遗传算法是基于自然选择的一种鲁棒性很强的解决问题方法。遗传算法已经成功地应用于许多难优化问题，现已成为寻求满意解的最佳工具之一。然而，较慢的运行速度也制约了其在一些实时性要求较高场合的应用。利用硬件实现遗传算法能够充分发挥硬件的并行性和流水线的特点，从而在很大程度上提高算法的运行速度。 本文对遗传算法进行了理论介绍和分析，结合硬件自身的特点，选用了适合硬件化的遗传算子，设计了标准遗传算法硬件框架；为了进一步利用硬件自身的并行特性，同时提高算法的综合性能，本文还对现有的一些遗传算法的并行模型进行了研究，讨论了其各自的优缺点及研究现状，并在此基础上提出一种适合硬件实现的粗粒度并行遗传算法。 我们构建的基于FPGA构架的标准遗传算法硬件框架，包括初始化群体、适应度计算、选择、交叉、变异、群体存储和控制等功能模块。文中详细分析了各模块的功能和端口连接，并利用硬件描述语言编写源代码实现各模块功能。经过功能仿真、综合、布局布线、时序仿真和下载等一系列步骤，实现在Altera的Cyclone系列FPGA上。并且用它尝试解决一些函数的优化问题，给出了实验结果。这些硬件模块可以被进一步综合映射到ASIC或做成IP核方便其他研究者调用。 最后，本文对硬件遗传算法及其在函数优化中的一些尚待解决的问题进行了讨论，并对本课题未来的研究进行了展望。
上传时间： 2013-07-22
上传用户：谁偷了我的麦兜
遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法，它借 用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性 的提高。这一点体现了自然界中"物竞天择、适者生存"进化过程。1962年Holland教授首次 提出了GA算法的思想，从而吸引了大批的研究者，迅速推广到优化、搜索、机器学习等方 面，并奠定了坚实的理论基础。 用遗传算法解决问题时，首先要对待解决问题的模型结构 和参数进行编码，一般用字符串表示，这个过程就将问题符号化、离散化了。也有在连续 空间定义的GA(Genetic Algorithm in Continuous Space, GACS)，暂不讨论。
上传时间： 2015-06-08
上传用户：stampede
《MATLAB 遗传算法工具箱及应用》 作 者：雷英杰 张善文 李续武 周创明 出版社：西安电子科技大学出版社 本书系统介绍MATLAB遗传算法和直接搜索工具箱的功能特点、编程原理及使用方法。全书共分为9章。第一章至第四章介绍遗传算法的基础知识，包括遗传算法的基本原理，编码、选择、交叉、变异，适应度函数，控制参数选择，约束条件处理，模式定理，改进的遗传算法，早熟收敛问题及其防止等。第五章至第七章介绍英国设菲尔德（Sheffield）大学的MATLAB遗传算法工具箱及其使用方法，举例说明如何利用遗传算法工具箱函数编写求解实际优化问题的MATLAB程序。第八章和第九章介绍MathWorks公司最新发布的MATLAB遗传算法与直接搜索工具箱及其使用方法。
上传时间： 2013-12-19
上传用户：fnhhs
随着人类社会的进步，科学技术的发展日新月异，模拟人脑神经网络的人工神经网络已取得了长足的发展。经过半个多世纪的发展，人工神经网络在计算机科学，人工智能，智能控制等方面得到了广泛的应用。当代社会是一个讲究效率的社会，科技更新领域也是如此。在人工神经网络研究领域，算法的优化显得尤为重要，对提高网络整体性能举足轻重.BP神经网络模型是目前应用最为广泛的一种神经网络模型，对于解决非线性复杂问题具有重要的意义。但是BP神经网络有其自身的一些不足（收敛速度慢和容易陷入局部极小值问题），在解决某些现实问题的时候显得力不从心。针对这个问题，本文利用遗传算法的并行全局搜索的优势，能够弥补BP网络的不足，为解决大规模复杂问题提供了广阔的前景。本文将遗传算法与BP网络有机地结合起来，提出了一种新的网络结构，在稳定性、学习性和效率方面都有了很大的提高。基于以上的研究目的，本文首先设计了BP神经网络结构，在此基础上，应用遗传算法进行优化，达到了加快收敛速度和全局寻优的效果。本文借助MATLAB平台，对算法的优化内容进行了仿真实验，得出的效果也符合期望值，实现了对BP算法优化的目的。关键词：生物神经网络：人工神经网络；BP网络；遗传算法；仿真随着电子计算机的问世及发展，人们试图去了解人的大脑，进而构造具有人类思维的智能计算机。在具有人脑逻辑推理延伸能力的计算机战胜人类棋手的同时，引发了人们对模拟人脑信息处理的人工神经网络的研究。1.1研究背景人工神经网络（Artificial Noural Networks，ANN）（注：简称为神经网络），是一种数学算法模型，能够对信息进行分布式处理，它模仿了动物的神经网络，是对动物神经网络的一种具体描述。这种网络依赖系统的复杂程度，通过调节内部大量节点之间的关系，最终实现信息处理的目的。人工神经网络可以通过对输入输出数据的分析学习，掌握输入与输出之间的潜在规则，能够对新数据进行分析计算，推算出输出结果，因为人工神经网络具有自适应和自学习的特性，这种学习适应的过程被称为“训练"。
