变异操作

摘要： 针对二进制粒子群算法存在收敛不稳定和容易陷入局部最小的缺点,使用新型的转换函数和变异操作对其进行改进以得到更好的优化性能,提出基于改进二进制粒子群优化的有源配电网运行方式优化方法。仿真结果表明,算法能有效降低配电网有功网损、提高节点电压水平,在有源配电网运行方式优化问题中具备可行性和优越性。

摘要： 当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛。为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO)。该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,影响粒子开发能力;利用混合机制中的加权策略在外部存档的非劣解中确定全局最优样本,增加了种群的多样性,提升粒子飞向真实Pareto前沿的概率;同时,为防止算法停滞,陷入局部最优的问题,还引入一个变异操作对粒子的位置进行动态变异,增强了粒子的探索能力。仿真实验结果表明:所提算法与其他3个国际经典的多目标粒子群算法相比,具有较优的收敛性和多样性,且有较好的空间化效果。

摘要： 差异进化算法在解决复杂问题时有着独到的优势,其算法也在不断被改进,但大部分改进算法只利用了搜索空间或适应度空间的单一信息.基于距离选择和适应度排序,提出一种改进的变异选择方法,将部分个体的选择通过综合个体间距离和适应度排序信息得到,该方法改变了经典差异进化算法的变异步骤,可以直接融入常用变异策略中.使用CEC 2017超多目标优化竞赛提供的函数集,从邻近组比例和问题维度对算法的性能影响进行分析和实验,结果表明,邻近组比例与变异策略中的扰动个数有关,最优邻近组比例下的改进算法比已有算法具有更好的运算能力,并且问题越复杂优势越明显.

摘要： 针对帝企鹅优化算法收敛精度低、易陷入局部最优等问题,提出一种改进帝企鹅优化算法求解约束优化问题.利用动态线性调整粒子数目策略结合两种变异操作的方式,增加算法探索能力与开发能力;通过引入一种存档替换操作机制,完善可行性准则的性能,加快算法收敛速度.基于13个标准测试问题和2个工程优化问题的实验结果表明,该算法对约束优化问题有效可行.

摘要： 针对线目标的多无人机协同侦察航迹时间代价较大、算法收敛较慢等问题,提出了一种基于集中一体化遗传算法的协同航迹规划方法.在考虑目标属性及任务要求的基础上,建立了基于时间代价的航迹模型.引入集中一体化方法,对标准遗传算法的编码方式进行了优化,保证了所有目标均被侦察一次,且无重复侦察.在种群迭代中对交叉操作和变异操作进行了改进,有效提高了算法的收敛速度.仿真结果表明,该方法可求解得到具有最小时间代价的任务航迹,且收敛速度较快.

摘要： 多种群遗传算法(MPGA)搜寻最优解的能力受初始种群分布的影响,在解决复杂函数优化问题时存在早熟收敛风险,而思维进化算法(MEA)存在局部搜索精度低和全局收敛速度慢的问题.针对两者的不足,提出一种MPGA和MEA混合的优化算法MPGA-MEA.为参与MEA趋同操作的各子群体设置不同的控制参数,独立进行遗传搜索,同时利用移民算子增强子群体的互动,实现协同进化,直至子群体成熟.在此基础上,释放劣质子群体,并选择全局公告板中记录的优质个体执行交叉和变异操作,产生中心个体,对应生成的临时子群体参与新一轮的迭代寻优.基于不同测试函数的仿真结果表明,该混合算法相较于MPGA和MEA,MPGA-MEA对高维多峰函数的寻优能力得到明显提升.

摘要： 为了提高短期电力负荷预测的精度,提出一种基于自适应柯西变异粒子群(ACMPSO)算法优化长短期记忆(LSTM)神经网络的短期电力负荷预测模型(ACMPSO-LSTM)。针对LSTM模型参数较难选取的问题,采用ACMPSO算法进行LSTM模型参数寻优,利用非线性变化惯性权重来提高PSO算法的全局寻优能力和收敛速度,并在寻优过程中添加了基于遗传算法中的变异操作,减小粒子陷入局部最优解的风险。仿真结果表明,ACMPSO优化LSTM的方法能够有效提高短期电力负荷预测的精度和稳定性。

