基于神经网络与遗传算法的传动部件设计优化

为了提高设计效率，得到最优设计效果。依据人工神经网络模型和遗传算法的基本原理，建立了基于神经网络和遗传算法的传动部件设计优化模型，用Matlab语言编制了应用程序，对神经网络的参数预测与遗传算法的优化过程进行求解，试验仿真结果表明，采用设计优化切实可行，具有良好的实际应用效果。     

几种改进遗传算法的性能比较

本文将标准遗传算法与分层策略和模拟退火思想相融合，设计出分层遗传算法、模拟退火遗传算法和模拟退火分层遗传算法三种改进的遗传算法。计算结果验证了算法的有效性和正确性。进一步算法性能分析证明了论文中所设计的改进的算法不仅能增强算法的全局收敛性，还能加快遗传进化速度。     

MATLAB遗传算法工具箱的设计

在简要分析遗传算法要素的基础上，介绍了基于MATLAB的遗传算法工具箱的设计。最后给出了一个用设计的MATLAB遗传算法工具箱的求函数极值的应用实例。     

基于遗传算法的发动机模糊控制

模糊控制不依赖被控对象的数学模型，模糊控制应用于航空发动机控制取得了较好的效果。但是，模糊控制设计，较多地依赖设计者的主观经验，工作量大、负担重。遗传算法具有良好的寻优能力，该文将遗传算法应用到了航空发动机模糊控制中，使大量的设计寻优工作，可以通过程序自动寻优，对遗传算法寻优的发动机模糊控制系统进行了仿真，结果表明遗传算法不但改进了发动机模糊控制器的设计，而且整个控制系统具有良好的性能。     

遗传算法机理的研究及应用

在介绍遗传算法的基本理论及主要特点的基础上，针对遗传算法的设计机理和步骤，从设计遗传算法的基本原则、设计遗传算法的基本步骤、常用的编码表示方案、适应性的度量、选择策略及控制参数的选取等诸方面进行了阐述和分析，并结合计算机布局问题，提出了一个基于模拟退火算法的混合遗传算法，结合实例进行了计算机仿真，验证了该算法的有效性。     

基于双种群演化的遗传算法研究

针对标准遗传算法（SGA）在实际应用中出现的早熟收敛问题，引入了双种群演化的遗传算法，同时设计了适应双种群的特殊算子。文章首先阐述了遗传算法的基本原理和操作步骤，然后描述了双种群遗传算法的原理和特殊算子的设计；对“运动员参赛项目排序”这样一个实际问题进行了具体说明并分别使用标准遗传算法和双种群遗传算法进行了对比求解。实验证明：这种方法收敛效率较标准遗传算法有了很大提高，并保持了种群的多样性。     

一种基于遗传算法的神经网络控制方法

本文比较了传统的BP算法和遗传算法用于神经网络设计的优缺点，阐明了遗传算法和神经网络相结合的必要性，提出了一种用遗传算法同时优化网络的结构和权值的神经网络控制方法，通过对遗传算法基本参数及骗码方案，遗传算子的设计，实现了权值与结构的同时优化，成功地应用于二级倒立摆系统的控制，仿真结果显示了这种遗传算法能够有效抑制早期收敛，以较快的速度与较高的精度达到全局快速收敛。     

自适应遗传算法的改进与应用

针对遗传算法易出现早熟现象，通过对标准遗传算法和自适应遗传算法的分析研究，本文对自适应遗传算法进行了改进。即在保留以往自适应遗传算法优点的同时，设计了与种群个体分布及种群规模的波动情况相关的自适应遗传算子。实验结果表明：该算法不易陷入局部极值，收敛速度快。     

一种基于遗传算法的模糊控制规则的优化方法

模糊控制规则的选择是模糊控制器设计的关键问题之一，文中在对现有应用遗传算法优化模糊控制规则的方法进行研究的基础上，以模糊控制规则的完整性和一致性为出发点，提出了一种用遗传算法来优化模糊控制规则的改进算法，具体给出了遗传算法设计中的各种函数和算子的确定，并将优化过的规则用于设计模糊控制器，进行仿真研究，取得了令人满意的效果。     

基于遗传算法和模糊逻辑的智能飞控技术研究

设计了基于遗传算法和模糊逻辑控制的智能飞行控制系统及采用论域自调整的模糊控制器，控制器以角度跟踪误差及其微分信号为输入来控制相应的气动舵面偏转，实现对该姿态的跟踪控制。文中给出了控制器输入输出的隶属函数，设计了相应的规则库。并在此基础上进一步利用遗传算法对模糊控制器进行优化设计，给出了遗传算法各个参数的选择原则。仿真结果表明，基于遗传算法和模糊逻辑的智能飞控系统具有良好的控制效果。     

An improved genetic algorithm with conditional genetic operators and its application to set-covering problem

The genetic algorithm (GA) is a popular, biologically inspired optimization method. However, in the GA there is no rule of thumb to design the GA operators and select GA parameters. Instead, trial-and-error has to be applied. In this paper we present an improved genetic algorithm in which crossover and mutation are performed conditionally instead of probability. Because there are no crossover rate and mutation rate to be selected, the proposed improved GA can be more easily applied to a problem than the conventional genetic algorithms. The proposed improved genetic algorithm is applied to solve the set-covering problem. Experimental studies show that the improved GA produces better results over the conventional one and other methods.     

