解Job—Shop调度问题的一个遗传算法

本文首先介绍了遗传算法的基本概念和流程，然后叙述了如何把Ｊｏｂ－Ｓｈｏｐ调度问题编码成为遗传算法的形式，并解释了对于实现这一算法中一些问题的考虑。最后给出了算法驼行结果并对结果与算法做了总结。     

基于混合遗传算法的多目标问题规划

遗传算法在问题优化中的应用已有了许多研究，但对于大型多目标规划问题而言，由于其问题特性和计算量大而限制了遗传算法的应用。为探索新的问题求解方法，提出了一种基于遗传算法和梯度算法的问题优化混合算法。用梯度法每次迭代得到的结果来改进遗传算法的群体，而用遗传算法的最优个体与梯度算法的迭代解相比较，选择其中的最优点作为梯度法下一步迭代的初始点。通过保持迭代过程的最优解，加快了搜索速度，并保证收敛于全局最优解。算例表明该方法兼具遗传算法的全局搜索能力和梯度算法的局部搜索的特点，且具有良好的工程适应性。     

基于Triple Play业务的OFDM系统信道划分

研究了基于Triple play业务的OFDM系统信道划分问题。首先证明了在信道状态和传输总量已知的情况下。基于传输时差最小的OFDM系统信道划分的优化问题属于NP完备问题，因此必须使用随机算法代替穷举法来求解。引入了遗传算法和蚂蚁算法，并在原有方法的基础上进行了改进。在大量仿真实验的基础上，给出了仿真结果，并证明尽管随机算法不能保证解的最优性，但搜索时问较短；同时在相同条件下，蚂蚁算法可以显示出比遗传算法更强的搜索能力，因此对于OFDM这类实时性要求较高的系统，具有更大的实用性。     

基于PBIL算法的集装箱装配问题的研究

介绍了基于种群的增强式学习的PBIL算法的基本原理和实现方法。分析比较了遗传算法和PBIL算法求解过程的异同点。介绍了PBIL算法在集装箱装配问题中的应用，并通过一个具体的实例验证了算法的可行性和有效性，证明了PBIL算法比遗传算法具有更高的搜索效率。     

基于遗传算法的网格任务调度研究

网格调度是一个典型的NP问题,研究表明遗传算法是解决复杂环境下资源调度的有效方法之一。针对异构环境下的网格任务调度,提出了一种改进的遗传算法,并改进了遗传算法的收敛特性,通过分析实验结果证明该算法优于传统的调度算法。     

COPART:一种面向约束条件的自适应软硬件划分算法

本文介绍一种将自适应算法、遗传算法和列表调度算法结合起来应用于软硬件划分问题的算法COPARTART，并提出了一种基于约束条件的开销系数自适应调整方法，该方法所获得的划分结果能够良好体现设计目标。     

基于异构多种群的一种改进遗传算法

针对简单遗传算法存在的问题，基于提高遗传算法搜索效率和收敛性，提出了一种基于异构多个种群的改进的遗传算法IMGA。该算法首先利用多个异构子种群并行进化的结果初步确定较好解，进化到一定时间后，把得到的优质解按照新的变异算子进一步寻找最优解。仿真结果验证了算法的良好性能。     

用遗传算法求解基于高阶累积量的盲均衡问题

将遗传算法引入盲均衡技术领域，详细分析了如何用遗传算法求解基于高阶累积量盲均衡问题，并给出了一种求解算法的具体步骤。该算法不用基于领域知识的规则，具有很强的通用性与鲁棒性。通过计算机仿真验证了该算法的有效性。     

实数交叉算子的选取和算法改进

在总结分析实数遗传算法的基础上，根据算法搜索效果，将区域划分与转移思想应用到算法结构改进中，对复杂函数全局解搜索的实验表明，新算法在寻找复杂问题的全局解、提高搜索精度方面比基本实数遗传算法有较大改进。文中还将改进的实数遗传算法用于测量数据的估计中，得到了较好的线性和非线性参数估计结果。     

进化计算算法在路径优化中的应用

笔者主要想要研究优化领域中和路径优化相关的问题。在研究路径优化问题时,主要运用的优化算法是遗传算法。该算法在进化计算中,是应用范围最广的,和其他的算法相比,遗传算法更有优势。笔者针对遗传算法存在的问题对遗传算法进行了修改,提出了一些优化遗传算法的建议,并在实际运用中证明了通过优化,遗传算法可以更好的解决优化路径问题。     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

