分享到:

遗传算法性能及其在聚类分析中应用的研究

遗传算法是一种模拟自然进化的优化搜索算法。由于它仅依靠适应度函数就可以搜索最优解,不需要有关问题解空间的知识,并且适应度函数不受连续可微等条件的约束,因此在解决多维、高度非线性的复杂优化问题中得到了广泛应用和深入研究。遗传算法的搜索性能与适应度函数有何关系,什么样的目标函数的极值采用遗传算法求解容易,这些问题的解决对于遗传算法的实际应用和深入理解算法的运行机理有着重要意义。本文采用Walsh多项式构造满足定义矩和阶数要求的函数,并对遗传算法的运行结果进行了详细分析,进一步研究了适应度函数与遗传算法的搜索性能之间的关系;分析了在有限群体规模条件下,具有相同或相接近适应度的不同个体之间的随机竞争现象,并指出可以通过适当扩大群体规模来有效地消除这种竞争,提高算法的搜索效率;提出了一种遗传算法和BP神经网络相结合的混合搜索算法,利用BP网络动态学习个体之间的对应关系,并利用这些关系指导个体的进化。为了利用样本数据之间的关系指导搜索过程,  (本文共104页) 本文目录 | 阅读全文>>

《电子测试》2017年09期
电子测试

遗传算法与蚁群算法在商旅问题中的应用研究

1遗传算法简介遗传算法名称来源于生物进化理论,本着优胜劣汰,适者生存的思想原则。遗传算法研究的对象不再是单一的个体,而是具有共同的特性的种群,这些种群也是同生物体一样,是由基因组成的。这些基因在算法中是通过编码的方式来实现。最初的编码方式常常是计算机最容易接受的二进制编码。伴随着遗传算法的发展,实现能力不断增强,编码方式也呈现出多样化,不仅仅局限于二进制编码,实数编码方式也经常使用。遗传算法实现“最优解”的方式:我们把实际应用中的某些问题,转化为数学模型,以数学的方式期望达到某个控制范围得以实现最终结果的最优解。这里要强调的是,这个范围或者某个具体的数值我们常常称之为适应度。而且遗传算法最终的求解目标往往不是最优,这也是前文最优解加上引号的原因。它期望达到的是实现近似的多个优解。首先在第一代的基因中进行遗传和变异算子过程,产生的新一代种群,进行挑选,对于符合适应度要求的进行再次变异和遗传过程。通过这一代代的繁殖和挑选,最终实现了...  (本文共2页) 阅读全文>>

《软件》2017年01期
软件

一种基于遗传算法与蚁群算法混合算法的无线传感器网络定位算法

LI Jie,LI Zhen-bo,CHEN Jia-pin(Key Lab.of Thin Film and Microfabrication of the Ministry of Education,School of Electronics,Informationand Electrical Engineering,Shanghai Jiao Tong University,Shanghai 200240,CHN)0引言[1]微机电系统(MEMS)、计算机、通信技术的巨大进步带动了大规模分布式无线传感器网络的发展,WSN技术广泛应用于国防、环境、医疗和商业等领域,如今,WSN已成为21世纪最受瞩目的技术之一。无线传感器网络通常被部署于特殊目标区域,受环境和部署方式所限,网络拓扑结构常随机形成,由于大多数应用依赖成功的节点定位,而直接为所有传感器节点安装GPS设备也不可行,因此,无线传感器网络定位技术成为一个活跃的研究领域。...  (本文共5页) 阅读全文>>

权威出处: 《软件》2017年01期
《计算机应用研究》2017年08期
计算机应用研究

基于几何覆盖率算法的传感器覆盖优化策略

0引言传感器网络通常工作在无人职守的区域,其节点的能量和数量是有限的,能量有限制约着网络的使用寿命,数量有限限制着网络的区域覆盖率。因此设计一种优化策略,使已布局的传感器网络在同一时间段内尽量少地使用节点且又满足区域覆盖率指标,对于延长网络寿命至关重要。网络节点的布局一般事先未知,如通过飞机将传感器节点播撒到森林、火山等危险区域。优化算法就是通过控制这些传感器节点的工作状态,对网络进行组织和管理[1]得到较好的使用方案。对于传感器区域覆盖问题目前已有许多方法,如遗传算法[2~4]、粒子群算法[5]、Voronoi图法[6~8]、免疫算法[9]、地理学优化算法[10]等。无论哪种方法,传感器网络的区域覆盖率都是最重要的优化指标,然而目前大部分文献中并没有直接关注传感器覆盖面积计算方法的优化,通常采用栅格统计法[9,11]计算覆盖率,即将目标区域均匀地栅格化,统计被传感器网络覆盖的栅格个数,该个数与总栅格数的比值即为覆盖率。栅格统计...  (本文共5页) 阅读全文>>

《信息技术》2017年09期
信息技术

一种改进的基于遗传和蚁群算法的主题爬虫

0引言万维网的快速发展,极大推动了通用爬虫的研究以及搜索引擎的飞速发展。索引的大小、更新的速度以及个性化的需求等等都给爬虫技术的提升带来了很大的挑战。因此垂直搜索引擎的发展越来越受到关注,它适合特殊的主题和个性化的搜索。基于聚焦爬虫的垂直搜索引擎是搜索引擎研究的热点和难点。经典的通用搜索引擎的设计是为了尽可能多地收集信息页面,其中页面集合的顺序和所收集到的页面的主题不是主要关注的问题。但是,实际上由于动态页面的存在,衡量这些主题是很困难的。并不是所有的主题相关的内容都能够通过相应的主题分类收集到。因此搜索引擎的工作是复杂的,而且还有同义词和同音词的存在。当所需要的信息只有一个主题词时,主题爬虫被用来替代通用爬虫来查找和检索与主题词相关的内容。实际中,在爬行的过程中,已经处理的链接可能会被再次处理。为了避免链接再次被处理,设计一个可以衡量网页主题相关度的URL分析模型是非常重要的。本文设计了一种新的基于遗传算法和蚁群算法的主题爬虫...  (本文共4页) 阅读全文>>

《兰州交通大学学报》2016年06期
兰州交通大学学报

基于模糊超熵与遗传算法的轨面缺陷分割算法

随着列车高速、重载、高密度的运行,列车对钢轨会产生不同程度的伤损.当伤损超过一定限度会使列车产生剧烈振动,不仅会导致列车重要连接件松弛,也会影响传感器寿命,更有可能会使列车车轮表面不光滑或车轮变形进而形成恶性循环.因此及时了解钢轨性状并进行维护修理,以确保安全、连续的铁路运营是十分必要的[1].传统的人工巡检法由于受外界客观环境及巡道工主观因素影响较大,且缺陷表示不够直观、检测速度慢,已不能满足越来越高的检测要求[2].而视觉检测法通过结合图像处理技术与模式识别算法,可对钢轨表面缺陷区域进行检测并识别分类,且由于具有高速度、高精度、高自动化等特性,受到了越来越多的关注[3-4].现有的轨面缺陷分割算法大都基于图像灰度阈值,如夏利明等[5]利用缺陷区域与背景区域的灰度差,提出了基于视觉反差的缺陷分割算法;吴禄慎等[6]通过检测钢轨表面区域缺陷轮廓,提出了采用链码方向跟踪的缺陷检测方法;Dimitris Samaras等[7]利用钢...  (本文共6页) 阅读全文>>