遗传算子

摘要： 作为一种新型计算范式,边缘计算已成为解决大规模科学应用程序的重要途径。针对边缘环境下的科学工作流调度问题,考虑到任务计算过程中的服务器执行性能波动和数据传输过程中的带宽波动造成的不确定性,文中基于模糊理论,使用三角模糊数表示任务计算时间和数据传输时间,同时提出一种基于遗传算法算子的自适应离散模糊粒子群优化算法(Adaptive Discrete Fuzzy GA-based Particle Swarm Optimization,ADFGA-PSO),目的是在满足工作流截止日期约束的前提下,降低其模糊执行代价。该方法引入遗传算法的两点交叉算子以及关于任务优先级的邻域变异算子和关于服务器编号的自适应多点变异算子,避免粒子陷入局部最优,有效提高算法的搜索性能。实验结果表明,与其他调度策略相比,基于ADFGA-PSO的调度策略能够更加有效地降低边缘环境下带截止日期约束的科学工作流的模糊执行代价。

摘要： 针对列车自动驾驶(ATO)过程中的精准停车、准时性、舒适性以及能耗问题,提出一种基于遗传算法与粒子群优化(GAPSO)算法结合的ATO速度曲线优化方法。首先,建立列车ATO运行多目标优化模型,将列车过分相区断电惰行纳入控制策略,并对运行控制策略进行分析;其次,对粒子群优化(PSO)算法进行改进,采用非线性动态惯性权重和改进的加速度系数,并将遗传算子融入其中,从而构成一种全新的GAPSO算法,且验证了GAPSO算法在全局搜索和局部搜索能力以及收敛速度上的优越性。最后,通过GAPSO算法对工况转换点进行寻优,以获取一组满足多目标优化的工况转换点速度,进而得到最优目标速度曲线。仿真实验结果表明,所提优化方法在总体运行时间满足准时性要求的前提下,使能耗降低了13.29%,舒适性提高了26.62%,停车误差降低了21.62%。由此可见,优化后的列车目标速度曲线能够满足多目标要求,该方法为列车ATO多目标优化提供了一种可行的解决方案。

摘要： 提出融合K均值与改进磷虾群算法的多目标文本聚类算法。利用K均值的局部快速寻优和改进磷虾群的全局搜索能力,以K均值聚类解作为改进磷虾群的初始种群,引入遗传交叉和变异改善个体多样性,提升全局搜索能力;通过磷虾种群的诱导运动、觅食运动和随机扩散进行位置更新,引入余弦相似度和欧氏距离的多目标适应度函数评估磷虾位置优劣,搜索全局最优解。通过基准数据集实验确定磷虾群算法的关键参数,进行系统聚类测试,实验结果表明,该算法在聚类指标上表现更佳,聚类准确性更高,收敛速度更快。

摘要： 提出一种基于改进遗传算法的测试用例自动生成工具,改进的遗传算法通过路径构建方法构建目标路径矩阵集合以及实际路径矩阵,通过对比目标路径矩阵与实际路径矩阵差异设计适应度函数,通过归一化处理得到适应度值,最后根据适应度值调节遗传算子,得到问题的最优解集合进而得到全部测试数据。工具通过可视化界面操作实现待测程序的自动插桩、自动生成覆盖全部路径的测试用例并代入程序进行测试,最后反馈生成测试结果。改进的算法能够提高算法收敛速度,降低早熟程度,在覆盖率及准确度相同的情况下,工具生成用例可以减少测试数据生成时间,达到节省测试成本、提高测试效率的效果。

摘要： 将鼓式制动器的动态可靠度作为结构优化设计三要素中的约束之一,能够较好地解决鼓式制动器在长期使用中寿命及制动可靠度下降的问题。由道路试验标准得出鼓式制动器的制动可靠度、刹车距离、刹车时间三者之间的关系,从而构造出其时变可靠度约束条件。以鼓式制动器的制动效能因数最大、制动温升最低加权耦合的新函数作为其优化设计数学模型的目标函数。以支撑销式鼓式制动器为实例,利用以上所建立的优化设计数学模型,并基于MATLAB编写的遗传算子操作粒子群算法程序进行优化求解。其优化结果显示,优化后,该制动器的制动效能因数较优化前的参数提高了12.20%,制动温升较优化前的参数降低了13.59%。

