基于混合Pareto遗传算法的多目标优化张根香夏娴瑶张荟(厦门大学软件学院福建 厦门361005)摘要:遗传算法是一种新型的优化方法可以用于解决最优化问题针对于多目标优化问题在传统的遗传算法的基础上给出了一种新的混合Pareto遗传算法该算法是将多目标优化方法和单目标优化方法相结合实验表明该方法有良好的全局优化性能和较强的局部搜索能力并且问题的计算量小复杂度低关键字:单目标优化多目标优化Pa
#
#
第28 卷 第1 期
第 34 卷 第 10 期
万方数据
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级基于遗传算法的随机优化搜索1 基本概念2 基本遗传算法3 遗传算法应用举例4 遗传算法的MATLAB求解5遗传算法的特点与优势 遗传算法是基于进化论在计算机上模拟生命进化机制而发展起来的一门新学科它根据适者生存优胜劣汰等自然进化规则搜索和计算问题的解 作为强有力且应用广泛的随机搜索和优化方法
遗传算法解决多目标函数规划clearclcsyms xFunction f1=f(x)f1=x(:1).x(:1)4x(:2).x(:2)4function f2=f(x)f2=x(:1).(1-x(:2))10NIND=100MAXGEN=50NVAR=2PRECI=20GGPA=0.9trace1=[]trace2=[]trace3=[]FielD=[rep([PRECI][1NVAR]
基于混合遗传算法的宽带阶梯阻抗变换器的优化设计马国田 梁昌洪 摘要 提出了一种将标准遗传算法和确定性方法相结合的混合遗传算法并应用该方法对相对带宽为100的宽带阶梯阻抗变换器进行优化设计克服了标准遗传算法效率太低及确定性方法易收敛于局部极小点的缺点.分别对负载阻抗为纯实数和复数的两种情况进行优化设计表明:当负载为纯电阻时混合遗传算法的计算结果与Chebyshev综合所得结果基本一致当负载为复阻抗
基于遗传算法的PID参数优化设计摘 要PID调节器是最早发展起来的控制策略之一遗传算法是一种借鉴生物界自然选择和自然遗传学机理上的迭代自适应概率性搜索算法本文提出了一种基于遗传算法的PID控制器参数优化设计遗传算法模仿生物进化的步骤在优化过程中引入了选择交叉变异等算子选择是从父代种群中将适应度较高的个体选择出来以优化种群交叉是从种群中随机地抽取一对个体并随机地选择多位进行交叉生成新样本达到增大搜
违法有害信息,请在下方选择原因提交举报