摘要：针对现有和声搜索算法收敛速度慢、参数选取困难的不足,提出了一种求解数值优化问题的轮盘赌自适应和声搜索算法。该算法在和声库学习环节用轮盘赌选择取代HS算法的完全随机选择和GHS算法的贪婪选择,在提高收敛速度的同时克服了GHS算法由于贪婪选择造成的早熟;在参数选取中利用群体适应度方差生成概率PAR以自适应微调,然后根据和声库的信息、变量的取值范围和迭代次数进行自适应调整微调步长。仿真时设计了一个特殊函数用于例证轮盘赌选择机制的有效性和GHS算法的早熟问题,通过四个经典函数证明了该算法在收敛速度和收敛精度方面优于HS和IHS算法。

摘要：针对遗传算法在求解桑叶采摘机结构优化问题时容易陷入局部最优和求解精度低等问题,提出一种改进实数遗传算法。首先是给出一种基于序的组合适应度函数的轮盘赌选择算子,该算子在轮盘赌的基础上,通过一个自适应变化的参数在两种适应度函数中选择一个,再去计算适应度值;然后设计一种基于方向的改进启发式交叉算子,该算子既保留两个父代个体中较优个体对子代个体的影响,又增加种群中最优个体对子代个体的影响,提高交叉产生有潜力子代的可能性。接着将改进算法应用于摇杆式桑叶采摘机的优化参数设计中,通过与其他算法作仿真对比试验验证算法的优越性,获得采摘机最优参数组合:行走结构速度为24 mm/s、拨动结构角速度为1.2 rad/s、采摘结构速度为440 mm/s,并由运行结果可知整机性能与优化前相比提高13%。最后用优化得到的参数组合进行实地试验,结果显示桑叶采摘机性能提升10.9%,误差较小为2.1%。可见,所提改进实数遗传算法是优化采摘机参数的一种有效算法。

摘要：模拟课堂教学行为的教学优化算法,具有操作简单且搜索能力强的突出优点。尽管该算法为增强种群多样性采取了消除重复个体操作,然而在算法后期依然容易陷入早熟收敛。为提高教学优化算法的搜索能力,该文通过融合涡流搜索和差分进化这两种策略,提出了改进措施。改进后的算法包括:教师自学、向教师学、学生互学三种行为。首先,在每轮循环的开始,增加了基于涡流搜索的教师自学习行为,从而使作为最优个体的教师也获得一定的改进机会。其次,在教师阶段和学生阶段的个体更新式中,均增加了体现不同个体之间差异的差分算子,同时在学生阶段增加了轮盘赌选择策略,以便使优良个体获得更多更新的机会。10个标准测试函数的仿真结果表明,改进算法的寻优能力不仅比原算法有大幅度提升,而且对于部分复杂函数也优于同类其他对比算法,从而揭示出通过融合涡流搜索和差分策略提升教学优化算法性能的研究方案是可行的。

摘要：基于2DMesh结构的片上网络在设计之初就要考虑模块映射问题,以满足通信功耗的约束。提出一种基于遗传蚁群映射算法的方法解决片上网络设计中通信功耗最小化问题。该算法针对标准蚁群算法易于出现早熟停滞等缺陷,引入轮盘赌选择机制及染色体杂交等手段,使映射功耗函数快速收敛,达到良好的全局寻优效果。

摘要：针对一类极小化 makespan和延迟区间的并行多机零件排序问题 ,设计了一个混合遗传算法 .该算法的特点是充分利用求解单机问题的最优有效算法 ,设计了一种简单的编码方案 ,简化了算法的实现难度 ,提高了算法的执行效率 .数值仿真实验表明 ,该算法具有收敛速度快、优化效果好等特点 ,且适合于求解大规模问题 .

摘要：以遗传算法中的轮盘赌选择策略和锦标赛选择策略作为研究对象,通过在13个基准测试函数上的测试,对不同选择策略的性能进行了比较和分析。实验结果表明,锦标赛选择策略比轮盘赌选择策略具有更好的通用性,而且性能更优。在锦标赛选择策略中,组规模为种群规模的60%至80%的锦标赛选择策略效果较好。该实验结果为设计更加合理高效的选择策略提供了有用的参考。

摘要：针对基本微粒群优化算法(PSO)存在陷入局部最优的问题,提出一种基于排列的改进微粒群算法(RPSO)。该算法对每次迭代过程中的个体历史最优解按照适应值的优劣顺序排列,然后选择若干个较优的个体历史最优解作为候选解,再以概率方式在候选解中确定群体历史最优解的位置。RPSO算法使基本PSO算法易于陷入局部最优的问题,得到有效的缓解。为了分析算法的性能,对几种典型的非线性函数进行了测试。实验结果表明,RPSO算法比基本PSO算法具有更好的寻优能力。