摘要： 建立以矿井通风网络总功率最小为目标的非线性优化数学模型,改进粒子群优化算法实现寻优。在粒子群算法中引入变异操作,提出了一种新的惯性权重,并构造一种新的粒子选择方法控制违反约束条件的粒子数量,提高粒子群算法寻找边界的能力。将风量平衡定律和风压平衡定律的约束条件转化为目标函数的惩罚项,改进粒子群(Improved Particle Swarm Optimization,IPSO)对目标函数进行优化,利用模拟退火在搜索过程中引入随机因素达到全局最优。对新屯矿系统进行仿真模拟实验,结果表明:该算法能够降低通风总能耗的95.69 kW,且风量值满足用风需求。

摘要： 为了提高樽海鞘群算法(Salp Swarm Algorithm,SSA)的收敛速度、计算精度和全局优化能力,在分析总结粒子群优化(Particle Swarm Optimization,PSO)和差分进化(Differential Evolution,DE)算法相关研究成果后,提出了一种集成PSO算法随机惯性权重和DE算法差分变异操作的改进SSA算法——iSSA.首先,将PSO算法的随机惯性权重引入SSA算法的追随者位置更新公式中,用于增强和平衡SSA算法的勘探与开发能力;其次,用DE算法的变异操作替代SSA算法的领导者位置更新操作,以提高SSA算法的收敛速度和计算精度.为了检验随机惯性权重和差分变异操作对SSA算法的改进效果,在多个高维基准函数上进行了仿真实验,并与其他改进SSA算法进行了比较.实验结果及分析表明,与SSA算法和两个典型的改进SSA算法(ESSA和CASSA)相比,集成随机惯性权重和差分变异操作的iSSA算法,在没有增加算法时间复杂度的情况下,显著地提高了SSA算法的收敛速度、计算精度和全局优化能力,并且优于ESSA算法和CASSA算法.

摘要： 加工中心可靠性估计的准确程度对其可靠性评价、预计有着重要的影响,为此本文提出了用局部最优粒子群优化算法对加工中心可靠性进行估计的高效方法.该算法具有实现容易、精度高、收敛快、通用性广等优点,并且本文在原算法的基础上引入变异操作和自适应调整惯性因子,提高了算法的全局解搜索能力.实验结果表示,采用局部最优粒子群优化算法估计出的MTBF误差较小,同时也验证了局部最优粒子群优化算法是高效的算法.

摘要： 在无线传感器网络中采用移动代理技术能有效减少冗余数据传输，降低节点能量消耗，延长网络的生存周期。针对无线传感器网络中移动代理路由问题，提出适合较小规模网络的网络数据收集模型;采用改进的最优最差蚁群算法，引入变异操作防止无效路径的产生，以适应无线传感器网络应用环境。仿真实验结果表明，改进后的蚁群算法提高了算法全局收敛速度并有效避免无效路径的产生。

摘要： 将一类新兴的基于群体智能的随机优化算法—混洗蛙跳算法，应用于电力系统的无功优化，并在基本算法的基础上增加了变异操作，通过提取个体的进化信息，自适应调节变异的尺度，实现对解空间的高效搜索。以有功网损最小为目标函数，建立了电力系统无功优化数学模型，通过对IEEE30节点标准系统进行仿真，结果表明该算法具有较好的全局寻优能力，具有较高收敛速度和收敛精度。

摘要： 本文提出了一种修正的粒子群优化(MPSO)算法以解决系统可靠性问题。MPSO算法修正了粒子群优化(PSO)算法的速度更新，并引入了变异操作。前者能够使所有粒子能够迅速地向全局最优粒子移动，后者能够有效地防止MPDO算法陷入局部最优。大量的实验结果表明，在解决可靠性问题上，MPSO算法具有比其优化算法更强的空间开发能力。MPSO算法是解决可靠性问题的一个有效的选择。

摘要： 在遗传算法中,早熟收敛问题是影响寻优效果的重要因素,本文在分析变异的作用和传统变异算子缺陷的基础上,根据进化过程中变异时机和变异概率的选择,提出一种新型自适应变异遗传算法来提高局部搜索的能力,弥补简单遗传算法易于早熟收敛的缺点.仿真实验表明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解.

摘要： 在对遗传算法中选择、交叉、变异算子作用分析的基础上,指出了标准遗传算法容易产生"早熟"的原因,提出在选择操作之后先进行变异再进行交叉的方法,并采用根据群体中个体的相异率改变交叉与变异操作的先后次序的自适应策略.仿真结果表明该自适应遗传算法具有有效解决早熟收敛问题和提高搜索效率的能力.

