简介:目的研究多目标遗传算法(MOGA)在刺五加根提取工艺条件中的应用,并对其效果进行评价。方法利用Maflab2009a外挂SGALAB工具箱beta5008完成遗传算法的寻优;利用SPSS13.0软件进行统计分析。结果经过MOGA优化后,刺五加根及根茎中紫丁香苷、刺五加苷E的提取率的平均水平能达到0.104%、0.086%,提取工艺的最优提取条件为10倍的76%的乙醇、提取时间2.3h、提取次数3次。结论在保证多个目标都最优的前提下,MOGA搜索的Paret0非劣解比较理想,为刺五加根提取最优条件选择提供了合理的方法,可推广到其他药物的最优条件选择。
简介:天波超视距(0TH)雷达系统中,为了获得较高的多普勒分辨率,通常会采用长的相干积累时间,但对于机动目标,长相干积累时间会导致回波的多普勒展宽,不利于检测。对于弱目标,由于其能量低,容易被强目标掩盖,加大了检测难度,针对这一问题,提出一种基于目标运动参数估计的0THR机动弱目标检测方法。利用遗传算法优越的参数估计性能这一特点,采用遗传算法估计各目标的运动参数,并引入“clean”算法的思想,在时域上逐个减去强目标,以消除强目标的掩盖效应。又考虑到遗传算法的运算量较大,进一步提出采用时频分析算法估计各参数范围,减小遗传算法的运算量。仿真结果表明,与已有算法相比,文中算法具有更高的参数估计精度和弱目标检测性能。
简介:摘 要:本文针对智能导弹“多对多”目标分配问题,开展相应的研究。在战场态势信息的及支持下,通过梳理多弹对集群目标的状态,形成目标分配矩阵,计算优化函数,建立目标分配模型,采用遗传算法进行求解,结果表明该算法能有效解决分配问题。
简介:一、遗传算法的发展遗传算法(GeneticAlgorithms简称GA)是由美国Michigan大学的JohnHolland教授于20世纪60年代末创建的。它来源于达尔文的进化论和孟德尔、摩根的遗传学理论,通过模拟生物进化的机制来构造人工系统。从1985年在美国卡耐基.梅隆大学召开的第一届国际遗传算法会议到1997年5月IEEE的Transactions0nEvo-lutionaryComputation创刊,遗传算法作为具有系统优化、适应和学习的高性能计算和建模方法的研究渐趋成熟。[1]遗传算法是一种自适应全局优化概率搜索算法,主要有以下特点:(1)自组织、自适应和学习性(智能性)。遗传算法消除了算法设计中的一个最大障碍,即需要事先描述问题的全部特点,并要说明针对问题的不同特点算法应采取的措施,因此,它可用来解决复杂的非结构化问题。(2)直接处理的对象是参数的编码集而不是问题参数本身。(3)搜索过程中使用的是基于目标函数值的评价信息,搜索过程既不受优化函数连续性的约束,也没有优化函数必须可导的要求。(4)具有显著的隐并行性。遗传算法按并行方式搜索一个种群数目的点,而不是单点。它的并行性表现在两个方...