变异算子

摘要： 随着风电渗透率的提高,电网不确定性因素急剧增加,传统可用输电能力计算方法已难以满足现有电网对安全、稳定、经济、实时运行等方面的要求。为此,利用拉丁超立方采样生成具有相关性的风速样本,建立可用输电能力的概率最优潮流模型。为保证计算精度和速度,构建基于混沌初始化、变异算子和动态发现概率的改进布谷鸟搜索算法。通过IEEE-30节点系统仿真分析,评估风速相关性对可用输电能力的影响,证明了改进算法的正确性和有效性。

摘要： 实现持续低碳化发展是冷链物流技术创新与优化的重要方向。基于成本约束视角,将冷链物流存储、配运、交付诸环节的运营成本和碳排放成本纳入企业总成本目标函数,构建冷链物流配送路径优化模型,使用蚁群算法与遗传算法变异算子结合求解,提高了算法迭代收敛速度。以医药冷链物流配送为例进行算法仿真优化与分析,验证了降低物流成本与节能减排可协同优化,获得良好的经济效益。模型和算法对环境可持续视角下的冷链物流配送路径问题有理论和实践意义。

摘要： 在考虑冷链物流配送时效性、易腐性等严苛条件的前提下,构建以客户满意度最大、配送总成本最小的多目标车辆路径优化模型,运用改进的非支配排序遗传算法(Improved Nondominated sorting genetic algorithmⅡ,I-NSGA-Ⅱ)对模型进行求解,获取冷链物流配送方案。在NSGA-Ⅱ算法中引入C-W节约算法构造问题初始解,通过改进变异算子、改进拥堵距离计算方法改进算法。结果表明:改进算法克服了传统NSGA-Ⅱ算法全局搜索能力差、收敛速度慢的缺点,得到了更优的Pareto解集,验证了改进算法的有效性。

摘要： 针对旅游线路规划问题的非确定性多项式难题(nondeterministic polynomially problem, NP)特性,顾及文化旅游景点文化内涵的多样性,提出了一种可有效保持种群多样性的遗传算法以求解旅游线路规划问题。为了解决传统遗传算法的局部最优问题,改进的算法利用Jaccard系数产生初始种群以提升种群质量;在交叉算子后采用多种变异算子产生多个子代,保留子代与父代中较优个体组成新种群,从而保持种群在进化过程中的多样性。实验结果表明所提算法能够更有效求解旅游线路规划问题。

摘要： 在基于多源信息融合的焊接缺陷评估中,特征选择对提高评估精度与速度发挥着重要作用。多源特征集由电弧电特征与电弧声音特征组成,其特点在于特征集中存在冗余与互补特征。因此,本文提出一种基于改进非支配排序遗传算法-Ⅲ(non-dominated sorting genetic algorithm-Ⅲ,NSGA3)的多目标特征选择方法,旨在从多源特征集中找到最优特征子集。该方法首先对特征集进行相关、冗余和互补特性分析,再以冗余性最小,相关性与互补性最大为目标建立多目标特征选择优化模型。并基于相关、冗余和互补评价函数提出一种新的变异算子来引导变异过程,以减少无效特征的影响,提高收敛效率。实验采用支持向量机作为学习器来验证学习效果,结果表明,所提方法与其他3种方法相比,可以在特征子集维度和预测精度方面获得更好的性能。

摘要： 短期负荷预测在电网调度安排和电力市场交易中发挥着重要作用,预测精度高,有利于提高发电设备的利用率和经济调度的有效性。为充分挖掘负荷数据中时序性特征的联系,解决神经网络中由超参数的随机选取导致的预测精度下降问题,提出一种基于教与学的遗传算法(TLBGA)和门控循环单元(GRU)神经网络的短期负荷预测方法。利用灰色关联分析法对原始数据进行相关度分析,剔除冗余特征,使输入与输出保持较好的映射关系,在遗传算法中加入一种基于教与学优化的新型变异算子,用于防止其出现早熟收敛问题,从而提高解的质量。在此基础上,运用改进后的TLBGA算法对GRU神经网络模型进行超参数寻优,更新GRU的模型超参数并使其性能达到最佳状态,以提高负荷预测的精度。对欧洲某地区的电力负荷数据集和美国PJM电力市场公开负荷数据集进行预测,结果表明,该方法的预测精度分别达到了97.1%和97.2%,相比反向传播神经网络、循环神经网络及GRU神经网络模型,具有更高的预测精度。

