改进遗传算法解决TSP问题

针对基本遗传算法收敛速度慢,易早熟等问题,提出一种改进的遗传算法。新算法利用贪婪思想产生初始种群来加快寻优速度,用贪婪思想来引导交叉操作,在交叉操作之前,把当前较差的一半种群替换成随机种群,最后用改进的变异算子和进化逆转操作进行寻优,利用新的遗传算法求解基本的旅行商问题。仿真结果表明,改进的遗传算法具有全局搜索能力强、收敛速度快的特点,优化质量和寻优效率都较好。     

基于改进遗传算法的试卷生成算法研究

针对应用传统遗传算法在组卷中出现的早熟和收敛速度慢等问题,提出基于改进遗传算法的试卷生成算法。详细介绍改进的遗传算法应用于组卷的步骤,包括编码方法、适应度函数、交叉算子和变异算子的确定等关键内容。该算法采用分组自然数形式进行个体编码,同时,一改传统交叉方法,采用自适应交叉概率和遗传概率的方法进行运算。仿真实验表明,该算法有效提高了组卷的效率。     

基于遗传算法的试题库组卷研究

组卷问题是一个多重优化约束目标求解问题,使用传统方法解决此种问题较困难,考试题库以及组卷算法的设计决定了组卷的效率和质量。文中提出一种基于遗传算法的组卷方法,给出了初始种群方法,分段编码及交叉算子、变异算子,优化了搜索过程,实验证明求解组卷问题采用该方法行之有效,有利于实现考试的规范化、科学化、教考分离。     

基于粗糙集理论与遗传算法的迷宫问题求解

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,对标准遗传算法进行了改进和优化.采用粗糙集理论与遗传算法相结合的方法,由栅格的可行性构建初始决策表,用粗糙集方法对其进行简化,并对遗传算法的初始种群进行训练,直接由粗糙集训练获得一系列可行路径,再利用遗传算法求解最优路径,并在交叉和变异算子中设计了自适应算子,从而减少了遗传算法的种群规模,提高了进化效率.计算机仿真结果表明该算法在收敛速度和输出全局最优解的概率相对于标准遗传算法都有了显著提高.     

基于改进遗传算法的TSP问题研究

通过对遗传算法和TSP问题的研究．提出了离散赌轮选择算子EPMX交叉算子和Dmutation变异算子等，对遗传算法的各个算子进行了改进。利用改进的遗传算法有效的解决了TSP问题．实验验证其与传统的解决方式相比有更好的收敛特性，解的准确性更好。     

基于改进遗传算法的组卷系统在电子商务模拟系统中的应用

遗传算法是对初始的种群进行逐渐搜索,通过对染色体的选择、交叉、变异,直到找到较好的个体。它因在处理组卷问题时具有全局寻优、效率较高等优势,得到了较为广泛的应用。但传统的遗传算法,初始种群是随机产生,其结果是求解的效率并不是很高。本文设计了一种改进遗传算法的智能组卷算法过程。组卷的速度和成功率都得到显著提高,可适用于大型题库系统和复杂约束条件的组卷需求。     

基于改进遗传算法的必经点最短路径算法

提出一种解决经过必经点的最短路径的改进遗传算法。在传统遗传算法的基础上,引入Dijkstra算法进行种群初始化;针对传统遗传算法易收敛于局部最优解,迭代次数多,迭代时间长的缺点,提出了改进的交叉算子和变异算子。应用改进遗传算法进行网络节点计算,表明该算法在计算性能上优于传统遗传算法,也验证了改进遗传算法的先进性,有效性。     

一种改进操作算子的加速收敛遗传算法

针对基本遗传算法效率低和易早熟的缺陷,提出了一种改进操作算子的遗传算法.该算法在种群初始化、选择、交叉、变异等基本算子的基础上加以改进,使算法具有更好的适应性.对3组不同函数的测试表明,改进算法较传统的遗传算法具有在种群很小的情况下收敛速度快稳定性高的优点,同时能有效地避免早熟现象.     

带工艺约束并行机调度问题的一种新的遗传算法

以最小化拖期任务数为目标,研究了解决一类带工艺约束并行机调度问题的新的遗传算法.基于向量组的染色体编码方法简单、译码快速,并能自动满足工艺约束;扩展的顺序交叉算子EOX能自动满足工艺约束并尽量保留父代遗传信息,在较大程度上优于传统的交叉算子;位变异和交换变异相结合的变异方法有利于更好保持种群的多样性.大量模拟数据与生产线应用实例表明本文所提的基于向量组编码的遗传算法是相当有效的.     

