简介:传统的遗传算法在遗传操作的过程中,不管具体问题对种群规模的要求都事先指定,造成种群规模表现的不合理.针对这一问题,Arabas,J.等人提出了一种变种群规模遗传算法GAVaPS(GeneticAlgorithmswithVaryingPopulationSize),旨在遗传操作的过程中自适应地调整种群的规模.黄乐等人提出了一种改进的变种群规模遗传算法VPSG-GM(VaryingPopulationSizeGeneticCombinedwithGradientSearchMethod),它与GAVaPS方法在遗传操作上的不同之处是把评价目标函数的步骤置于重组种群时"淘汰"步骤之前,这样做减少了算法由于重组造成的不必要开销.文章提出的改进的变种群规模的遗传算法,在调整种群规模时通过增加补算算子,从而达到保持种群多样性的目的.这样做可以略去变异操作,减少了系统开销.实验证明了该算法的有效性.
简介:一、遗传算法的发展遗传算法(GeneticAlgorithms简称GA)是由美国Michigan大学的JohnHolland教授于20世纪60年代末创建的。它来源于达尔文的进化论和孟德尔、摩根的遗传学理论,通过模拟生物进化的机制来构造人工系统。从1985年在美国卡耐基.梅隆大学召开的第一届国际遗传算法会议到1997年5月IEEE的Transactions0nEvo-lutionaryComputation创刊,遗传算法作为具有系统优化、适应和学习的高性能计算和建模方法的研究渐趋成熟。[1]遗传算法是一种自适应全局优化概率搜索算法,主要有以下特点:(1)自组织、自适应和学习性(智能性)。遗传算法消除了算法设计中的一个最大障碍,即需要事先描述问题的全部特点,并要说明针对问题的不同特点算法应采取的措施,因此,它可用来解决复杂的非结构化问题。(2)直接处理的对象是参数的编码集而不是问题参数本身。(3)搜索过程中使用的是基于目标函数值的评价信息,搜索过程既不受优化函数连续性的约束,也没有优化函数必须可导的要求。(4)具有显著的隐并行性。遗传算法按并行方式搜索一个种群数目的点,而不是单点。它的并行性表现在两个方...
简介:油藏描述是根据数模参数来描述油藏、以便对其进行动态预测的一种方法。我们介绍了一种采用专用设计的遗传算法来搜索最有可能与油藏的测量结果拟合的油藏描述方法。该遗传算法使用六个染色体来代表不同类型的油藏参数。其中三个染色体具有多维实数结构,而另外三个染色体则为一维二进制数组。创造了专门设计的交换和变异算子与非标准的基因组结构一同使用。该方法在真实、复杂的人造油藏模型上进行了试验,并与模拟退火(SA)算法进行了比较。我们证明,遗传算法能获得比模拟退火算法更好的结果,可与人工计算所能得到的结果相媲美。此外我们还证明,对于算法建立的详细过程而言,遗传算法的性能是稳健的。因为该算法易于进行并行处理,对于被丢失和被破坏的解具有稳健性,且能返回一组良好的解,因此它是自动油藏描述算法中的一种理想方法。
简介:本文介绍了一种车载线天线,该天线采用遗传算法业设计,它既可以用于GPS系统,也可以用于IRIDIUM系统。这种天线具有右旋圆极化和半球覆盖性能,其工作频段为1225-1625MHz。这种天线采用数字电磁代码(NEC)来模拟,然后加以制作和测试。它由5个串联的铜管线段(segment)组成,其形状非常奇特,而且价格非常便宜,其体积近似为10cm×10cm×15cm。计算并测量了输入电压驻波比(VSWR)和圆极化辐射方向图。VSWR在1225MHz、1575MHz和1625MHz设计频率上小于2.2。在170°的天线扇区内天线增益的变化小于12dB。一般来说,增益会在水平线附近减小。因此,在天线扇区为150°和160°时天线增益的变化更小。这种新的天线设计采用了遗传算法和电磁码,它有几种非常特殊的天线结构,这些天线结构都已被证明其工作性能比常规设计的工作性能好。