摘要： 为研究与堆芯装载方案优化问题相适应的编码与算子,改善遗传算法的优化效果,在对堆芯装载方案中燃料组件布置和调整方式深入分析的基础上,设计了一种随机子路径交叉算子和一种随机子路径变异算子,并对比分析了设计算子与组合优化中常用的11种交叉算子和6种变异算子的优化效果.为与设计算子相匹配,并使编码满足完备性和拉马克性质,使用分段整数编码表示堆芯装载方案,提出了一种遗传算法新个体的产生策略,即将多个交叉算子用于染色体的不同片段,从而产生新个体,可确保解的合法性.开发了基于MPI并行的遗传算法,研究了不同算子组合在旅行商问题和堆芯装载方案优化问题中的优化效果,分析了不同算子的交叉概率和变异概率等参数.计算结果表明,设计的随机子路径交叉算子和随机子路径变异算子在旅行商问题和堆芯装载方案优化问题中均获得了良好的优化效果.

摘要： 实数编码遗传算法易在局部极值处收敛,搜索精度难以提高.针对变异操作,提出了一种自适应的基于种群多样性的非均匀变异算子(diversity based non-uniform mutation operator,DNM).引入种群方差因子和种群熵因子为决策变量,设计了一种基于种群多样性的变异强度控制函数,以保持种群的多样性.测试结果表明,应用改进变异算子的算法能够维持一定的种群多样性,提高遗传算法的求解精度及收敛速度.

摘要： 针对待加工零件(族)的工艺特性已知,且加工设备型号与数量选定的柔性制造系统(FMS)布局问题,以FMS总物流成本最低为优化目标,采用改进的粒子群-禁忌搜索算法进行了布局优化.以实数映射编码的方法和自动换行策略对粒子进行初始化随机编码,并在粒子群迭代过程中引入自适应变异算子对粒子的位置进行随机变异,增加粒子群的多样性,避免陷入局部最优解.将得到的优化结果解码并进行禁忌搜索,提高算法的局部搜索能力和寻优质量.通过实例验证了使用改进粒子群-禁忌搜索算法优化FMS布局的可行性,得到了相比于标准粒子群算法更优的物料搬运总成本和布局方案序列,结果表明该算法可以有效提高求解布局优化问题的精度.

摘要： 为了解决带软时间窗车辆路径这一类典型的NP-hard问题,减少总配送成本,本文提出一种混合蚁群算法,通过蚁群优化技术与遗传算法中的变异算子结合增加解的多样性,根据适应度函数评估解的质量获得精英解来对构建的模型求解,采用众所周知的基准所罗门数据集,设置25和100不同的客户规模仿真结果对比评估性能,得到全局平均解的优化率都达到10％以上的结果.仿真结果显示,高效地求解了VRPSTW问题,在收敛速度和寻优结果两方面均有明显优化.

摘要： 柔性作业车间调度问题是对传统车间调度问题的扩充,它更接近于现实的生产调度问题.本文针对柔性作业车间调度的特点,设计了基于关键工序的变异算子,使变异集中于关键路径,从而提高了变异过程的效率.我们还采用二向量编码、初始种群定位法和POX交叉算子,设计了新的应用于柔性作业车间调度的遗传算法,并通过实验验证了算法的有效性.

摘要： 并行程序测试中,测试输入和线程交互时序是影响并行错误检测的两个关键因素,论文以缩减并行错误检测的输入空间为目标,给出一种基于变异测试的测试用例最小化算法.首先对并行程序进行研究,选取与并行错误密切相关的9个变异算子并以此为基础为待测程序生成多种变异体;采用JPF作为线程调度工具来执行测试用例,根据变异评分与平均时间成本进行对测试用例进行排序,在优化后的测试用例集中选取检测能力不重复的测试用例,从而得到面向并行错误检测的最小测试用例集.实验结果证明,该方法能有效减小测试用例集规模,并大幅缩短运行时间,从而提高并行程序测试效率.

摘要： 针对复杂电磁环境下无线电网络选频问题,提出了一种基于改进的智能优化算法的网络选频技术,从全局优化的角度考虑对无线网络进行整体选频,在基本遗传算法的基础上,对交叉算子和变异算子进行改进,将遗传操作和模拟退火操作相结合,对最优个体进行保护以确保收敛性,从而克服了传统选频算法的不足,可有效避免陷入局部最优并最终趋于全局优化.理论分析和仿真结果表明,与传统选频算法相比,新算法在解决大规模网络选频问题时,效率和精度更高,而且稳定性显著增强.

