一种快速实现多峰值函数优化的改进遗传算法

针对基本遗传算法具有的收敛早熟、局部搜索能力差等缺点,提出了一种快速实现多峰值函数优化的改进算法。该算法包含并行小生境技术、可疑峰值点判断、引入局部搜索参数等策略,并采用C语言成功编写了通用程序。数值算例表明：该改进算法能有效防止早熟收敛,明显提高遗传算法的收敛效率,快速搜索到目标函数的所有最优点。该算法对求解多峰值函数优化问题具有普适性。     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

改进适应度函数的遗传算法

提出了一类新的改进的适应度函数的遗传算法,考虑了函数在搜索点的函数值及其变化率,结果表明收敛速度明显高于标准遗传算法.     

自适应分层遗传算法在函数优化中的应用

通过分析基本遗传算法在函数优化中的应用，研究其不收敛和收敛慢的原因，并在此基础上提出了自适应分层遗传算法。通过实验，证明了改进算法的优越性。     

改进遗传算法在燃气管网布局优化中的应用

燃气管网布局优化对整个系统经济性起着重要作用.以树状燃气管网为研究对象,以管线总长度最短为优化目标建立数学模型,设计了基于遗传思想的燃气管网优化布局的搜索过程.并对基本遗传算法进行改进,设计了单亲交叉算子、倒位算子以及相应的适应度函数.应用改进的遗传算法进行树状管网布局优化能够得到一组最优或次优的布局形式.计算表明,与传统方法相比,遗传算法具有很大的优越性和实用价值.     

遗传算法改进的研究

为了克服遗传算法的一些特点,本文对遗传算法几个方面的改进进行了研究,提出了一种改进形式的遗传算法,仿真实验证明,该改进遗传算法能大大提高遗传算法的收敛速度,有效防止“早熟”现象,并明显改善了算法的计算稳定性。     

一类改进的遗传算法及其优化性能分析

分析了传统遗传算法易早熟收敛的主要原因，提出了一类改进的遗传算法，通过采用多种群进行并行搜索，改进原有的适应值函数。采用最优保存策略和赌轮选择相结合的选择思路，以及采用二元变异算子、个体重新分配等方法，提高了全局搜索性能和收敛速度。通过曲型的测试函数进行了数字仿真。验证了算法的有效性。     

改进的非支配排序遗传算法优化气举配气

论述了气举优化配气的发展现状,提出了一种新的用分段线性函数表示的气举优化配气单目标和多目标模型.单目标模型以产油量最大为目标函数,而多目标模型以产油量最大且注气量最小为目标函数.以我国西部某油田某区气举井为例,进行了气举优化配气实例分析,给出了气举配气单目标模型的最优解和多目标模型的非支配解集,得到了最优配气方案下的产油量和注气量.     

基于改进遗传算法的多机系统PSS参数协调优化

提出了一种基于改进遗传算法的多机系统PSS(电力系统稳定器)参数的协调优化的方法。由励磁系统产生的滞后相位计算出PSS相位补偿环节的时间参数初值,根据这一初值决定优化PSS算法中PSS时间参数的取值范围,从而保证了PSS主要是给系统提供正的阻尼转矩,而对同步转矩影响较小,有利于IGA快速找到最优解。同时对GA的遗传算子进行了改进,提高了IGA的搜索效率。一个NewEngland10机系统的算例表明,利用本算法优化后的PSS能有效、合理地抑制低频振荡。     

基于自适应遗传算法的图像匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷，提出了一种基于自适应遗传算法(AGA)的匹配方法，该算法与传统遗传算法的不同在于其交叉概率和变异概率随个体的适应度值而变化，避免了后者易陷入局部极值的缺陷，从而增强了算法的快速性和全局收敛性能．图像与模板的相关值是一多峰值函数，模板匹配实质上是多峰值寻优过程．将AGA应用到图像匹配，是以相关值为适应度函数，通过选择、交叉、变异等遗传操作，对遗传个体进行迭代寻优，找出图像中的最佳匹配点．实验结果表明，基于该算法的图像匹配具有运算量小、匹配精确等优点，且算法稳定．     

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。     

一种改进遗传算法在数值优化中的应用

提出了一种改进的遗传算法———可变适应度的遗传算法,并详细介绍了该方法在数值优化计算中的应用,以及该方法在提高算法的收敛速度和算法的可靠性方面的作用和原理。最后通过实际的例子说明了算法在数值计算中的有效性。     

一种基于自适应迁移策略的并行遗传算法

分析了传统并行遗传算法的局限性,针对其迁移固定不变盲目性等缺点,提出了一种适合在当前多核计算机上运行的基于自适应迁移策略的并行遗传算法(AMPGA),该方法将遗传算法同当前个人计算机体系结构相结合,使新的并行遗传算法在主流计算机上并行执行,加快算法的收敛速度,充分挖掘出计算机的计算能力,很大程度地提高了传统并行遗传算法的计算性能。数据仿真实验表明,该算法与传统并行遗传算法相比,收敛速度快、求解精度高,并行效率也明显提升。     

求非光滑全局优化问题全部解的遗传算法

用遗传算法求解非光滑函数全部最优解,由于遗传算法并不要求函数可微,所以特别适用于求解非光滑问题。     

在多约束非线性优化问题上蚂蚁与遗传算法融合方法的研究

蚂蚁算法是通过信息素的累积和更新收敛于最优解上．针对初期信息素匮乏、求解速度慢的问题,将蚂蚁算法与遗传算法融合,采用遗传算法生成初始信息素分布,利用蚂蚁算法求精确解．该方法能有效地求得全局极小点或近似全局极小点．     

严格非膨胀遗传算法--压缩遗传算法的改进

笔者改进了Michalewicz提出的压缩遗传算法（cmGA）。得到严格非膨胀遗传算法（nmGA）,nmGA既消除了cmGA中人工参数的困难，又提高了进化速度．然后，对nmGA的收敛性作了理论分析．     

遗传算法计算储层参数研究

本文从最优化测井解释的基本原理出发,改进单参数遗传算法为多个参数遗传算法。把改进的算法应用于测井资料优化解释系统中用以获得反映实际地层的储层参数。通过结合具体地区的解释模型编程模拟计算,结果表明该算法在测井解释应用中有效并具有很大应用潜力。     

用遗传算法求解多参量函数优化问题

针对简单遗传算法(SGA)的编码方式不适用于优化多参量函敷的弱点,介绍了一种基于多参级联编码方式的遗传算法,详细描述了该算法的各主要组成部分和工作原理,并通过仿真实验证明了该算法的有效性。