基于神经网络与遗传算法的数据挖掘体系结构

从神经网络中提取规则可以有效地应用于数据挖掘中的分类问题。作为一种有效的优化方法，遗传算法可以应用于规则剪枝。提出了一个基于神经网络与遗传算法的数据挖掘体系结构，可以应用于数据挖掘中的分类问题。     

采用DNA 遗传算法优化设计的TS模糊控制系统

基于生物 DNA的结构和遗传机理 ,提出一种新颖的基于 DNA编码方法的遗传算法。给出了DNA遗传算法的结构 ,讨论了遗传操作算子。为验证 DNA遗传算法的有效性 ,将其应用于 TS模糊控制系统的优化设计 ,仿真结果表明该算法具有较好的自学习能力。     

在基于Agent的调度系统中应用DNA遗传算法

本文研究了基于 DNA生物机理提出的 DNA遗传算法 ,该算法是常规遗传算法的发展 ,是基于遗传基因和自然选择的全局搜索算法 ,并将其应用于基于 Agent的调度系统中 ,针对 6× 6 Job- shop调度问题的仿真试验说明了该算法的有效性和先进性 .     

车间作业调度遗传算法中的交叉算子研究

针对车间作业调度遗传算法，在车间作业调度数学表达模型基础上，讨论车间作业调度遗传算法交叉算子的宏观设计与微观设计，提出了ＪＳＳ（ＪｏｂＳｈｏｐＳｃｈｅｄｕｌｉｎｇ）交叉算子设计原则，并给出其应用结论，说明了交叉算子设计的有效性。     

基于量子遗传算法的软件测试数据自动生成

测试数据的自动生成是测试阶段最关键的技术问题,改进软件测试方法,对提高软件测试的自动化程度具有十分重要的现实意义;在测试数据的自动生成的方法中,遗传算法虽然取得了较好的效果,但是这种算法存在缺陷和局限性,而量子遗传算法改善了其不足之处;应用量子遗传算法解决软件测试数据生成问题,克服了传统的以测试数据为核心的测试方法的不足和缺陷,实验结果表明量子遗传算法的测试用例生成效率高于遗传算法;所以,量子遗传算法可以作为一种较为理想的算法进行测试数据的自动生成,对软件测试中的测试数据自动生成具有很强的使用价值。     

Various hybrid methods based on genetic algorithm with fuzzy logic controller

In this paper we propose several efficient hybrid methods based on genetic algorithms and fuzzy logic. The proposed hybridization methods combine a rough search technique, a fuzzy logic controller, and a local search technique. The rough search technique is used to initialize the population of the genetic algorithm (GA), its strategy is to make large jumps in the search space in order to avoid being trapped in local optima. The fuzzy logic controller is applied to dynamically regulate the fine-tuning structure of the genetic algorithm parameters (crossover ratio and mutation ratio). The local search technique is applied to find a better solution in the convergence region after the GA loop or within the GA loop. Five algorithms including one plain GA and four hybrid GAs along with some conventional heuristics are applied to three complex optimization problems. The results are analyzed and the best hybrid algorithm is recommended.     

基于精英选择和个体迁移的多目标遗传算法

提出基于遗传算法求解多目标优化问题的方法,将多目标问题分解成多个单目标优化问题,用遗传算法分别在每个单目标种群中并行搜索.在进化过程中的每一代,采用精英选择和个体迁移策略加快多个目标的并行搜索,提出了控制Pareto最优解数量并保持个体多样性的有限精度法,同时还提出了多目标遗传算法的终止条件.数值实验说明所提出的算法能较快地找到一组分布广泛且均匀的Pareto最优解.     

基于免疫遗传算法的图像多阈值分割

针对H.D.Cheng等人提出的模糊最大熵原则阈值分割法存在着计算量巨大的问题,将具有高效鲁棒性、自适应性、并行性的免疫遗传算法引入阈值自动选取算法中,并针对该方法的疫苗选取会导致收敛到局部最优解等问题,给出了高效的自适应疫苗选取新方法。通过实验显示了该算法在收敛性和计算效率上较其它优化算法具有更好的优越性。     

Pi-sigma神经网络混合学习算法及收敛性分析

将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力,又利用了单纯型法的局部搜索能力,因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解,而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。