基于双模式变异策略的改进遗传算法

针对基本遗传算法寻优速度慢且易陷入局部最优的缺陷,提出了一种基于双模式变异策略的改进遗传算法。在标准变异的基础上引入个体线性差分变异思想形成双变异模式,同时利用控制参数对两种变异模式加以平衡。通过10个基准测试函数仿真实验,结果表明本改进算法在寻优速度和全局收敛能力上都有较大的提高。     

一种改进的遗传算法及其应用

遗传算法由于其隐合并行性和全局搜索特性,使其具有其他常规优化算法无法拥有的优点.然而,标准遗传算法存在着收敛速度慢、易"早熟"等缺陷.针对应用标准遗传算法时所存在的局限性,从适应值、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法的改进设计.这种改进的遗传算法可进一步改善算法的搜索能力、搜索效率和收敛性能.最后以(N M)客错系统的优化模型作为优化目标,得到了费用模型的最优解.计算结果验证了算法的有效性和正确性.     

混沌遗传算法研究及其在经济负荷分配问题中的应用

提出了一种实数编码混沌遗传算法,并将其用于经济负荷分配问题。该算法将混沌引入遗传算法,利用混沌对标准遗传算法中的选择和变异进行了改进,之后对每一代最优个体进行变尺度混沌优化。将该方法应用于某厂3机组经济负荷分配问题,通过与混沌优化方法以及传统遗传算法的比较,该方法可以求得高质量的可行解,表明了该方法在求解经济负荷分配问题的有效性。     

一种改进的混沌优化方法及其应用

根据混沌运动的遍历性提出了一种改进的混沌优化算法，其主要思想是把优化变量的取值范围细分为若干个等距区间，在各个区间内同时进行混沌搜索。由于每一次搜索都同时在细分区间内进行，从而加快了搜索的速度，并提高了得到全局最优解的近似精度。将改进算法应用于优化实例的仿真结果验证了这一结论。     

基于混沌遗传算法的配电网无功补偿优化

将遗传算法应用于配电网无功优化,介绍了混沌遗传算法的具体步骤,并将该算法对IEEE30节点系统进行了无功优化计算,将结果与遗传算法得到的结果进行比较,表明混沌遗传算法应用于无功优化是合理可行的。     

一种基于特殊个体的改进遗传算法

提出了一种不需要变异操作,只由交换操作就能遍历搜索空间所有状态点的改进遗传算法。这种算法通过在种群中增加两个特殊个体,就足以提供交换所需的基因材料。在计算量上这种算法比简单的遗传算法明显要小,仿真结果证明了这种算法的可行性     

一种求解TSP问题的改进遗传算法

旅行商问题（Traveling Salesman Problem TSP）是一个典型的组合优化问题，但应用基本遗传算法求解TSP问题时存在许多不足．结合TSP问题的特点，提出一种改进的遗传算法：应用贪心策略初始化种群，用2-opt对其进行优化，使得在初始个体中就包含较优子路径，在一定程度上加快算法收敛性，防止早熟和近亲繁殖．对交叉算子和变异算子进行改进后，既能维持种群的多样性，也保留了父代个体大部分优良性能．应用改进的算法对20个城市的TSP问题进行求解，结果表明该算法求解速度快而且求解的质量较好．     

一种无人机路径规划的混沌遗传算法

提出采用基于混沌的遗传算法进行无人机路径优化问题的求解。算法利用极坐标描述战场中的威胁位置和航路点,缩短了路径编码长度,提高了搜索效率,并在遗传算法操作时加入混沌操作,扩大了搜索范围,提高了优化速度,有效地解决了解空间巨大带来遗传算法收敛速度慢和容易陷入局部最优的局限。实例仿真结果表明,文中的算法与标准遗传算法相比,优化效率显著提高,得到的优化解即优化航路更好地规避了威胁。     

复杂函数优化的混沌遗传算法

将混沌融入遗传算法提出了混沌遗传算法,该方法利用混沌运动的随机性、遍历性、对初始条件的敏感性等特性进行群体的混沌初始化和最优个体的混沌变尺度载波寻优,典型复杂函数优化的仿真结果表明,该方法较遗传算法具有更快的收敛速度和更小的计算,是复杂函数优化的有效手段。     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。     

