XiaoMi-AI文件搜索系统
World File Search System遗传算法
应用遗传算法设计微型...
摘要使用微型氢发电厂（MHPP）已将自己确立为解决农村孤立地区能源贫困问题的基本工具，不仅在此领域，而且在大规模发电中也成为了最常用的可再生能源。尽管所使用的技术在过去几十年中取得了重要进步，但通常已应用于大型水力系统。这个事实将孤立的MHPPS的使用降级到背景。在这种情况下，这些项目的选项策略的制定仍然有很大的改善，实际上，这些项目仍然限于使用拇指规则。它导致了可用资源的次级最佳使用。这项工作建议使用遗传算法（GA）来协助MHPP的设计，从而找到MHPP不同元素的最合适位置，以实现对资源的最有效使用。为此，第一个开发了植物的详细模型，然后是最佳设计的优化问题，该问题是通过考虑真实的地形地形数据来提出的。这个问题都以single（以最大程度地降低成本）和多目标（以最大程度地降低成本，同时最大化生成的功率）模式，从而对使用气体在农村孤立区域设计MHPP的潜力进行了深入的分析。为了验证所提出的方法，它将应用于洪都拉斯的真实场景的一组地形数据。将所达到的结果与基线整数变量算法和其他元元素算法进行了比较，这表明在成本方面，解决方案的改善显着改善。
一种改进的实数编码遗传算法用于大规模平面阵列综合
摘要 — 双态天线大规模平面阵列的设计有助于在最小化旁瓣电平 (SLL) 和控制第一零波束宽度 (FNBW) 变化的约束下使用遗传算法来降低能耗。通常，平面阵列用于基于电池使用的通信应用，例如便携式雷达。本文使用实数编码遗传算法 (RCGA) 优化了具有 1600 个相同天线元件的均匀矩形阵列 (URA)。执行优化过程是因为以 ON-OFF 状态的形式找到辐射元件电流激励权重的最佳集合以节省消耗的功率。因此，选择了阵列因子 (AF) 的最高性能和所需的波束宽度。本文提出的主要贡献是能够使用 RCGA 算法通过将阵列划分为阵列子集来优化大量阵列元素。执行模拟结果以验证遗传稀疏 URA 的有效性。通过选择能够高效加扰的天线元件，相当于节省了 24.4% 的能耗。本文使用 MATLAB CAD Ver. 2018a 作为平台获得了结果。索引术语 —RCGA、节能、规划器阵列、成本函数、双态天线。
修改模糊遗传算法：规则生成和缓存的最近邻居策略
摘要：遗传算法（GA）比其他方法（例如梯度下降或随机搜索）更有用，尤其是对于具有许多局部最小值和Maxima的非不同的函数，例如梯度下降或随机搜索。标准GA方法的缺点之一是需要设置许多超参数，并且基于复杂规则而不是更直观的模糊规则，选择压力是基于复杂的规则。通过模糊逻辑调整此类参数的遗传算法的变体，以使参数更新原理更容易解释，构成模糊遗传算法（FGAS）的类别。本文提出了对具有N个特性和自动生成规则的两个相对模糊遗传算法（FGA）的修改，以及旨在改善模拟运行时的计算优化。在基准功能（Ackley，Griewank，Rastrigin和Schwefel）上评估了修改，并且选择了每个修改方法的最佳设置（即成员资格功能，术语数，T-norm和t-conorm）。将结果与标准GA和粒子群优化（PSO）进行了比较。结果表明，FGA方法可以使用缓存和最近的邻居方法进行优化，而不会失去准确性和收敛性。证明这两种修改后的方法在统计学上的表现明显比基线方法差。结果，我们提出了对现有两种算法的两种优化：通过缓存和测试其性能，通过规则生成和最近的邻居估算进行外推。
iMLGAM：基于集成机器学习和遗传算法驱动的多组学分析 ...
iMeta 期刊 ( 影响因子 23.8 ) 由宏科学、千名华人科学家和威立出版，主编刘双江和傅静远教授。目标为生物 医学国际综合顶刊群 ( 对标 Nature/Cell) ，任何领域高影响力的研究、方法和综述均欢迎投稿，重点关注生物 技术、生信和微生物组等前沿交叉学科，已被 SCIE 、 PubMed 等收录，位列全球 SCI 期刊前千分之五，微生 物学研究类期刊全球第一；外审平均 21 天，投稿至发表中位数 57 天。 子刊 iMetaOmics ( 主编赵方庆和于君教授 ) 、 iMetaMed 定位 IF>10 的综合、医学期刊，欢迎投稿！
基于引言的增强遗传算法...