上传时间： 2022-06-16
上传用户：jiabin
无刷直流电机具有输出转矩大、调速性能好、运行可靠等一系列优点，具有广泛的应用前景，其传统的理论分析及设计方法已经比较成熟。它的进一步推广和应用，在很大程度上有赖于对其控制策略的研究。本文主要研究了无刷直流电机的速度控制问题。 无刷直流电机是一种多变量和非线性的控制系统，传统的控制方法很难满足对它的精确控制。近代模糊控制理论在无刷直流电机的控制中得到了广泛的应用，提高了控制系统的性能。但是，在模糊控制器控制规则优化和参数在线调整方面还存在着许多不足。针对这些问题，本文提出了一种使用遗传算法优化的模糊控制器，并且应用到无刷直流电机的控制中。系统采用双闭环控制，内环采用电流负反馈对电机转矩进行调节；外环应用模糊控制器进行速度控制，通过遗传算法离线优化模糊控制规则和在线调节模糊控制器的参数以提高系统的动态性能。同时本文使用Matlab和电机仿真软件VisSim对无刷直流电机的速度控制进行了软件仿真。 数字信号处理器(DSP)是一种高速的信号处理芯片，近几年在电机控制领域得到了广泛的应用。本文以TI公司的TMS320LF2407控制器为基础，介绍了DSP在无刷直流电机控制中常用的应用技术。同时为了降低系统开发设计的复杂性，提高控制系统的可靠性以及软件开发的快速性，本文将嵌入式操作系统移植到DSP中，并在该操作平台上开发出高效的控制算法。 实验结果表明，通过遗传算法优化的模糊控制器对无刷直流电机模型的不确定性和负载变化具有较强的适应性和鲁棒性，而且控制系统具有较好的动态性能。
上传时间： 2013-06-12
上传用户：h886166
遗传算法是一种基于自然选择原理的优化算法，在很多领域有着广泛的应用。但是，遗传算法使用计算机软件实现时，会随着问题复杂度和求解精度要求的提高，产生很大的计算延时，这种计算的延时限制了遗传算法在很多实时性要求较高场合的应用。为了提升运行速度，可以使用FPGA作为硬件平台，设计数字系统完成遗传算法。和软件实现相比，硬件实现尽管在实时性和并行性方面具有很大优势，但同时会导致系统的灵活性不足、通用性不强。本文针对上述矛盾，使用基于功能的模块化思想，将基于FPGA的遗传算法硬件平台划分成两类模块：系统功能模块和算子功能模块。针对不同问题，可以在保持系统功能模块不变的前提下，选择不同的遗传算子功能模块完成所需要的优化运算。本文基于Xilinx公司的Virtex5系列FPGA平台，使用VerilogHDL语言实现了伪随机数发生模块、随机数接口模块、存储器接口/控制模块和系统控制模块等系统功能模块，以及基本位交叉算子模块、PMX交叉算子模块、基本位变异算子模块、交换变异算子模块和逆转变异算子模块等遗传算法功能模块，构建了系统功能构架和遗传算子库。该设计方法不仅使遗传算法平台在解决问题时具有更高的灵活性和通用性，而且维持了系统架构的稳定。本文设计了多峰值、不连续、不可导函数的极值问题和16座城市的旅行商问题 (TSP)对遗传算法硬件平台进行了测试。根据测试结果，该硬件平台表现良好，所求取的最优解误差均在1％以内。相对于软件实现，该系统在求解一些复杂问题时，速度可以提高2个数量级。最后，本文使用FPGA实现了粗粒度并行遗传算法模型，并用于 TSP问题的求解。将硬件平台的运行速度在上述基础上提高了近1倍，取得了显著的效果。关键词：遗传算法，硬件实现，并行设计，FPGA，TSP
上传时间： 2013-06-15
上传用户：hakim
关于遗传算法的程序，有基本遗传算法程序、基本遗传学习分类系统源程序、遗传优化神经网络源程序等
上传时间： 2014-01-26
上传用户：AbuGe
出版社：高等教育出版社 作者：汪定伟 简介 高等教育出版社2007年4月出版。 本书主要介绍近年来产生的多种智能优化算法，包括遗传算法、禁忌搜索、模拟退火、蚁群优化算法、粒子群优化算法、捕食搜索算法和动态进化算法等算法的产生、算法的基本思想和理论、算法的基本构成、计算步骤、主要的变型算法及几个数值举例...
上传时间： 2014-11-14
上传用户：helmos
针对基本蚁群算法在机器人路径规划问题中容易陷入局部最优的问题，提出了一种改进的蚁群算法，利用遗传算法加入了变异因子使最优路径产生变异，从而降低了蚁群算法陷入局部极小的可能性，同时改善了基本蚁群算法不收敛或收敛速度比较慢的缺点，加快了收敛速度，增加了最优解的多样性。
上传时间： 2013-11-11
上传用户：zuozuo1215
一篇研究遗传算法的人都必须看的文章，是国内遗传算法研究的泰斗！
标签： 算法
上传时间： 2015-03-23
上传用户：努力努力再努力