摘要： 针对基本鱼群算法盲目搜索的问题，提出了一种新的基于知识的带变异算子的人工鱼群算法。利用文化算法的框架，将鱼群算法嵌入到种群空间当中，构造了适用于文化鱼群算法的新的影响函数。同时应用信念空间中的规范知识和情境知识通过影响函数指导人工鱼群算法中的进化步长和方向，通过5个高维多峰函数检验新算法的性能，利用提出的新算法求解两个带约束的工程优化问题，仿真结果表明新算法与基本鱼群算法相比性能显著提高，并且能够有效地求解工程优化问题。

摘要： 针对一类难约束优化问题，提出一种不可行解驱动的差分进化算法求解方法。该算法利用2个不同变异算子的时变线性组合，定义一种自适应组合变异算子，有效平衡算法的全局搜索能力与局部搜索能力;基于一种概率选择准则定义一种新选择算子，有效选择可行解与不可行解，使得种群自适应地保留适当比例的不可行解进行寻优。该算法可求解难约束优化Bump问题，得出新最优解，与其他算法可求解结果比较后显示了其高效性。

摘要： Web服务因其强大的集成能力而受到广泛重视．单个Web服务提供的功能通常是有限的，因此实际应用中需要对网络上分布的Web服务进行组合以满足用户需求，这种组合的方法为Web服务测试带来了新的挑战．本文采取变异的思想对Web组合服务进行测试，基于owl-s文档中提供的关于组合流程的信息设计了15种变异算子，在此基础上给出了测试系统框架，详细分析了变异测试的步骤和部分功能部件实现的思想．文章的最后通过一个例子分析变异体是如何生成的．

摘要： 提出了一种新的基于自适应变异的动态粒子群优化算法.该算法除了采用动态惯性权重外,还引入了自适应学习因子和新的变异算子.该算法在运行过程中,根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率,采用新的变异算子变异增强了该算法跳出局部最优解的能力.对几种典型函数的测试结果表明:新算法具有很强的全局搜索能力,收敛速度和收敛精度也有所提高,并且能有效避免早熟收敛问题.

摘要： 评述了故障注入技术和程序变异技术，将常用于单元测试阶段的程序变异技术作为构件软件系统可靠性评估的故障注入方法，对此环境下变异算子的挑选准则及故障注入的一般步骤进行了初步探索．

摘要： 车辆路径问题(VRP)是一个经典的NP-hard组合优化问题，采用传统的数学方法求解往往找不到正确的解。首先在分析现有求解该问题的蚁群算法的基础上，使用蚁群算法求出局部最优解，然后利用遗传算法进一步优化局部最优解。实验结果显示，该算法可以快速高效地找到最优解，同时避免了基本蚁群算法的过早收敛这一缺陷。

摘要： 车辆路径问题(VRP)是一个经典的NP-hard组合优化问题，采用传统的数学方法求解往往找不到正确的解。首先在分析现有求解该问题的蚁群算法的基础上，使用蚁群算法求出局部最优解，然后利用遗传算法进一步优化局部最优解。实验结果显示，该算法可以快速高效地找到最优解，同时避免了基本蚁群算法的过早收敛这一缺陷。

摘要： 本发明涉及特定计算模型的计算机系统相关技术领域，提出了面向并行变异算子的顽固变异体测试数据生成方法及系统，方法包括如下步骤：确定变异体顽固性的评价指标，对待测试程序的变异体进行顽固性判定，得到顽固变异体；根据变异通信语句之间的占优关系，将得到的顽固变异体进行初次分组；按照变异语句与待测试程序的输入参量的相关性，将初次分组后的顽固变异体进行再分组；根据再分组后的顽固变异体构建测试数据生成模型，基于集合进化，设置与杀死变异体相关的适应值函数，求解测试数据生成模型，生成能够杀死顽固变异体的测试数据。本发明能够对并行变异算子引发的变异体顽固性进行判定，并生成杀死顽固变异体的测试数据，提高测试效率。

摘要： 本发明提出一种基于粒子群优化和变异算子的无线传感器网络节点部署方法。将所有传感器随机散布在目标区域中，将各传感器的初始坐标作为粒子群算法中的粒子初始位置，将无线传感器网络的覆盖率作为粒子群算法的目标适应值函数；通过粒子群算法得出的全局历史最优解，并且根据最优解获得粒子自身的最优值，所述最优值就是在目标区域部署传感器的最佳位置。本发明通过改进惯性权重计算方法，提高算法的局部搜索能力；通过给粒子个体一个变异概率，使其重新计算个体历史最优解，有效避免整个算法陷入局部最优解，提高了传感器的利用率，降低了组建无线传感网的成本。

摘要： 本发明涉及一种基于语义变异算子的测试用例生成和优化方法，其特点是主要包括两个部分：一是测试用例的生成，即结合语义变异算子和混合执行生成覆盖率尽可能高的初始测试用例集；二是对初始测试用例集进行优化，即通过对初始测试用例集在各语义变异体执行中的故障检测结果和运行状态捕获，根据本发明提出的相关指标对其进行优化，并评估优化后的测试用例集。

