岩体渗透系数反演的混合优化算法

采用反演的方法确定岩土介质的渗透系数,通过优化模型对渗透系数反演问题进行建模.在具有全局搜索能力的遗传算法的基础上,采用Powell局部搜索算法对遗传算法的变异算子进行改进.基于遗传算法和Powell局部搜索算法的基础上,构造混合优化方法,所提出的算法在保证全局搜索能力的同时,具有较快的收敛速度.结合工程实例检验了所提出算法的全局最优能性和快速收敛性.     

一种基于阈值对偶算子的优化组合遗传算法

针对遗传算法局部搜索能力差的问题,模拟生物基因的对偶性,本文提出的阈值对偶算子,与对偶算子的性能相比较,既改善了遗传算法的局部搜索性能,又减小了对种群多样性的影响,与具有良好全局搜索性能的遗传算子组合,构造了一种基于阈值对偶算子的优化组合遗传算法.从理论上证明了算法的收敛性,实验结果表明,该算法具有更好的寻优能力,对应用串型编码的遗传算法解决优化问题具有很好的借鉴意义,阈值可根据求解问题特征和局部搜索强度而设定.     

基于混合搜索策略的Job Shop调度研究

目的 提出基于遗传算法和禁忌搜索算法的混合算法，解决单一算法求解JobShop调度问题存在的不足，提高求解质量．方法 采用遗传算法作为全局搜索算法，禁忌搜索算法作为局部搜索算法．根据JobShop调度问题解的特征。提出基于关键工序的邻域选择方法，将基于这种邻域选择方法的禁忌搜索算法作为变异算子，加强了遗传算法邻域解的搜索能力．结果 混合算法在较短时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法（PGA）提高3．84％、较TSAB算法提高4.66％．结论 采用的禁忌搜索算法改善了遗传算法的局部搜索能力，说明提出的混合搜索策略是有效的．     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

基于万有引力思想的遗传算子

借鉴万有引力搜索算法和局部搜索思想,对遗传算法中的算术交叉和非均匀变异算子进行了改进,将万有引力搜索和混沌搜索引入新算子.新算子能够充分利用最优个体信息,兼具有全局搜索与局部搜索性能.仿真实验表明,新算子不但加快了算法的收敛速度,而且提高了求解精度.     

模拟退火算法对遗传神经网络优化的性能分析

遗传神经网络是利用遗传算法优化连接权值代替梯度下降法求解的方法,在遗传算法进化的过程中加入模拟退火算法,同时具有优秀的全局寻优能力和局部搜索能力,不仅能够提高运算收敛的速度和效率,而且可以有效避免出现早熟现象,防止陷入局部最优,同时性能也很稳定,完全能满足实时系统对精度和速度的要求。研究了遗传神经网络分别在复制、交叉和变异后应用模拟退火算子进行优化的方法,并且比较了三者在遗传神经网络优化中性能的优劣。     

基于改进细菌觅食算法的无功优化

采用改进的细菌觅食(MBFO)算法求解电力系统无功优化问题,引入了步长递减的控制策略,改善了算法前期的全局搜索能力和后期的局部搜索能力;引入了SA-PSO变异算子,从而使个体可以相互交流,并从精英那里得到经验;引入遗传算法的交叉和赌盘选择,保护了精英个体,同时降低了解劣化的概率.以IEEE-30节点为例的算例结果表明,较其他几种优化方法而言,M BFO具有更快的收敛速度和更好的优化效果,故该算法在解决无功优化问题上可行且有效.     

求解旅行商问题的改进k-opt遗传算法

为了增强遗传算法的局部搜索能力，加速算法运行效率，尽量避免算法陷入早熟问题，提出一种改进k-opt遗传算法求解旅行商问题。该算法利用改进的k-opt方法初始化获得较优种群，引入改进的交叉变异机制增强算法全局搜索能力，结合改进的k-opt方法强化算法局部搜索能力。实验结果表明，改进的k-opt遗传算法能有效平衡算法探索和开发能力，其求解的质量优且运行效率高。     

基于改进遗传算法的弹药运输车辆调度问题研究

建立了弹药运输车辆调度问题的数学模型,针对传统遗传算法求解该问题具有收敛速度慢、易陷入局部极小的缺点,提出了一种改进的遗传算法予以求解。在改进算法中引入一种基于信息素的遗传交叉算子,该算子能利用以信息素形式保存的全局信息,从而提高收敛速度;算法中的变异算子采用Relocation、Exchange、2-opt＊及2-opt 4种启发式搜索算法,尽可能扩大搜索范围。算例分析表明了所提改进遗传算法求解弹药运输车辆调度问题的有效性和可行性。     

用自适应遗传算法求解一类组合调度优化问题

针对JobShop组合调度优化问题,提出一种改进的自适应遗传算法,该算法在经典遗传算法的基础上增加了重构和局部寻优操作,构造了新的交叉和变异算子,自适应地确定交叉和变异概率,提高了算法的搜索效率.算例表明,该算法能有效求解JobShop调度等组合优化问题.     

