提出了一种基于遗传退火算法和RSSI的无线传感器网络的节点定位算法。首先利用RSSI测距技术收集网络中节点间的通信讯息和距离估计，并优选信标节点;其次通过将定位问题视为一种优化问题，采用遗传退火算法优化未知节点的定位结果。仿真实验结果表明，所提出的定位算法有较高的定位精度。
2022-09-17 08:29:59
344KB
1
针对心电图自动诊断困难这一问题，提出了一种新的聚类算法：基于均方差属性加权的遗传模拟退火K-means改进聚类算法，用于改进心电图（ECG）信号的自动识别技术。利用小波变换的多分辨率和抗干扰能力好的特点，检测QRS波、P波、T波，提高了特征检测的准确性；利用聚类分析具有较好的鲁棒性和适合于大数据量分析的特点，对心电信号进行波形分类。采用MIT-BIH标准心电数据库中的部分数据对识别结果进行判断，改进后的K-means聚类算法的准确率高于传统的K-means聚类算法，实验表明该算法对心电信号可以进行有效分类。
2022-05-08 15:47:58
876KB
1
将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合，提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA)．以十杆桁架为例对此算法进行了数值实验，并将实验结果与其他优化方法相比较．算例结果表明，遗传模拟退火算法的寻优概率是100％，平均进化代数为35代，其稳定性和求解效率均高于改进的遗传算法．实验结果显示，遗传模拟退火算法在整体搜索同时，采用退火操作进行局部搜索，提高了算法的局部搜索能力，有效克服了遗传算法迭代缓慢的缺点，把遗传模拟退火算法用于钢桁架离散变量的
2022-05-06 03:22:43
255KB
1
针对传统的K-means算法对初始聚类中心的敏感很大，极易陷入局部最优值，基于遗传算法的K-means聚类算法由于个体的多样性不足而常出现早熟等现象，采用遗传模拟退火算法优化初始聚类中心点后进行K-means聚类，并提出了一种新的用于评价聚类结果的适应度函数，该函数更为准确地反映类内距离和类间距离。实验结果表明，该方法能获得更好的聚类结果。
2022-04-05 13:08:19
604KB
1
针对旅行商问题(TSP)优化中,遗传算法(GA)容易陷入局部最优、模拟退火算法(SA)收敛速度慢的问题,提出一种基于改进遗传模拟退火算法(IGSAA)的TSP优化算法.首先根据优化目标建立数学模型;然后对遗传算法部分中的适应度函数、交叉变异算子进行改进,使算法能够更加有效地避免陷入局部最优;最后根据旧种群和新种群每个对应个体的进化程度提出一种改进自适应的Metropolis准则,使模拟退火算法部分的染色体跳变更具有自适应性,利于算法寻优.对不同TSP实例的实验结果表明,与其他路径优化算法优化结果相比,所提出的IGSAA算法能够对不同TSP实例优化得到更优的旅行路径.
2021-12-13 10:00:22
414KB
1