摘要： 本发明涉及特定计算模型的计算机系统相关技术领域，提出了面向并行变异算子的顽固变异体测试数据生成方法及系统，方法包括如下步骤：确定变异体顽固性的评价指标，对待测试程序的变异体进行顽固性判定，得到顽固变异体；根据变异通信语句之间的占优关系，将得到的顽固变异体进行初次分组；按照变异语句与待测试程序的输入参量的相关性，将初次分组后的顽固变异体进行再分组；根据再分组后的顽固变异体构建测试数据生成模型，基于集合进化，设置与杀死变异体相关的适应值函数，求解测试数据生成模型，生成能够杀死顽固变异体的测试数据。本发明能够对并行变异算子引发的变异体顽固性进行判定，并生成杀死顽固变异体的测试数据，提高测试效率。

摘要： 本发明涉及一种深度学习变异算子约简方法。首先，利用变异算子为每个源模型生成一系列变异体进行变异测试，通过数据清洗、数据归一化的方法进行特征信息提取，为每一个变异体建立变异特征矩阵MATRIX_MM；然后，对所有变异特征矩阵MATRIX_MM进行数据整理，为每一个变异算子建立算子特征矩阵MATRIX_OP；再基于此矩阵，利用BP神经网络构建模型的方法，为每个变异算子建立一个预测模型PRE_MODEL；最后将待测程序特征输入每个预测模型，最终得到适合该待测程序的变异算子子集。通过本发明的深度学习变异算子约简方法，可以过滤冗余变异算子、减少变异体测试执行开销，从而提升测试效率，节省深度学习软件研发时间。

摘要： 本发明公开了一种基于后期无变异算子的RNA遗传算法的改进方法，进化前期以寻找最优解的大概位置为目标，通过在适应度高的个体与适应度低的个体组成的交叉池中执行两点交叉和固定概率变异操作提高种群的多样性，以提高算法的全局搜索能力；进化后期以提高局部搜索能力确定最优解为目标，利用适应度高的个体与适应度高的个体进行交叉来产生适应度更高的个体，从而提高搜索精度。

摘要： 本发明涉及一种遗传算法应用计算机领域，特别涉及一种基于改进变异算子遗传算法的TSP优化方法，具体包括以下步骤：染色体编码、定义初始参数、选择操作、交叉操作以及变异操作，所述变异操作步骤为：S1、随机给予每一个染色体概率P，判断染色体概率P是否大于变异概率Pm；S2、若染色体概率P小于变异概率Pm，则结束步骤，否则计算变异前和变异后回路的总长度，比较变异前后回路的总长度；S3、若变异后总长度大于变异前总长度，则进行交换变异，并结束步骤，否则继续下一位置，重复执行步骤2，直至生成一个完整的遍历序列。本发明对变异算子的改进，提高了传统遗传算法的准确性及收敛速度，并在一定范围内都有较好的表现。

摘要： 本发明提出一种基于粒子群优化和变异算子的无线传感器网络节点部署方法。将所有传感器随机散布在目标区域中，将各传感器的初始坐标作为粒子群算法中的粒子初始位置，将无线传感器网络的覆盖率作为粒子群算法的目标适应值函数；通过粒子群算法得出的全局历史最优解，并且根据最优解获得粒子自身的最优值，所述最优值就是在目标区域部署传感器的最佳位置。本发明通过改进惯性权重计算方法，提高算法的局部搜索能力；通过给粒子个体一个变异概率，使其重新计算个体历史最优解，有效避免整个算法陷入局部最优解，提高了传感器的利用率，降低了组建无线传感网的成本。

摘要： 本发明涉及一种基于语义变异算子的测试用例生成和优化方法，其特点是主要包括两个部分：一是测试用例的生成，即结合语义变异算子和混合执行生成覆盖率尽可能高的初始测试用例集；二是对初始测试用例集进行优化，即通过对初始测试用例集在各语义变异体执行中的故障检测结果和运行状态捕获，根据本发明提出的相关指标对其进行优化，并评估优化后的测试用例集。

摘要： 本发明提出了基于自适应交叉变异算子的量子免疫信号盲检测方法，所述方法在量子化交叉与变异基础上，引入了基于自适应策略的量子免疫交叉与变异算子，用量子交叉与量子变异进行进化，同时采用了传统免疫算法中交叉和变异算子的策略，以求更好地加强种群的进化程度。本发明基于自适应交叉变异算子的量子免疫算法能够有效避免早熟现象，收敛速度更快，相同信噪比条件下误码率更低。