人工智能基础：一种基于种群多样度的实数编码并行遗传算法

⚫ §1 求偶与婚配 ⚫ §2 领域行为 ⚫ §3 集群行为 ⚫ §4 社会等级 ⚫ §5 合作和利他行为 ⚫ §6 通讯 ⚫ §8 捕食作用 ⚫ §9 寄生 ⚫ §10 共生

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量

为解决冷连轧轧制过程中的打滑问题,在引入打滑因子的基础上,建立了以预防打滑为目标的规程优化模型.针对标准遗传算法存在的早熟收敛、振荡和随机性太大等缺点,利用改进的自适应遗传算法进行优化.该算法提出了一种基于排序的多轮轮盘赌选择算子,提高了算子的选优能力,也减少了随机性所产生的误差,同时依据个体适应度的值确定染色体的交叉概率和变异概率,使前期变异明显,后期趋于稳定,保证了种群开发和搜索的平衡及全局收敛性.现场试验及生产实践情况证明,该优化规程模型能够有效地降低打滑发生的概率,提高产品的质量,获得更好的经济效益

首先建立了两流薄板坯连铸连轧流程生产调度规则库.然后根据该生产流程的特点,提出了遗传算法新的编码、交叉、变异操作及改良的概念,并在遗传算法的初始种群建立和改良过程中引入调度规则.在此基础上,利用调度规则和遗传算法相结合的混合遗传算法建立了两流薄板坯连铸连轧流程生产调度系统.该调度系统可以较好地解决两流薄板坯连铸连轧流程的动态调度问题,进一步优化生产组织

对一种已有的自适应算法进行了改进,并将该算法思想引入到粒子群算法的改进中,在种群进化到一定代数时按照改进自适应算法改变搜索范围的大小,实现了自动调整搜索范围、提高收敛速度和精度并可有效防止粒子群算法早熟收敛的目的,同时通过实验仿真进行了验证.将该改进粒子群算法应用到热连轧机精轧机组的负荷分配优化计算中,程序运行时间小于5s,满足实时性的要求,为其提供了一种更为有效的优化手段

针对特定水处理工艺,研究了投加2-MIB前后水中微生物种群的变化,建立了筛选分离2-MIB降解菌的方法.以生物膜生长成熟的活性炭连续处理含有较高浓度2-MIB水样,然后从活性炭表面取样,用2-MIB为惟一碳源的无机盐培养基筛选和驯养,最后进行划线分离,成功得到2-MIB降解菌种.通过16SrRNA分析,该菌株属于假单胞菌属(Pseudomonas spp.)

将一种自适应遗传算法应用于移动机器人路径规划.提出了一种基于几何避障法的初始种群产生算法;设计了基于启发式知识的交叉、变异、求精和删除算子;采用一种新的模糊逻辑控制算法自适应地调节交叉概率和变异概率;对移动机器人离线和在线规划问题进行了仿真研究.仿真结果表明:自适应遗传算法具有较快的搜索速度、较高的搜索质量以及较强的自适应能力,为移动机器人最优路径规划问题的解决提供了一种新方法

为了解决无人机在部分未知敌对环境中的低空突防航迹规划问题,提出了一种改进的差分进化算法.该算法的进化模型采用冯.诺伊曼拓扑结构,并对其进行拓展,使种群在进化初期保持多样性,避免进化早期陷入局部最优,而进化后期加快收敛速度.该算法改进了差分进化算子中的变异操作,从而加快算法的收敛速度,快速找到多目标优化问题的最优解;同时,采用将绝对笛卡儿坐标和相对极坐标相结合的编码方式以提高搜索效率.将该算法用于无人机在线航迹规划仿真实验,并和未改进的算法结果作比较,验证了该算法的有效性

正弦余弦算法是一种新型仿自然优化算法，利用正余弦数学模型来求解优化问题。为提高正弦余弦算法的优化精度和收敛速度，提出了一种基于差分进化的正弦余弦算法。该算法通过非线性方式调整参数提高算法的搜索能力、利用差分进化策略平衡算法的全局探索能力及局部开发能力并加快收敛速度、通过侦察蜂策略增加种群多样性以及利用全局最优个体变异策略增强算法的局部开发能力等优化策略来改进算法，最后通过仿真实验和结果分析证明了算法的优异性能