模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

基于改进遗传算法的空间网架结构拓扑优化设计

根据工程实际出发,建立离散变量结构拓扑优化模型。针对基本遗传算法(GA)存在的早熟收敛、随机性大、收敛速度慢等不足,从编码方式及遗传算子操作等几个方面对其作了改进,选择操作中引进斐波那契方法,提出一种基于整数编码的改进遗传算法。优化结果表明,这种改进的遗传算法的收敛性得到了很好的改善,提高了计算效率,是有效的结构拓扑优化设计方法。     

基于实数编码的自适应遗传算法及应用

为了解决遗传算法(GA)存在的早熟收敛、收敛速度慢等不足,从编码方式及遗传算子操作等几个方面对其作了改进,提出了一种基于实数编码的自适应遗传算法(RAGA)．基于典型复杂函数的优化仿真结果表明,该算法的全局收敛速度和命中全局最优值的几率相对标准遗传算法(SGA)有较大提高．     

基于GA的BP网络模型在水文计算中的应用

分析了BP神经网络的缺陷和遗传算法GA的特点,在对BP网络模型进行多方面改进的基础上,提出了基于GA的BP网络模型算法,该算法利用遗传算法全局寻优能力强的特点,可克服神经网络易陷入局部极小、收敛速度慢的缺陷.研究表明,基于GA的BP神经网络模型用于水文计算是有效可行的,该算法具有广泛的应用前景.     

改进GA在房地产开发项目投资组合中的应用

传统遗传算法(GA)存在着易陷入局部最优的缺陷,本文提出了一种先利用信息熵调整遗传与变异的侧重点,实现算法参数自适应调节,而后再利用小生境算法在基因层面上对GA进行优化以确定最优解的改进的遗传算法。并将此算法引入房地产开发项目投资组合中,计算实例证明了该法具有较高的稳定性和鲁棒性。     

基于粒子群遗传混合算法的配电网无功规划

提出了一种基于粒子群算法(PSO)和遗传算法(GA)相混合的配电网无功规划算法。该算法利用遗传算法收敛效果好和粒子群算法收敛速度快的特点,计算结果表明:该算法是收敛的、有效的。     

TSP问题的一种改进遗传算法

针对传统遗传算法（以下简称GA）解决旅行商问题（以下简称TSP）时存在的缺陷与不足，对传统GA的结构加以改进，并提出OX改良算子、贪婪倒位变异算子、组合变异算子等，使该算法在提高搜索效率与解质量方面取得很好的综合平衡。仿真实验验证了该算法的有效性。     

改进GA在房地产开发项目投资组合中的应用

传统遗传算法(GA)存在着易陷入局部最优的缺陷，本文提出了一种先利用信息熵调整遗传与变异的侧重点，实现算法参数自适应调节，而后再利用小生境算法在基因层面上对GA进行优化以确定最优解的改进的遗传算法。并将此算法引入房地产开发项目投资组合中，计算实例证明了该法具有较高的稳定性和鲁棒性。     

一种改进的遗传算法及其应用

遗传算法由于其隐合并行性和全局搜索特性,使其具有其他常规优化算法无法拥有的优点.然而,标准遗传算法存在着收敛速度慢、易"早熟"等缺陷.针对应用标准遗传算法时所存在的局限性,从适应值、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法的改进设计.这种改进的遗传算法可进一步改善算法的搜索能力、搜索效率和收敛性能.最后以(N M)客错系统的优化模型作为优化目标,得到了费用模型的最优解.计算结果验证了算法的有效性和正确性.     

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。     

Genetic algorithm-based evaluation of spatial straightness error

~~Genetic algorithm-based evaluation of spatial straightness error@崔长彩$Dept. of Automation Measurement and Control,Harbin Institute of Technology!Harbin 150001,China @车仁生$Dept. of Automation Measurement and Control,Harbin Institute of Technology!Harbin 150001,China @黄庆成$Dept. of Automation Measurement and Control,Harbin Institute of Technology!Harbin 150001,China @叶东$Dept. of Automation Measurement and Control,Harbin Institute of Technology!Harbin 150001,Chi…     

一种基于特殊个体的改进遗传算法

提出了一种不需要变异操作,只由交换操作就能遍历搜索空间所有状态点的改进遗传算法。这种算法通过在种群中增加两个特殊个体,就足以提供交换所需的基因材料。在计算量上这种算法比简单的遗传算法明显要小,仿真结果证明了这种算法的可行性     