摘要： 粒子群及其改进算法是进行建筑能耗优化的重要方法,但是算法性能很大程度上取决于其参数设置.目前针对改进粒子群算法在建筑性能优化领域的最优参数设置的研究较少.本文旨在探讨两种常见的改进粒子群算法:差分粒子群(dPSO)算法和遗传粒子群(gPSO)算法在建筑能耗优化中的最优参数设置问题.在使用测试函数验证改进算法的有效性后,针对以能耗为目标的办公建筑形体优化问题,使用15组常见的参数组合进行重复实验.建立以稳定性、准确性和收敛时间3个指标为目标的算法性能多目标评价模型,计算pareto解集,得到性能表现优异的算法参数组合,即进行建筑能耗优化时,当对计算速度或计算准确度有较高要求时,建议采用参数设置为c1=c2=1.5,pm=0.5,pc=0.9或c1=c2=2.0,pm=0.1,pc=0.9的gPSO算法;当对优化过程没有偏好时,可采用参数设置为c1=c2=2.0,CR=0.5,F=0.4的dPSO算法.最后使用不同气候区的同类型建筑优化问题,对得到的高效参数组合进行了验证.

摘要： 建筑构件位置分布建模存在可用度较低,建模时间较长,总造价较高的问题,为提高建筑物的整体质量,节约建筑成本,增强建筑结构的适用性,提出基于遗传算法的建筑构件位置分布建模方法,单层建筑主体构件以建筑主体构件横截面的轮廓曲线为基础,由单层建筑主体经过复制生成多层建筑主体完成建筑主体构件建模.通过分析建筑构件的组成,将遗传算法应用在建筑构件位置分布建模中,在适应度函数构建方面增加了对称度、均匀度的度量,对建筑构件位置分布建模过程中控制的变量实施操作,求得全局最优解,优化建筑构件位置分布建模.实验结果表明:该方法可用度高,建筑构件位置分布效果高达90％,符合国家规定建筑构件的最大荷载的标准,建模时间最短,总建模时间仅用92秒,总造价较低.

摘要： 典型K均值聚类算法的聚类中心个数和聚类中心的选取对彩色图像分割的精度影响较大,其主要体现在彩色图像的特征相似度(feature similarity of color,FSIMC)不高.提出一种基于遗传算法的K均值聚类分割法(GA-K-Means).每条染色体的基因由聚类中心数目和聚类中心点两部分组成,并且将彩色图像的FSIMC作为适应度函数值.首先将彩色图像转换到Lab颜色空间,然后以步进和遗传算子相结合的方式搜索最佳聚类中心个数和聚类中心进行分割.把18幅不同类型的图像分别按照K均值聚类法、GA-K-Means分割法、模糊C均值聚类(fuzzy C-means clustering,FCM)分割法进行实验.结果表明,采用GA-K-Means分割的18幅图像,其FSIMC值相应的比另外2种分割法得到的FSIMC值高10％左右,其分割时间比另外2种分割法略长.

摘要： 针对无线传感器网络虚拟修复节点位置的不确定性使网络拓扑结构随之变化,导致网络失去连通性的问题,提出一种基于改进遗传算法的覆盖空洞修复优化方法.首先,根据空洞类型采取不同的覆盖策略,确定虚拟修复节点的位置;其次,通过改进遗传算法对待修补节点序列进行编码与适应度函数的构造,对遗传算子进行改进,避免陷入局部最优,求出传输路径的最优解,提升全局寻优能力;最后,根据改进遗传算法找到某空洞内待修补节点之间的一条最短连通路径,该空洞区域内的感测数据在某一时间周期内沿该路径进行传输通信.仿真结果表明,将改进遗传算法应用到覆盖空洞修复中是可行的,网络覆盖率明显提高,具有更好的收敛性.通过算法多次迭代能够找到空洞内各修补节点间的一条最短路径,实现网络连通,节约节点能量,延长了网络生命周期.