摘要： 本文在对遗传算法中选择、交叉、变异算子作用分析的基础上,提出一种新的自适应遗传算法.新算法基于浮点编码机制,选择操作采用精英选择与轮盘赌相结合,变异和交叉操作采取根据适应度自适应地调整交异和交叉概率的策略,同时提出进化的后期采取先变异后交叉的操作次序,并针对变异操作对进化过程的重要作用提出大变异策略.通过不同改进措施对典型复杂函数寻优的仿真,说明新算法具有有效解决早熟收敛问题和提高搜索效率的能力.

摘要： 本文借鉴遗传算法(GA)中的变异思想，在禁忌搜索中引入了变异操作。根据搜索过程是否陷入局部最优而自动地对当前局部最优解实施变异操作，以期能改变搜索的方向，跳出局部最优，进而达到或逼近伞局最优。文中选用TSP Benchmark问题作为测试算例，以两种不同的算法产生初始解，进行了对比研究。实验表明：基于自适应变异的禁忌搜索，不仅可以提高解的质量，而且可以在一定程度上降低对初始解的敏感性。

摘要： 故障注入是容错机制验证、软件测试、可信性基准程序所必需的重要技术手段.为了保证所选的故障模式具有典型性,必须要对程序中实际发生的各种故障模式进行分类整理,抽取出其特征,形成一组具有代表性的故障模式.本文以Java语言作为载体,详细分析了常见bug模式作为故障施加到目标系统或软件中的方法,提出了针对Java的故障注入方案.

摘要： 故障注入是容错机制验证、软件测试、可信性基准程序所必需的重要技术手段.为了保证所选的故障模式具有典型性,必须要对程序中实际发生的各种故障模式进行分类整理,抽取出其特征,形成一组具有代表性的故障模式.本文以Java语言作为载体,详细分析了常见bug模式作为故障施加到目标系统或软件中的方法,提出了针对Java的故障注入方案.

摘要： 本发明提供一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，该方法针对基于人工设计CNN的色素性皮损图像分类方法需要丰富的神经网络设计经验和大量的参数调优的问题，提出了一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法以自动构建面向色素性皮损图像分类的卷积神经网络。首先，通过使用宏操作变异不断地改变父代神经架构的操作类型和连接方式来产生子代，最后进化出一个高性能的色素性皮损分类神经网络。实验结果表明，MOM‑NAS搜索到的卷积神经网络能够取得与前沿方法接近或更好的分类性能，在HAM10000和ISIC2017数据集上分别取得了72.4％和58.5％的平均敏感度。

摘要： 一种具有元件变异补偿功能的驱动电路及其操作方法。驱动电路包括上拉开关单元、隔离开关与下拉开关单元。上拉开关单元的第一端耦接至第一电压。上拉开关单元的第二端耦接至驱动电路的输出端。隔离开关的第一端耦接至上拉开关单元的第二端。下拉开关单元的第一端耦接至隔离开关的第二端。下拉开关单元的第二端耦接至第二电压。下拉开关单元具有元件变异补偿功能。

摘要： 本发明涉及操作系统漏洞挖掘领域，尤其是针对可信操作系统的漏洞挖掘领域，为解决可信操作系统模糊测试过程中变异生成的种子质量不佳的问题，设计了一种适用于可信操作系统模糊测试的种子变异方法。本发明的流程如图1所示，所采用的技术手段为：对测试集的种子进行随机化变异后，利用有效性判断函数筛选出格式、语义正确的有效种子；使用有效性判断函数覆盖率和可信操作系统内核覆盖率两个反馈信息共同指导变异算法的调整，利用具有正反馈的种子不断更新变异使用的测试集。基于本发明的方法，可信操作系统进行模糊测试过程可以在变异阶段快速地生成优质种子，从而提高模糊测试的执行效率和测试到的可信操作系统内核代码范围。

摘要： 本发明提供一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，该方法针对基于人工设计CNN的色素性皮损图像分类方法需要丰富的神经网络设计经验和大量的参数调优的问题，提出了一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法以自动构建面向色素性皮损图像分类的卷积神经网络。首先，通过使用宏操作变异不断地改变父代神经架构的操作类型和连接方式来产生子代，最后进化出一个高性能的色素性皮损分类神经网络。实验结果表明，MOM‑NAS搜索到的卷积神经网络能够取得与前沿方法接近或更好的分类性能，在HAM10000和ISIC2017数据集上分别取得了72.4％和58.5％的平均敏感度。

