基于Matlab的遗传算法解决多峰RBF神经网络模型全局最优化问题

以多峰RBF神经网络模型为例,研究了结合Matlab神经网络工具箱和遗传算法工具箱建立神经网络模型并求解模型的全局最优解,同时比较该模型中不同交叉算子对遗传算法全局寻优能力的影响.结果表明,采用启发式交叉算子能有效抑制遗传算法的早熟,提高其全局寻优能力,为用遗传算法解决多峰神经网络模型全局最优化问题提供了一种有效的途径.     

求多峰函数全部全局最优解的胞腔排除遗传算法

借助胞腔，并利用遗传算法能够最终收敛于非线性多峰函数全局最优解的特点，动态地剖分和排除胞腔，从而构成一种新型遗传算法－胞腔排除遗传算法，利用该算法可求取非线我峰函数全部全局最优解，仿真实验表明该算法合理，有效。     

基于免疫量子遗传算法的多峰函数寻优

针对多峰函数优化中的全局及局部寻优问题,提出了一种结合免疫克隆算子的量子遗传算法,给出了实现流程。该算法集量子遗传算法的快速性和免疫克隆算法全局搜索性于一身。它不仅有效克服了量子遗传算法容易陷于局部最优的缺点,也避免了普通免疫克隆算法计算缓慢的缺点。用多峰值函数进行了全局寻优的仿真实验,并与基本遗传算法,量子遗传算法的计算结果进行了比较,结果表明所提算法能以较快的速度搜索到全局最优解,并且其鲁棒性远高于普通量子遗传算法和遗传算法。     

一类求解最大独立集问题的混合神经演化算法

提出一类求解最大独立集问题(MIS)的混合型神经演化算法．该算法基于空间剖分与“排除”策略，有效综合了神经网络快速收敛及遗传算法稳健全局搜索的特别优点．与标准遗传算法和神经网络算法相比，该算法显示了极高的全局优化性态与计算效率．     

一种改进的最优保存遗传算法

在已有的研究工作基础上，给出了一种改进的最优保存遗传算法，研究了算法的全局收敛性和收敛速度，并给出了收敛性证明．数值实验表明．该算法能够有效的求解全局优化问题．     

一种改进的遗传算法在无功优化中的应用

针对电力系统无功优化问题,采用遗传算法（GA）是一种有效的全局优化概率搜索算法。为了降低系统有功损耗,保证无功电力在规定范围之内,将混沌搜索引入到标准遗传算法,提出了一种结合混沌搜索的改进遗传算法。通过混沌序列搜索产生初始种群,同时对交叉、变异、选择算子进行了改进,进一步改善了遗传算法的全局寻优能力,并有效防止了局部收敛,提高了算法的收敛速度和计算精度。对系统进行了无功优化,并进行仿真。仿真结果表明,改进的遗传算法能更精确地寻找到全局最优解,并明显加快了收敛速度,性能优于标准遗传算法。     

求解串并联系统配置问题的免疫遗传算法

通过对串并联系统配置可靠性问题的分析,提出了基于免疫遗传算法（IGA）求解该问题的方法。在保留基本遗传算法随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性。实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,其全局收敛性及收敛速度均得到了提高。     

基于免疫遗传算法的装箱问题求解

装箱是一类典型的ＮＰ完全问题．本文用一种免疫遗传算法来研究装箱问题的求解．免疫遗传算法在传统遗传算法的全局随机搜索基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性,实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决装箱问题．     

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。     

遗传算法的几乎必然强收敛性--鞅方法

遗传算法已有的收敛性的分析大都是在概率收敛意义下考虑的且基于算法的遍历性分析，这种敛性分析不确保算法在有限步内收敛到问题的全局最优解且所获得结果不仅对带“杰出者记录策略”的算法有效。该文首次尝试运用鞅论研究遗传算法的几乎必然强收敛性，证明一大类不带“杰出者记录策略”的遗传算法能以概率1确保在有限步内达到全局最优解，所获结果为遗传算法的实际应用奠定了理论基础，且所使用的鞅论分析方法为遗传算法研究提供了全新的分析工具。     

A genetic algorithm for finding a path subject to two constraints

Multi-constrained routing (MCR) aims to find the feasible path in the network that satisfies multiple independent constraints, it is usually used for routing multimedia traffic with quality-of-service (QoS) guarantees. It is well known that MCR is NP-complete. Heuristic and approximate algorithms for MCR are not effective in dynamic network environment for real-time applications when the state information of the network is out of date. This paper presents a genetic algorithm to solve the MCR problem subject to transmission delay and transmission success ratio. Three key design problems are investigated for this new algorithm, i.e., how to encode the problem in genetic representation, how to avoid the illegal chromosomes in the process of population initialization and genetic operation, and how to design effective genetic operator. We propose the gene structure (GS) to deal with the first problem, and the gene structure algorithm (GSA) to generate the GS. Based on the GS, we provide the heuristic chromosome initialization and mutation operator to solve the last two problems. Computer simulations show that the proposed GA exhibits much faster computation speed so as to satisfy the real-time requirement, and much higher rate of convergence than other algorithms. The results are relatively independent of problem types (network scales and topologies). Furthermore, simulation results show that the proposed GA is effective and efficient in dynamic network environment.     

