遗传算法的发展
遗传算法的手工模拟计算示例
本文运用遗传算法对不等幅不等距矩型平面阵列的最大相对旁瓣电平进行了优化,通过提出新的自适应变异算子改进了算法的收敛性能,良好的计算结果表明遗传算法是目前求解此类问题的有效方法. 关键词:阵列天线;旁
基于遗传算法的复杂无源滤波器参数设计
为了利用遗传算法解决全局最短路径问题,提出了一种基于矩阵判断的编码方法。随机产生种群个体,每个种群个体都可以直观反映一种连线的方法。定义一个判断矩阵,每次使用种群个体前用判断矩阵进行合法性判断。为了适应这种编码方法,提出了新的遗传策略。利用LabVIEW进行仿真。仿真结果表明LabVIEW独有的数组运算规则可以方便有效的实现这种遗传算法。相比较一般的编码方法,该编码方法更简单、实用,不需要解码过程,更高效,适用于无线模块组网、灌溉网络管道连接、配电网设置等多类工程设计。
把遗传算法和传统的扰动观察法相结合提出了一种新的MPPT算法,并在Matlab中进行了仿真。由仿真实验可以看出,通过遗传算法的应用,该算法具有极好的抗干扰能力和良好的搜索速度,通过减小扰动观察法的扰动步长,算法可以稳定地工作在最大功率点。
本文将算法分成了两个阶段,分别设定了不同的遗传操作概率,这种方式还比较简单,不能完全适应种群的变化情况。如何让算法根据种群进化情况自动调整和优化这些参数,还需进一步的研究和改进。
把遗传算法和传统的扰动观察法相结合提出了一种新的MPPT算法,并在Matlab中进行了仿真。由仿真实验可以看出,通过遗传算法的应用,该算法具有极好的抗干扰能力和良好的搜索速度,通过减小扰动观察法的扰动步长,算法可以稳定地工作在最大功率点。
控制系统是制导炸弹的关键部位。目前,所有制导炸弹的控制系统都是基于一定的数学模型,以固定的方式修正弹道误差。由于存在各种不可预知的误差因素,但控制方式却不可调整,造成制导炸弹的实际命中精度不高。
0 引言 遗传算法,主要靠种群基因型的多样性提供进化机会,产生不断进化的效果。依据模式理论,遗传算法的搜索,是对隐含在编码串内的模式抽样和编码串间的模式重构的过程,存在隐含的并行性。本文对遗传算法操
随着芯片集成度的飞速发展,集成电路的设计已经进入了片上系统(Soc,System on chip)的时代。传统的软硬件分开设计的方法已经不在适合Soc设计的需要,而软硬件协同设计技术很好解决了传统设计方法所不能解决的问题。软硬件划分方法是软硬件协同设计中的一个关键问题,从基于多目标的遗传算法出发,主要做了两方面的改进:一方面引入小生境技术,进一步优化了算法;另一方面是引入精英保持策略,保证了算法的收敛性。
1 绪论传统天线设计通常是根据对简化或理想化的天线结构模型的分析,或者依据一些工程经验公式进行天线结构设计[1]。设计非常依赖设计者的知识和经验,也难以做到最优设计。近年来,天线自动设计得到了重视和研究,它
摘 要:针对基本遗传算法效率低和易早熟的缺陷,提出了一种改进操作算子的遗传算法。该算法在种群初始化、选择、交叉、变异等基本算子的基础上加以改进,使算法具有更好的适应性。对3组不同函数的测试表明,改进算法