摘要： 一种具有元件变异补偿功能的驱动电路及其操作方法。驱动电路包括上拉开关单元、隔离开关与下拉开关单元。上拉开关单元的第一端耦接至第一电压。上拉开关单元的第二端耦接至驱动电路的输出端。隔离开关的第一端耦接至上拉开关单元的第二端。下拉开关单元的第一端耦接至隔离开关的第二端。下拉开关单元的第二端耦接至第二电压。下拉开关单元具有元件变异补偿功能。

摘要： 作为本发明的一个方式，进行以下的分析，使对每个碱基种类进行了标记的分析对象的核酸样本进行电泳，检测每个碱基种类的标记信号，生成检测强度的波形数据，对每个碱基种类的上述波形数据的各峰值位置选择其他的峰值位置，计算各峰值位置的信号强度相对于选择出的其他峰值位置的信号强度的相对信号强度，在各峰值位置对分析对象的核酸样本的相对信号强度和已知的核酸样本的相对信号强度进行比较，进行与核酸样本的碱基排列坐标位置的各碱基种类的存在相关的分析。由此，实现高灵敏度、高精度地取得与作为目标的基因区域中存在的微量的基因变异相关的信息。

摘要： 本发明公开了一种发夹变异操作RNA遗传算法的桥式吊车建模方法，属智能建模领域。桥式吊车是一高度非线性的复杂系统，为实现有效控制的目的，建立高精度的桥式吊车系统模型是至关重要的基础。本发明针对桥式吊车建模精度问题，提出基于RBF神经网络的位置和角度的桥式吊车非线性回归模型。受发夹结构启发，抽象出发夹变异操作RNA遗传算法,运行发夹变异操作RNA遗传算法对桥式吊车RBF神经网络的径向基函数中心进行寻优，获得桥式吊车的神经网络模型。本发明的建模方法，具有建模精度高的特点，也适用于其它复杂非线性系统的建模。

摘要： 本发明公开了一种基于变异操作语义稳定性的API误用缺陷检测方法，针对API误用类缺陷，本发明利用特定的变异操作对待检测的代码注入可能的API误用错误，再利用正确代码中多次注入不同误用错误其语义稳定性要高于已存在API误用错误的代码，来区分正确代码和存在API误用错误的代码，从而达到检测API误用缺陷的目的。本发明的主要内容包括：1)提出了一个基于变异操作语义稳定性的API误用缺陷检测整体流程；2)提出了一种从源代码中提取API调用序列的方法；3)提出了一种针对API调用序列的基于变异操作的API误用错误注入方法；4)提出了一种基于自编码器的API调用序列语义特征编码方法；5)提出了一种基于相似语义归一化的语义稳定性评估方法。

摘要： 本发明公开了一种发夹变异操作RNA遗传算法的桥式吊车建模方法，属智能建模领域。桥式吊车是一高度非线性的复杂系统，为实现有效控制的目的，建立高精度的桥式吊车系统模型是至关重要的基础。本发明针对桥式吊车建模精度问题，提出基于RBF神经网络的位置和角度的桥式吊车非线性回归模型。受发夹结构启发，抽象出发夹变异操作RNA遗传算法，运行发夹变异操作RNA遗传算法对桥式吊车RBF神经网络的径向基函数中心进行寻优，获得桥式吊车的神经网络模型。本发明的建模方法，具有建模精度高的特点，也适用于其它复杂非线性系统的建模。

摘要： 本发明公开了一种发夹变异操作RNA遗传算法的桥式吊车神经网络建模方法,属智能建模领域。桥式吊车是一高度非线性欠驱动的复杂系统，为实现有效控制的目的，建立高精度的桥式吊车系统模型是至关重要的基础。本发明针对桥式吊车建模精度问题，提出基于RBF神经网络的位置和角度的桥式吊车非线性回归模型。受发夹结构启发，抽象出发夹变异操作RNA遗传算法,运行发夹变异操作RNA遗传算法对桥式吊车位置和摆角RBF神经网络的径向基函数中心进行寻优，获得桥式吊车的神经网络模型。本发明的建模方法，具有建模精度高的特点，也适用于其它复杂非线性系统的建模。