摘要： 本文针对遗传算法和粒子群算法对K均值聚类进行优化时适应性不强，易陷入早熟和局部最优问题提出了一种基于遗传算子和粒子群混合的K均值聚类方法。将聚类簇的K个质心作为空间中的粒子，对种群中的各粒子与全局最优粒子引进遗传算法中的遗传算子，通过交叉、自适应概率高斯变异后选择粒子，使整个粒子种群都具有最优解的特性。通过不断的迭代使早熟和局部最优问题得到有效的控制。在一定程度上增强了新算法对K均值聚类的适应性，提高了聚类质量。通过仿真实验表明，该方法的聚类效果明显优于传统的K均值聚类及基于遗传算法的K均值聚类和基于粒子群算法的K均值聚类。

摘要： 本文提出了种群进化力的概念，刻画了种群经一代选择、交叉和变异作用后能探索到优秀解的能力;分析了选择、交叉与变异作用对种群进化力的影响，得出了一些重要的结论，这些结论不仅为改进遗传算法提供了一定的理论指导，也为今后的研究工作打下了基础。

摘要： 本文通过改进遗传算法的编码方式及其相应的遗传算子,构造了一种新的算法—模式算法,并通过数值模拟得出了一些有意义的结论.

摘要： 本文提出一种应用于函数优化问题的差分方式交叉算子.该交叉算子利用差分方式替代浮点遗传算法中的交叉和变异算子,采用差分形式产生的子代能向适应值高的父代倾斜,使得算法可以以更大概率生成适应值高的子代个体.实验结果表明,相对于普通杂交算子,差分方式的杂交算子具有更快的收敛速度.

摘要： 遗传算法的随机搜索性已广泛应用于各类问题，但是若待解决的问题非常复杂，其搜索集非常之大，这使得算法的处理过程有一定的难度。为了将小群体规模的遗传算法应用于复杂优化问题，本文在函数优化过程中，将选择、交叉、变异算子针对不同函数特性做了各自的改进，结果证实了改进算法的有效性和优越性。

摘要： 系统地讨论遗传算法在参数辨识中的应用.总结了简单遗传算法用于参数辨识的步骤,指出其可能出现的问题,并综述国内外学者的编码、适应值函数和遗传算子等方面所作的改进以及将遗传算法与其他方法结合所产生的新算法.最后指出了遗传算法存在的局限性.

摘要： 在Lω-空间中引入分子网和理想的ωθ*-极限点、ωθ*-聚点等概念,证明ω-Urysohn空间中分子网和理想的ωθ*-极限点均唯一等特征性质,并证明ω-Urysohn分离性是可ω-遗传的,在(ω1,ω2)-同胚和(ω1,ω2)θ-同胚映射下是拓扑不变的,在满层条件下是任意可乘的,而且是R.Lowen意义下好的推广等性质.

摘要： 在Lω-空间中引入分子网和理想的ωθ*-极限点、ωθ*-聚点等概念,证明ω-Urysohn空间中分子网和理想的ωθ*-极限点均唯一等特征性质,并证明ω-Urysohn分离性是可ω-遗传的,在(ω1,ω2)-同胚和(ω1,ω2)θ-同胚映射下是拓扑不变的,在满层条件下是任意可乘的,而且是R.Lowen意义下好的推广等性质.

摘要： 在Lω-空间中引入分子网和理想的ωθ*-极限点、ωθ*-聚点等概念,证明ω-Urysohn空间中分子网和理想的ωθ*-极限点均唯一等特征性质,并证明ω-Urysohn分离性是可ω-遗传的,在(ω1,ω2)-同胚和(ω1,ω2)θ-同胚映射下是拓扑不变的,在满层条件下是任意可乘的,而且是R.Lowen意义下好的推广等性质.