飞行器参数辨识的一种演化计算方法

将混合遗传算法应用于飞行器气动参数辨识。该方法结合了遗传算法的全局寻优能力和极大似然法的局部寻优能力,使得混合遗传算法不受极大似然法初值选取的影响,同时也解决了遗传算法收敛速度慢和收敛精度较低的问题。在混合遗传算法寻优过程中,仅对最优个体和变异后的个体执行局部寻优操作,从而使得混合遗传算法的计算量维持在一个适当的水平。最后,一个飞行器纵向模型气动参数的辨识仿真表明：混合遗传算法的收敛性和精度都远高于没有采用局部寻优策略的遗传算法。     

基于遗传算法的组合逻辑电路设计的FPGA实现

基于遗传算法的组合逻辑电路的自动设计,依据给出的真值表,利用遗传算法自动生成符合要求的组合逻辑电路。由于遗传算法本身固有的并行性,采用软件实现的方法在速度上往往受到本质是串行计算的计算机制约,因此采用硬件化设计具有重要的意义。为了证明基于FPGA的遗传算法的高效性,设计了遗传算法的各个模块,实现了基于FPGA的遗传算法。     

遗传算法与蚁群算法在商旅问题中的应用研究

遗传算法在多个领域得到了应用,如人工智能领域,最优化求解问题,TSP问题等等.本文就遗传算法的基本定义与思想进行了介绍,同时介绍了由遗传算法优化或者衍生而来的一些算法的作用.并介绍了遗传算法的具体应用.     

基于GA-LMBP算法的模拟电路故障诊断方法

主要分析遗传算法和BP神经网络的特点和存在的一些缺陷,研究遗传算法和改进型的BP算法相结合的相关技术,设计并实现一个基于遗传算法和LMBP算法相结合的GA—LMBP算法。通过诊断实例．比较三种算法的模拟电路故障诊断,结果证明在相同精确度的要求下,基于GA—LMBP的算法可以大大提高模拟电路故障诊断准确率。     

遗传算法应用于VLSI布局的研究

本文是应用遗传算法实现ＶＬＳ门阵列模式布局,从建立相应的数学模型入手,提出一个较完备的综合布局目标函数,引入通道拥挤度的概念,从而改变了传统的常以总线长度或刻线数目的单一目标函数,使布局的构形更趋合理。在遗传３参数选取方面,提出了几种改善收性的措施,大大加快了遗传算法的收敛速度。     

基于混合遗传算法的非周期阵列综合技术

针对遗传算法的缺陷,文中首先提出了一种改进的结合局部搜索算法的混合遗传算法,并用5个测试函数对混合遗传算法的性能进行了测试,充分说明了新算法的有效性。最后利用混合遗传算法对一种由6×6个单元构成的非周期大间距阵列进行了综合,在±15。扫描范围内最大副瓣电平小于-16 dB,扫描增益大于24 dB,达到了设计要求,并对最终结果进行了分析,提出了改进的方法。     

基于模糊进程因子的改进自适应遗传算法

首先提出了一种改进自适应遗传算法,在本算法中引入模糊进程因子,设置了最佳样本保留数、最佳基因保留数等五个可调参数,使它们随着模糊进程因子的变化而变化,从而实现算法自适应;然后给出了新算法的步骤,并用标准测试函数对该算法进行了测试,测试结果表明:该算法具有较好的在线性能,提高了收敛速度;最后,用该新算法进行了功率谱估计,该算法比LS法具有更好的谱分辨率和适应性。     

基于改进适应度函数的遗传单神经元控制

介绍了一种基于改进适应度函数的遗传单神经元控制方法.通过利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元相结合,设计了一种遗传算法单神经元解耦控制器,实现了对炉群多变量燃烧系统的解耦控制.实验结果验证了这种方法是可行的.     

自适应遗传算法在DOA搜索中的应用

由于DOA参数估计中的搜索算法无法满足实时性的要求,本文提出在空间谱估计中使用遗传算法来提高搜索速度。鉴于传统遗传算法存在收敛速度慢和早熟的问题,本文选用自适应遗传算法。文中对遗传过程中初始群体选取、选择、交叉和变异的各阶段进行了改进,并解决了收敛速度慢和早熟的问题。最后通过计算机仿真进一步证明算法的有效性和鲁棒性。