基于递阶嵌套GA 的空-地武器靶场效能大规模总体优化

针对大规模优化问题，其大系统分解协调算法存在收敛速度慢、计算时间长、易导致组合爆炸等不足，以空-地制导武器大规模火力规划问题为背景，提出一种递阶嵌套GA．其基本思想是通过分层降低计算复杂性，从而有效解决大规模火力规划问题求解的可计算性问题．递阶嵌套GA由内外两层构成。内层GA实现对各子模型的求解，并将求解结果传送给外层GA；外层GA则通过遗传操作对内层GA发生干预．仿真算例验证了算法的有效性．     

自适应记忆遗传算法研究

针对遗传算法优化过程中仍然存在许多问题,文中提出了一种新的自适应记忆遗传算法。引入基因库的概念,用以存储重复出现个体的基因编码和对应的适应度值,进而解决重复个体适应度值的重复计算问题;利用Logistic曲线方程对遗传算法的交叉概率和变异概率进行自适应调整;以TSP为应用背景对文中算法进行实验,结果表明文中算法有效减少了算法的时间复杂度,其加速比能够达到49．70％左右。在算法的收敛性方面,改进后的算法收敛速度快于基本遗传算法,其所得解与TSPLIB提供的最优解的平均相对误差最大不超过9．38％。     

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法（即模糊优化方法）求解物流配送多目标定位-运输路线安排问题（MLRP）,重点考虑了时间和运输成本两个目标的MLRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.     

一种遗传算法优化控制器参数新的实现方法

利用遗传算法和MATLAB进行控制系统的仿真研究是一种重要的系统分析和设计方法。该文介绍了基于C＋＋语言开发的遗传算法类库GAlib，并利用该类库，针对传统的基于MATLAB遗传算法优化控制器参数实现方法的缺点，给出一种采用了C＋＋调用MATLAB计算引擎新的实现方法，能够灵活地设计染色体结构和相应的遗传算子，并能够和MATLAB工具箱和Simulink支持相结合对不同结构的控制系统进行仿真，具有通用性。对水压自动加载控制系统的PID控制器设计进行参数优化。仿真结果表明该方法的有效性。并具有实用性的特点。     

A novel hybrid genetic algorithm using local optimizer based on heuristic pattern move

A new hybrid genetic algorithm with the significant improvement of convergence performance is proposed in this study. This algorithm comes from the incorporation of a modified microgenetic algorithm with a local optimizer based on the heuristic pattern move. The hybridization process is implemented by replacing the two worst individuals in the offspring obtained from the conventional genetic operations with two new individuals generated from the local optimizer in each generation. Some implementation-related problems such as the selection of control parameters in the local optimizer are addressed in detail. This new algorithm has been examined using six benchmarking functions, and is compared with the conventional genetic algorithms without the local optimizer incorporated, as well as the hybrid algorithms incorporated with the hill-climbing method in terms of convergence performance. The results show that the proposed hybrid algorithm is more effective and efficient to obtain the global optimum. It takes about 6.4%-74.4% of the number of generations normally required by the conventional genetic algorithms to obtain the global optimum, while the computation cost for reproducing each new generation has hardly increased compared to the conventional genetic algorithms. Another advantage of this new algorithm is the implementation process is very simple and straightforward. There are no extra function evaluations and other complex calculations involved in the added local optimizer as well as in the hybridization process. This makes the new algorithm easy to be incorporated with the existing software packages of genetic algorithms so as to further improve their performance. As an engineering example, this new algorithm is applied for the detection of a crack in a composite plate, which demonstrates its effectiveness in solving engineering practical problems.     

求解背包问题的贪心遗传算法及其应用

分析了文献[2]中求解背包问题(KP)的混合遗传算法(HGA)所采用的贪心变换方法缺陷;重新定义了贪心变换的概念,并给出了一种新的且更高效的贪心变换方法,将此方法与遗传算法相结合得到一种新的混合遗传算法,称之贪心遗传算法(简记GGA).利用GGA得出了文献[2,4]中一个著名KP问题实例的目前最好结果;同时,对于文献[7]中的KP问题实例和一个随机生成的KP问题实例,将GGA算法与求解KP问题的最有效算法HGA算法进行对比计算,结果表明GGA算法远远优于HGA算法.     

基于遗传进化的最近邻聚类算法及其应用

提出了基于遗传进化的最近邻聚类算法，该算法结合了遗传算法（GA）与最近邻聚类算法（NN）。对要进行分类的样本和特征量进行优化选取，去除位于类交界的模糊样本，并对样本分类有效的特征量进行放大，对不利于样本分类的特征量进行抑制，从而提高了样本分类的精度，将该算法应用于抽水蓄能发电机组的工况分类，大大提高了机组工况的识别效果，验证了基于遗传算法的最近邻聚类算法的有效性。     

一种基于GEP的分类规则挖掘算法

基于一种新的自动程序设计方法基因表达式程序设计（GEP），通过设计适应函数、初始化群体的优化、增加新的遗传算子以及采用演化策略中的（λ+μ）淘汰策略等对原始GEP算法进行有效的改进，设计出一种新的数据挖掘算法。采用UCI机器学习知识库中的数据集对该算法进行了实验，并通过与C4.5及文献[3]的比较，检验了该算法的准确性。     

求解最短路径的遗传算法中若干问题的讨论

针对道路交通网络中的最短路径问题,讨论了遗传算法中遗传算子的设计及运行参数的选择,提出一种新的交叉算子,提高了种群多样性.通过计算机仿真实验,比较了多种遗传算子设计方案的优劣及不同运行参数对算法效果的影响,为实际应用提供了参考.采用VC语言实现该遗传算法,并应用于实际的电子地图中,结果表明了算法的有效性和实用性.