摘要： 在Lω-空间中引入分子网和理想的ωθ*-极限点、ωθ*-聚点等概念,证明ω-Urysohn空间中分子网和理想的ωθ*-极限点均唯一等特征性质,并证明ω-Urysohn分离性是可ω-遗传的,在(ω1,ω2)-同胚和(ω1,ω2)θ-同胚映射下是拓扑不变的,在满层条件下是任意可乘的,而且是R.Lowen意义下好的推广等性质.

摘要： 本发明属于车牌识别系统，是一种基于SIFT算子和混沌遗传算法的车牌字符识别方法，其特点是：将车牌的汉字和数字字母分开识别，即对汉字采用SIFT算子特征提取及模板匹配法识别；对数字字母采用十三点特征提取法及支持向量机进行识别，解决了现有技术的车牌识别系统中大部分均采用统一的字符特征提取及识别方法进行识别，导致车牌字符总体的识别率低的问题。同时，为提高支持向量机的分类能力，采用混沌遗传算法优化其径向基核函数参数和惩罚因子，采集不同背景下的车牌图像，在matlab软件上进行试验仿真，得出字符的总体识别率能达到99％以上，且混沌遗传算法比传统遗传算法的字符识别率高，收敛速度快。

摘要： 本申请涉及项目调度领域，提供一种基于主动积木块交叉算子的遗传交叉方法和项目调度方法。所述基于主动积木块交叉算子的遗传交叉方法包括：利用多个交叉点在父代的活动列表中确定父代选择块；多个交叉点的位置根据项目调度问题确定；利用多个交叉点在母代的活动列表中确定母代选择块；用积木块替换父代选择块生成部分子代；将待分配活动插入部分子代的活动列表，生成子代调度方案。本申请实施例提供的基于主动积木块交叉算子的遗传交叉方法可以提高交叉算子的可控性和灵活性，使得子代遗传的过程中，得到的子代调度方案能够向着全局最优解越来越快地收敛，进而提高资源受限项目调度问题求解的效率和解的优异性。

摘要： 本发明公开了一种基于后期无变异算子的RNA遗传算法的改进方法，进化前期以寻找最优解的大概位置为目标，通过在适应度高的个体与适应度低的个体组成的交叉池中执行两点交叉和固定概率变异操作提高种群的多样性，以提高算法的全局搜索能力；进化后期以提高局部搜索能力确定最优解为目标，利用适应度高的个体与适应度高的个体进行交叉来产生适应度更高的个体，从而提高搜索精度。

摘要： 本发明提供一种基于遗传算法的自动优化算子的方法和系统，获取算子的多个初始的调度方案，将每个调度方案分别作为个体以形成种群；分别采用每个个体运行算子，并根据算子在应用神经网络模型的后端设备上的运行性能分别计算种群中的每个个体的适应度；根据适应度对种群中的个体进行筛选，得到被保留的至少一个个体；判断是否达到终止条件：若是，对被保留的至少一个个体执行变异操作以产生新的个体并组成新一代的种群；若否，输出适应度最高的个体，以作为算子的调度方案，随后退出。能通过遗传算法自动搜索出目标硬件上的调度策略及其调度参数，生成高性能算子，大大提高了高性能算子开发效率。

摘要： 本发明涉及一种遗传算法应用计算机领域，特别涉及一种基于改进变异算子遗传算法的TSP优化方法，具体包括以下步骤：染色体编码、定义初始参数、选择操作、交叉操作以及变异操作，所述变异操作步骤为：S1、随机给予每一个染色体概率P，判断染色体概率P是否大于变异概率Pm；S2、若染色体概率P小于变异概率Pm，则结束步骤，否则计算变异前和变异后回路的总长度，比较变异前后回路的总长度；S3、若变异后总长度大于变异前总长度，则进行交换变异，并结束步骤，否则继续下一位置，重复执行步骤2，直至生成一个完整的遍历序列。本发明对变异算子的改进，提高了传统遗传算法的准确性及收敛速度，并在一定范围内都有较好的表现。