实码退火遗传算法在厂内经济运行中的应用

针对一般优化算法在大型水电站厂内经济运行中精度低或计算速度慢的缺点,对实数编码退火遗传算法（AGA）进行改进,并用于大型电站厂内经济运行.模拟退火算法是在遗传算法（GA）中引入模拟退火算法（SA）,它吸收了遗传算法速度快和模拟退火精度高的优点.此外,对传统退火搜索方法的改进,进一步提高了退火遗传算法解决大型优化问题的能力.为了体现退火遗传算法的特点,对某一大型水电站分别采用退火遗传算法、动态规划（DP）、加速遗传算法（AG）、标准遗传算法（SGA）和模拟退火进行了经济运行计算,计算结果表明退火遗传算法易于实现,精度高,收敛速度较快,有一定实用价值.     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

一种改进的遗传算法及其在系统辨识中的应用

研究了基于基本杂交操作的遗传算法的效率及全局收敛性，提出了一种改进的遗传算法，该算法成功地应用于系统辨识。仿真结果表明了该方法的有效性及实用性。     

基于遗传模拟退火算法的水库优化调度

采用遗传模拟退火算法研究了水电站单一水库的优化调度问题.根据水库优化调度的数学模型,提出了基于遗传模拟退火算法的优化调度的基本步骤.通过实例计算并与简单遗传算法相比较,表明该算法具有极强的局部搜索能力和较好的收敛性能     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

评定圆度误差的模拟退火自适应变异遗传算法

圆度误差是几何精度的重要指标．已有的评定方法存在一定的局限性．为此．提出了一种快速地、准确评定圆度误差的新方法．该方法采用一种新颖的改进遗传算法．通过遗传种群的遗传过程实现对参考圆圆心的快速搜索．为了保证收敛性并加快收敛速度,采用了模拟退火和自适应变异策略．为了提高算法精度和收敛速度．采用了实数染色体基因编码．并采用白适应线性变异和线性交叉．仿真实验和实用证明,该方法算法简单、可快速准确的评定出圆度误差．     

基于搜索空间划分的自主式遗传算法与应用

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.该文给出了基于搜索空间划分的自主式遗传算法.该方法首先利用遗传搜索过程中的历史信息对搜索空间进行划分,以实现在用户未疲劳时避免用户疲劳.当用户疲劳时,由机器代替用户评价进化个体继续进行遗传操作,从而达到减轻用户疲劳的目的.利用此方法进行服装设计的实验结果验证了该方法的有效性.     

基于遗传算法的ARMA模型参数估算方法及应用

针对时间序列分析与预测中最为常见的ARMA模型的参数估测问题，在传统方法的基础上，提出了首先采用长自回归模型计算残差法拟和模型初值，然后通过分布确定参数的取值范围，最后采用遗传算法计算ARMA模型更为精确的参数值的方法．通过计算实例可以看出，采用遗传算法估测ARMA模型参数是有效可行的，同时也为ARMA模型的参数估测提供了新思路．     

基于实数编码的自适应遗传算法及应用

为了解决遗传算法(GA)存在的早熟收敛、收敛速度慢等不足,从编码方式及遗传算子操作等几个方面对其作了改进,提出了一种基于实数编码的自适应遗传算法(RAGA).基于典型复杂函数的优化仿真结果表明,该算法的全局收敛速度和命中全局最优值的几率相对标准遗传算法(SGA)有较大提高.     

基于模拟退火遗传算法的功率域DOA估计

针对非均匀高斯白噪声背景,提出一种基于模拟退火遗传算法的功率域最小二乘波达方向（DOA）估计器。首先,介绍了阵列单通道下的信号模型。其次,给出了最小二乘意义下的功率域DOA估计优化目标函数,继而以此为适应度函数,将模拟退火算法引入基本遗传算法得到一种改进的遗传算法,对其进行全局优化,其估计精度优于基本遗传算法。最后,通过仿真结果验证了本文算法的有效性。