2-Adic MRA的浮点数编码遗传算法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (15): 12-16.

2-Adic MRA的浮点数编码遗传算法

崔明义

1.河南财经政法大学计算机与信息工程学院，郑州 450046
2.郑州成功财经学院信息工程系，郑州 451200

出版日期:2015-08-01 发布日期:2015-08-14

2-Adic MRA based floating point representation Genetic Algorithm

CUI Mingyi

1.School of Computer & Information Engineering, Henan University of Finance and Law, Zhengzhou 450046, China
2.Department of Information Engineering, Zhengzhou Chenggong University of Finance and Economics, Zhengzhou 451200, China

Online:2015-08-01 Published:2015-08-14

摘要/Abstract

摘要： 通过2-Adic多分辨率分析，构造正交小波基；证明所构造正交小波用于浮点数编码消噪的正确性；提出用正交小波在浮点数编码遗传算法中进行消噪变异操作，以消除浮点数编码在遗传环境中所产生的噪音对算法性能的影响；构建基于2-Adic多分辨率分析的遗传算法，并进行了实验。仿真实验表明，提出的算法可明显提高浮点数编码遗传算法的收敛速度和精度，具有较高的可靠性。

关键词: 2-Adic多分辨率分析（MRA）, 正交小波, 浮点数编码, 消噪变异, 遗传算法

Abstract: An orthonormal wavelet basis is constructed with 2-Adic multiresolution analysis. Validity of the constructed orthonormal wavelet is proven in denoising on Floating Point Representation Genetic Algorithm（FPRGA）. Denoising mutation operation with the orthonormal wavelet is proposed in FPRGA. The aim is to remove noises from floating point representation in genetic environment. The genetic algorithm based on 2-Adic multiresolution analysis is structured. The experiment is done. The simulation experiment indicates that the algorithm can improve obviously convergence rate and precision of FPRGA. It has greater reliability than base algorithm.

Key words: 2-Adic Multiresolution Analysis（MRA）, orthonormal wavelet, floating point representation, denoising mutation, Genetic Algorithm（GA）

崔明义. 2-Adic MRA的浮点数编码遗传算法[J]. 计算机工程与应用, 2015, 51(15): 12-16.

CUI Mingyi. 2-Adic MRA based floating point representation Genetic Algorithm[J]. Computer Engineering and Applications, 2015, 51(15): 12-16.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.