A misclassification cost‐minimizing evolutionary–neural classification approach

Machine learning algorithms that incorporate misclassification costs have recently received considerable attention. In this paper, we use the principles of evolution to develop and test an evolutionary/genetic algorithm (GA)‐based neural approach that incorporates asymmetric Type I and Type II error costs. Using simulated, real‐world medical and financial data sets, we compare the results of the proposed approach with other statistical, mathematical, and machine learning approaches, which include statistical linear discriminant analysis, back‐propagation artificial neural network, integrated cost preference‐based linear mathematical programming‐based minimize squared deviations, linear integrated cost preference‐based GA, decision trees (C 5.0, and CART), and inexpensive classification with expensive tests algorithm. Our results indicate that the proposed approach incorporating asymmetric error costs results in equal or lower holdout sample misclassification cost when compared with the other statistical, mathematical, and machine learning misclassification cost‐minimizing approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.     

遗传算法在阵列天线误差校正及优化中的应用

针对阵元位置误差影响DOA估计算法性能的问题,采用遗传算法寻找阵元的最佳位置进行校正。然后研究了在阵元数一定、放置范围可变和阵元放置范围一定、阵元个数可变的情况下,如何利用遗传算法对阵列进行优化。最后给出了计算机仿真结果。结果表明这种方法可以有效地对天线阵列进行误差校正及优化。     

基于LDA算法的一维距离像特征提取

在线性分辨分析(LDA)基础上,通过遗传算法寻找Fisher准则下最优的线性映射中心和相应的最优映射,使不同模式在特征空间内具有最大的可分离性,并将该算法用于雷达目标一维距离像特征提取与识别中。实验表明,和原算法相比,新算法在特征提取性能和目标正确识别率上有较大提高,说明了算法的有效性。     

引入优化算子的无人机遗传航路规划算法研究

在大范围真实地形环境中规划出满足任务要求、导航、安全性等约束的较优航路,对提高无人机(UAV)的武器系统性能有重要意义。在基于直接航路编码的遗传算法中引入优化操作算子,将复杂约束合理地应用于遗传进化过程,可以较好地克服一般遗传操作的不足。采用均匀设计的试验方法确定较优的控制参数,并通过算例验证了算法的有效性。     

基于遗传算法与最大最小原理的故障模式特征选择

在诸如液体火箭发动机等复杂动力学系统的故障诊断中，监控参数组的优选问题一直受到工程技术人员的高度重视。本文提出了综合样本矢量方向离散度概念，以此作为故障特征参数的优选准则；然后利用经过改进的遗传算法，对某液体火箭发动机常见故障的诊断进行了特征参数组的优选。在改进的遗传算法中，采用了非常简洁而高效的染色体编码，针对特征优选的组合优化类问题专门设计了一种特殊的基因迁移算子，并引进了父本个体适应值的动态调整技术与共享函数。数值实验结果表明，该算法具有理想的效果。     

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。     

遗传算法及其应用

简述了遗传算法的其本原理和特点,并将其应用于声纳目标特征的选择。实验结果表明了遗传算法在模式特征优化和选择中的优势。     

多机协同目标与火力资源分配

在协同空战中,快速正确的空战决策是己方战机少受敌方伤害并取得战争胜利的前提。目标与火力资源分配是决策过程的重要部分。多机空战与单机空战相比有明显的不同,不同之处是面临多个敌方目标,根据我方资源最优分配作战对象和火力,基于遗传算法实现了两种算法的有人无人目标与火力资源分配。仿真结果表明,带有毁伤概率门限的算法既节省火力资源又快速有效。     

基于遗传算法的通信网络可靠性优化设计

在可靠性条件约束下 ,使网络成本最低是网络规划NP hard问题 .文章提出一种基于遗传算法的优化方法解决了这类问题 .仿真结果表明这种算法是有效的 .     

基于遗传算法的整周模糊度OTF解算

建立了一种基于简单遗传算法的改进模糊度搜索方法。首先采用一组约束方程求解模糊度浮点数解 ,然后UDUT 和LDLT 分解对整周模糊度进行整数高斯变换以降低各整周模糊度之间的相关性 ,最后利用遗传算法进行整周模糊度搜索。在种群个体较少的情况下 ,为了避免早熟使搜索陷入局部最优 ,提出两种变异算子 ,保持个体的多样性。仿真结果表明改进后的算法能够实时动态解算整周模糊度 ,且较使用简单遗传算法具有更快的搜索速度和鲁棒性。