摘要： 本发明属于车牌识别系统，是一种基于SIFT算子和混沌遗传算法的车牌字符识别方法，其特点是：将车牌的汉字和数字字母分开识别，即对汉字采用SIFT算子特征提取及模板匹配法识别；对数字字母采用十三点特征提取法及支持向量机进行识别，解决了现有技术的车牌识别系统中大部分均采用统一的字符特征提取及识别方法进行识别，导致车牌字符总体的识别率低的问题。同时，为提高支持向量机的分类能力，采用混沌遗传算法优化其径向基核函数参数和惩罚因子，采集不同背景下的车牌图像，在matlab软件上进行试验仿真，得出字符的总体识别率能达到99％以上，且混沌遗传算法比传统遗传算法的字符识别率高，收敛速度快。

摘要： 一种针对多目标柔性作业车间调度问题的含救济算子的混合遗传算法。该算法第一阶段为准备阶段，产生Npop个初始解，更新精英组，更新救济空间，通过相对重要性确定各目标函数加权值，计算适应度函数值；第二阶段，对种群中的解同时进行遗传搜索、局部搜索和信念算子（只对劣解执行信念算子），然后使用轮盘赌选择法从产生的解中选择Npop个解；第三阶段为迭代，即重复上述过程（只有第一代需要产生初始解），直至迭代指定次数，最后更新精英组。本算法通过将遗传搜索、局部搜索和救济算子对每个解同时执行，大大提高了对每个解的利用程度，改进了传统的混合遗传算法。此外，新的编码方式简化了编码过程，根据相对重要性确定各目标函数权值的方法使权值的确定更加符合实际情况。

摘要： 本发明属于遗传算法领域，特别涉及一种基于进化激励算子的遗传算法，包括步骤：(1)初始化种群规模；(2)计算当前代种群中每个个体的目标函数值，对目标函数值进行排序得到目标函数值序列，将最小的B个目标函数值对应的个体储存下来；(3)调制目标函数值序列；(4)计算进化激励算子；(5)计算进化激励算子对应的代种群中每个个体的变化率；(6)更新父代种群；(7)计算规划后父代种群每个个体的变化率、交叉率和变异率；(8)进行交叉变异操作，得到新的子代种群后，用存储的B个个体替换此时种群中的前B个个体，更新种群；本发明可嵌入传统的遗产算法中求解带限制条件的数值型参数优化问题，对算法快速性和稳定性具有积极意义。

摘要： 本发明提供一种基于变邻域和遗传算子的生产组装协同调度方法，针对高端装备制造的生产组装协同调度问题，设计了基于启发式算法和变邻域搜索算法的优化算法，首先运用启发式算法将零部件进行组批和排序，再通过编码确定组装机器分配和产品组装排序，最后通过组装阶段的启发式算法和算法的迭代改进并找到近似最优解。本发明采用与启发式算法相结合的变邻域搜索算法，一方面为变邻域搜索算法提供了更加有效的邻域结构，另一方面，保证了搜索过程的高效率，既保证了算法的收敛性，又保证了算法的简洁性，能在较短的时间内解决实际问题。

摘要： 本发明提供一种基于变邻域和遗传算子的生产组装协同调度方法，针对高端装备制造的生产组装协同调度问题，设计了基于启发式算法和变邻域搜索算法的优化算法，首先运用启发式算法将零部件进行组批和排序，再通过编码确定组装机器分配和产品组装排序，最后通过组装阶段的启发式算法和算法的迭代改进并找到近似最优解。本发明采用与启发式算法相结合的变邻域搜索算法，一方面为变邻域搜索算法提供了更加有效的邻域结构，另一方面，保证了搜索过程的高效率，既保证了算法的收敛性，又保证了算法的简洁性，能在较短的时间内解决实际问题。