基于变异学习的药物构效关系模式分类法

提出一类用于预测药物活性的神经元模式分类器及其神经网络进化学习新算法－－变异基遗传法。该算法仅采用变异算子进行局部优化搜索,并利用随机初始化技术使算法在局部搜索功能提高的同时仍有可能寻找到全局最优解。该研究以有机氟农药为例,将基于变异学习的神经元模式分类方法应用于药物构效关系的识别研究,实验结果表明,该方法能有效地辨识药物构效关系模式,模式分类识别正确率优于其他神经元模式分类法。     

改进遗传算法及其在倒立摆控制中应用研究

针对标准遗传算法寻优时存在的个体多样性不足、搜索速度迟缓、容易陷入局优的问题,使用自适应调整的交叉算子和变异算子对其进行改进,并利用改进的遗传算法对直线一级倒立摆模型实现稳定控制的关键参数进行寻优。在Python3.8软件上对寻优过程进行仿真,仿真结果表明,改进的遗传算法可以更好的平衡全局搜索和局部寻优能力,在实验中展现了良好的效果。     

基于精英保留策略与爆炸算子的改进遗传算法

针对标准遗传算法(standard genetic algorithm,SGA)应用于数值优化存在收敛缓慢、易陷入局部优解和精度低等问题,提出一种具有爆炸算子的改进遗传算法(FGA)。引入爆炸算子(fire algorithm,FA),通过局部最优解集爆炸产生新个体以弥补SGA算法寻优过程中种群多样性不足的缺陷, 从而提高算法在解析域的全局搜索能力;加入精英保留策略使每代中的最优个体都能得以保留,避免交叉和变异操作遗失全局最优解。为验证算法的优化性能,选用4个经典测试函数对SGA与FGA这2种算法的优化性能进行对比,算例结果表明,本文所提算法具有更好的全局搜索能力、收敛性能以及计算精度。     

一种基于漂移和波动思想的遗传算法

为充分利用最优个体的信息,借鉴于漂移和波动思想设计出新的交叉与变异算子,提出一种新的遗传算法.新算法采用混沌策略处理不可行个体,新算子结合最优个体信息,兼具全局搜索与局部搜索性能.仿真实验表明,新算法不但加快了算法的收敛速度,而且提高了求解精度,是一种有效性算法.     

解动态约束规划问题的差分进化算法

动态约束规划问题求解的困难在于如何处理问题的约束及时间(环境)变量.本文给出了求解一类定义在自然数集上的动态约束规划问题的差分进化算法,该方法借助于问题的约束条件设计了一种新的适应度函数及选择算子、同时给出了一种带一维不精确局部搜索的变异算子极大地增强了群体的多样性、提高了算法跳出局部最优的能力.数值试验表明,该算法性能稳定性较好,收敛速度较快,全局搜索能力较强,其对动态非线性约束规划问题求解是有效的.     

A New Genetic Algorithm Based on Niche Technique and Local Search Method

The genetic algorithm has been widely used in many fields as an easy robust global search and optimization method. In this paper, a new genetic algorithm based on niche technique and local search method is presented under the consideration of inadequacies of the simple genetic algorithm. In order to prove the adaptability and validity of the improved genetic algorithm, algorithm problems of multimodal functions with equal peaks, unequal peaks and complicated peak distribution are discussed. The simulation results show that compared to other niching methods, this improved genetic algorithm has obvious potential on many respects, such as convergence speed, solution accuracy, ability of global optimization, etc.     

一种新的求全局最优的遗传算法

利用近年来广泛应用的遗传算法，对积分-水平集求全局最优概念性算法的蒙特卡罗随机投点的实现途径进行了改进，从而得到一种新的求全局最优的遗传算法。文中算法设计了适合的初始种群的均匀设计取法、交叉算子、变异算子和选择算子，给出了测度的勒贝格计算方法，从理论上证明了算法的收敛性。最后，选用了标准测试函数并与其他算法进行了比较，从数值上验证了算法的可行性。     

Optimal tetrahedral mesh generation for three-dimensional point set

Three-dimensional (3D) tnangulation is a basic topic in computer graphics. It is considered very difficult to obtain the global optimal 3D triangulatlon, such as the triangulation which satisfies the max-min solid angle criterion A new method called genetic tetrahedral mesh generation algorithm (GTMGA for short) is presented. GT-MGA is based on the principle of genetic algorithm and aims at the global optimal triangulation. With a multi-objective fitness function, GTMGA is able to perform optimizations for different requirements. New crossover operator and mutation operator, polyhedron crossover and polyhedron mutation, are used in GTMGA. It is shown by the experimental results that GTMGA works better than both the 3D Delaunay triangulation and the algorithm based on local transformations.