize total tardiness given multiple machines, ready times, sequence dependent setups, machine downtime and scarce tools. We develop a genetic algorithm based on random keys representation, elitist reproduction, Bernoulli crossover and immigration type mutation. Convergence of the algorithm is proved. We present computational results on data sets from the auto industry. To demonstrate robustness of the approach, problems from the literature of different structure are solved by essentially the same algorithm. © 1999 John Wiley & Sons, Inc. Naval Research Logistics 46: 199–211, 1999     

用于时空综合被动定位的种子分裂算法

针对传统TMA方法的局限性,运用时空综合被动定位(STI)理论,探索如何利用拖线阵列声纳的基阵探测信息估算目标运动要素。采用种子分裂算法(SDA)原理,通过选取合适的初始种子,进行高效率的穷举,从而得出最优解。经过仿真计算及分析发现,与遗传算法相比较,计算量大大缩小;本艇不机动时,即使在低信噪比的情况下,该算法既满足了可靠性的要求,又缩短搜索迭代过程。