抽象的遗传算法是一种灵感的元元素算法，灵感来自自然选择理论，可以解决各种优化问题。本研究提出了一种方法，目的是促进遗传算法的探索和开发。通过调整初始人口并增加一组固定站，可以提高勘探能力。这种修改增加了解决方案人群之间的多样性，这使算法能够从局部最佳距离中逃脱，并在更少的一代中融合到全球最佳最佳。另一方面，为了增强剥削能力，建议增加了所选父母的数量，并提出了相应的跨界技术。在拟议的技术中，在此过程中产生后代的父母数量是可变的，并且可能超过两个。通过检查几个基准功能和工程设计问题，已验证了所提出方法中修改的有效性。关键字：遗传算法；元式优化；固定车站组；可变的多父跨界。收到：2024年1月17日；接受：2024年3月17日
RAP-G：使用遗传算法进行深度边缘计算的可靠性感知服务放置
摘要 - 为了确保较低的延迟，服务提供商越来越多地转向边缘计算，将服务和资源从云到网络的边缘，尽可能靠近用户。但是，由于视频和图像处理应用程序在计算上特别密集，因此它们的部署通常基于边缘和云之间的分布式配置，这在依靠不可靠的网络时可能会增加故障的风险。在这项工作中，我们提出了算法RAP-G（具有遗传学的可靠性意识服务放置），该算法使用遗传算法（GA）考虑了网络链接的可靠性并在云和边缘之间分发服务。我们还开发了一种称为RF2（可靠性意识的第一拟合）的第一拟合算法的新变体，该算法在合理的时间内考虑可靠性。评估了RAP-G算法的性能，并将其与RF2算法进行比较。实验结果表明，考虑在服务提供的可靠性和RAP-G的优势方面的重要性。索引术语 - 边缘计算，人工智能，超可靠的低潜伏期通信，服务编排
摘要。为了克服有限元方法的网格依赖性，作者提出了遗传算法在无网状opti
摘要。为了克服有限元方法的网格依赖性，作者提出了遗传算法在用肋板和梁对弹性基础的无网状优化中的应用。肋板被视为板和梁的组合。基于无网状方法并与遗传算法相结合，优化了矩形肋板的肋骨排列位置，以最大程度地减少侧向载荷下肋骨板的中心点的偏转。与传统的有限元方法相比，使用作者的无网格方法进行肋骨位置优化肋板的分析不需要网格重建，并且在板上离散的节点和肋骨总是不需要更改。结果表明，与第二代人相对应的中心点的挠度值更加集中，并且与第一代相比，挠度值较小的个体也更加集中。混合遗传算法确实有效。作者添加了受约束的随机方向方法，以基于遗传算法形成混合遗传算法，该算法会加速收敛速度，降低计算重复速率，并显着降低遗传算法的计算代数，从而将其降低到两到三代。
遗传算法优化的k-nearest邻居和支持载体机器在资源受限环境中检测乳腺癌的
摘要 - 胸癌构成了重大的全球威胁，强调了迫切需要早期检测以降低死亡率。研究人员正在努力最大程度地减少假阳性和假阴性的发生，从而提高了乳腺癌检测模型的效率。为了实现这一目标，他们采用了先进的技术，例如人工精神，机器学习，深度学习和计算智能。支持向量机（SVM）和K-Nearest邻居（KNN）是两种流行的轻型机器学习技术。;但是，它们的有效性取决于适当的特征选择和参数调整。遗传算法操作通过智能选择相关特征和微调参数提供了解决方案，从而提高了早期诊断的分类精度。这项研究证明了使用遗传算法进行特征选择的混合计算智能模型的有效性。使用威斯康星州乳腺癌诊断数据集，提出的Gaknn-SVM模型在检测乳腺肿瘤方面表现出了卓越的性能。结果表明，基于171个测试样本，其准确性，灵敏度和特异性率分别为98.25％，98.15％和98.41％。总体而言，遗传算法和机器学习方法具有提高乳腺癌检测准确性的巨大希望，最终导致更好的诊断结果和降低的死亡率，尤其是在资源受限的环境中。
最大问题的量子遗传算法框架
最大问题是组合优化的一个基本问题，具有物流，网络设计和统计物理等不同领域的显着含义。该算法代表了平衡理论严谨性和实际可扩展性的创新方法。提出的方法使用基于格罗弗的进化框架和划分和混合原理来研究量子遗传算法（QGA）。通过将图形分配到可靠的子图中，独立优化每个图并应用图形收缩以合并解决方案，该方法利用了Maxcut的固有二进制对称性，以确保计算效率和稳健的近似性能。理论分析为算法效率建立了基础，而经验评估则提供了其有效性的定量证据。在完整图上，所提出的方法始终达到真正的最佳最大值值，超过了半芬特编程方法（SDP）方法，该方法可为较大图提供多达99.7％的最佳解决方案。在Erd˝os-r´enyi随机图上，QGA表现出竞争性能，达到了SDP结果92-96％以内的中位数解决方案。这些结果展示了QGA框架提供竞争解决方案的潜力，即使在启发式约束下，也证明了其对量子硬件的可伸缩性的承诺。