用遗传算法解组卷问题的设计与实现

组卷问题是一个多重约束目标的问题求解，为此我们设计了一个求解该问题的遗传算法，给出了分段二进制编码的针对该编码的交叉算子，变异算子的改进，实例表明该遗传算法在求解组卷问题非常有效。     

一种新型的自适应混沌遗传算法

针对标准二进制编码遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法用于求解优化问题.该算法利用信息熵理论产生较好的初始群体分布,并依据概率分布函数构造杂交算子,同时结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法能有效维持群体多样性,防止和克服进化过程中的"早熟"现象,算法操作简单、易于实现.最后通过对几个经典测试函数的数值实验,验证了该算法在提高解的精度和加快收敛速度方面都有显著改善,从而为解决函数优化问题提供了一种行之有效的新方法.     

基于自适应免疫遗传算法的多序列比对

针对多序列比对问题提出一种基于自适应免疫遗传算法的多序列比对方法。为了保持群体中个体的多样性，以及加快算法的收敛速度，该算法中交叉概率和变异概率根据群体的多样性自适应调整，并且在选择免疫算子时采用择优策略，将免疫算子引入到自适应遗传算法中，通过对个体接种疫苗来进一步提升个体的存活能力。     

基于位变异防止遗传算法过早收敛的算法

针对简单遗传算法具有过早收敛的缺点，本文提出了一种基于位变异的防止遗传算法过早收敛的算法。该算法通过种群熵来判断过早收敛的发生。当发生过早收敛时，在单调系数的指导下进行有针对性的位变异．从局部最优解的范围内摆脱出来，算法重新具有进化能力。用数值优化中的三个典型的测试函数对该算法进行测试．仿真实验结果显示该算法可有效地提高算法的全局搜索能力。     

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.     

A new automatic alignment technology for single mode fiber-waveguide based on improved genetic algorithm

A novel automatic alignment algorithm of single mode fiber-waveguide based on improved genetic algorithm is proposed. The genetic searching is based on the dynamic crossover operator and the adaptive mutation operator to solve the premature convergence of simple genetic algorithm. The improved genetic algorithm combines with hill-climbing method and pattern searching algorithm, to solve low precision of simple genetic algorithm in later searching. The simulation results indicate that the improved genetic algorithm can rise the alignment precision and reach the coupling loss of 0.01 dB when platform moves near 207 space points averagely.     

基于自识别交叉算子和自适应变异算子的遗传算法研究

为有效地解决遗传算法收敛速度和局部最优解的矛盾,本文提出了一种具有自识别交叉算子和基于海明距离的动态变异算子的遗传算法。自识别交叉算子保证父代的优良模式遗传到下一代,加快了算法的收敛速度;而动态变异算子扩大了搜索范围,增强了算法跳离局部最优解的能力。实验证明,两种改进算子的有效结合保证算法能以较快速度收敛于全局最优解。     

基于混沌遗传算法的非均匀应变分布重构研究

针对基本遗传算法在解决实际最优化问题时可能存在的收敛速度慢、易于陷入局部最优解等问题,提出从适应度排序标定和混沌算子嵌入两方面进行算法性能的改进。前者避免了传统适应度值计算方法中较小目标函数值导致的具有过大适应度值的个体对种群进化方向的影响,使得种群始终能够保持恒定的进化压差促进最优解的搜索;后者则增强了遗传算法局部搜索的能力,从而提高了近似最优解向全局最优解转化的可能性。在此基础上,建立了一种基于混沌遗传算法的光纤布拉格光栅(FBG)轴向非均匀应变分布重构方法,仿真算例表明,混沌遗传算法有效改善了非均匀应变分布重构算法的收敛性能,提高了重构的精度。讨论了算法中相关参数的设置对非均匀应变分布重构精度的影响。     

选择和变异算子的作用分析

文中在连续空间统一的随机过程框架下,分析了遗传算法群体的概率密度序列的演化过程,给出并证明了群体概率密度的递归公式.分析了标准遗传算法中选择算子和变异算子的基本性质.导出了选择和变异条件下平均适应度单调递增并收敛到全局最优解的条件.这些结论在一定程度上为实现自适应调节变异算子的概率,保证遗传算法收敛到全局最优解提供了理论依据.     

基于改进鲸鱼优化策略的贝叶斯网络结构学习算法

针对当前贝叶斯网络结构学习算法易陷入局部最优和寻优效率低的问题,该文提出一种基于改进鲸鱼优化策略的贝叶斯网络结构学习算法。该算法首先提出一种新的方法建立较优的初始种群,然后利用不产生非法结构的交叉变异算子构建适用于贝叶斯网络结构学习的改进捕食行为,同时采用动态调节参数增强算法个体寻优的能力,通过适应度排序更新种群,最终获得最优的贝叶斯网络结构。仿真结果表明,该算法具有全局收敛性,寻优效率高,精确率高于其它同类优化算法。