遗传算法在模拟有源滤波器设计中的应用

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。首先，该文给出了应用遗传算法求解问题的一般步骤，然后将遗传算法用于模拟有源滤波器的优化设计，其仿真结果验证了算法的有效性。     

改进自适应遗传算法的结构优化设计

介绍了离散变量的结构优化设计方法——遗传算法(Genetic Algorithms)的来源和运行参数。考虑到遗传算法在运算过程中表现出的缺点以及交叉率和变异率的选取对遗传算法的搜索能力和搜索效果的影响,同时为了提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行了改进,引入一种基于个体适应度值的自适应遗传算法。并通过算例表明这种改进自适应遗传算法较基本遗传算法是更有效的,提高了算法的运行效率和计算精度。     

改进的遗传算法在结构优化设计中的应用

遗传算法(GA)是基于达尔文进化论和遗传学说形成的一种崭新的优化算法.它具有全局收敛性和并行性;对先验知识要求较少,具有很强的适应性.针对结构优化设计方法中存在的局限性,将改进的遗传算法用于结构优化设计中.改进的GA采用以下措施提高搜索效率:(1)动态调整变量区间和GA参数;(2)在每一轮进化结束后重新初始化群体,开始新的进化;(3)将最优个体保留到下一轮.据此编制了计算机程序,并将其应用到一个桁架结构的优化实例中.运行结果表明,改进后的遗传算法用于结构优化设计能够有效地避免陷入局部最优解的现象,提高了搜索效率,具有较强的适应性.     

改进自适应遗传模拟退火算法的结构优化设计

为提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行改进.引入一种基于个体适应度值的自适应遗传算法,并将遗传算法和模拟退火算法结合形成一种混合算法,从而提高算法的运行效率和计算精度.算例表明改进的自适应遗传模拟退火混合算法较基本遗传算法更加有效.     

综合遗传算法及其在地震波阻抗反演中的应用

为了有效地克服非线性、多参数、多极值的组合优化问题中遗传算法的早熟收敛现象, 生物的小生境技术和自然界生物多种杂交方式并存、多个子群体并行以及灾变现象,而提出了一快速基因搜索策略。该算法以多个子群体不同杂交方式并行搜索为主,并结合 列配对的受限技术和灾变算子等方法来实现快速的寻优过程。对地震资料波阻抗反演的理论横亘试验表明,该算法的收敛能力和计算效率有了明显改善。     

带有顶端增强算子的遗传算法

二进制编码遗传算法是基于演化和自然选择模型的全局优算法,加速算法的寻优速度具有重要价值,受生物界“王者”现象启发,结合内插外推理论,设计了一种加速遗传算法的顶端增强算子,该算子着眼最优个体群,以赋予适应值最大的个体群更多的操作,顶端加强算子的引入,加强了遗传寻优算法的方向性,有效地防止了算法陷入伪极值点,从而大大提高了算法的收敛速度,该算法不要求被寻优函数连续可微,不增加求解系统的次数,其增加的计算量极小,给出使用该算法对两个遗传法测试函数寻优和一个小规模的神经网络系统训练的算例,并与基本遗传算法进行了比较,仿真结果验证了该算法的有效性。     

带有成长算子的遗传算法

提出了伪极值点的概念,举例说明了由于遗传算法随机性强使得二进制码遗传算法极易陷入伪极值点,致使算法收敛速度缓慢的问题,设计了一种适合于二进制编码遗传算法的成长算子,该算子的引入,加强了算法的方向性,有效地防止了算法陷入伪极值点,从而大大提高了算法的收敛速度。     

基于知识的分层遗传算法

传统遗传算法缺乏对进化过程知识的有效提取和利用，存在早熟收敛．在遗传算法的种群进化层上，引入文化算法的信度空间，提出一种具有知识引导功能的分层遗传算法．算法由底层种群进化层和上层知识进化层构成．结合遗传操作过程，提取4类知识并给出具体定义．详细阐述了联系上下层的样本选取函数、知识更新函数和进化引导函数，并提出一种基于地势知识轮盘赌选择的新型个体替代策略．针对3组标准测试函数的仿真结果表明，4类知识在不同进化阶段对种群的影响程度不同．状况知识在进化早期起主导作用，规范知识和地势知识在某局部优势区域具有较强引导作用，历史知识引导搜索区域脱离局部较优点，从而有效避免早熟收敛，提高进化效率．