改进的蜜蜂进化型遗传算法

提出一种改进的蜜蜂进化型遗传算法.在该算法中,种群的最优个体作为蜂王与被选的每个个体(雄蜂)以一定概率进行交叉操作,从而增强了对种群最优个体所包含信息的开采能力;同时,为了避免过早收敛,算法在种群次优解周围进行局部搜索,引入新的随机个体,增加算法的多样性.实验结果表明,该算法能有效地提高遗传算法性能的求解精度和收敛速度.     

一种改进的遗传聚类算法

给出了一种改进的基于遗传算法的聚类方法。传统的K-means算法局部搜索能力强,但是对初始化比较敏感,容易陷入局部最优值。基本的基于遗传算法的聚类算法是一种全局优化算法,但是其局部搜索能力较差,收敛速度慢。针对这两个方法所存在的问题,提出了一种改进的聚类算法。该方法结合了两个方法的优点,引入了K-means操作,再用遗传算法进行优化,并且在该方法中改进了遗传算法中的交叉算子,大大提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。     

一种多模态优化的小生境遗传算法

针对目前多模态优化存在无法找到全部局部极值解的问题,提出了一种改进的小生境遗传算法．该算法在基于淘汰相似机制的小生境遗传算法中引入了预选择机制,并对自适应交叉概率算子和变异概率算子进行了改进,根据群体适应度值的大小来动态调整个体的交叉概率和变异概率大小,并将该算法用于Shubert函数的求解,实验结果表明该方法较之前的小生境遗传算法能够有效的搜寻出全部局部极值,并具有较快的搜索速度．同时,该方法在其他的多峰函数求解上具有通用性．     

基于遗传模拟退火算法的雷达正交信号设计*

针对雷达正交信号的波形设计问题,提出了一种基于遗传算法和模拟退火算法的新遗传模拟退火算法。该算法利用遗传算法实现全局搜索,利用模拟退火算法实现局部搜索,改进了遗传算法的选择策略,并在交叉、变异概率中引入自适应的概率变化机制,自适应地保存最优个体,并对遗传算法的进化结果有选择地进行模拟退火操作,有效地解决了这两种算法的早熟现象和时间问题。实验结果表明,该算法是有效可行的,性能优于传统遗传算法和模拟退火算法。     

一种新的基于遗传操作的改进型遗传算法

交叉与变异是遗传算法的重要操作,提出了一种新的基于遗传操作的改进型遗传算法.采用最优保留和改进的轮盘赌选择方法,通过基因交叉概率控制交叉,根据高斯分布改进了交叉算子和变异算子,保证了算法的全局搜索能力、局部搜索能力及收敛速度.通过标准函数的数值实验,验证了新算法的有效性.     

基于正态云自适应遗传算法的无人机航路规划

为了克服标准遗传算法在无人机航路规划中存在的搜索速度慢、容易陷入局部最优等缺点,应用一种基于正态云改进的自适应遗传算法。建立无人机航路规划模型,将地理直角坐标系旋转,引入转弯角度约束,简化遗传编码的复杂度。改进算法由X条件云发生器产生种群的交叉概率和变异概率组成。正态云滴的稳定倾向性保护较优个体从而对全局最优值进行自适应定位,随机性保持个体多样性从而避免搜索陷入局部极值。仿真结果表明,该算法能使无人机在战场环境中快速地选择最优航路,规划的效率和成功率相对于标准遗传算法有明显提高,具有良好的应用前景。     

基于距离测度的改进自适应遗传退火算法

交叉操作和变异操作是遗传算法的两种基本操作,遗传算法的收敛速度在很大程度上与交叉概率和变异概率的选取以及交叉个体的配对策略有关.本文提出一种基于距离测度的改进自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.算法采用非等概率交叉配对策略,根据两个个体之间的距离自适应地确定交叉配对概率.此外,算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明了该算法的有效性.     

求解矩形件优化排样的自适应模拟退火遗传算法

矩形件优化排样是一个NPC问题,在工业界有着广泛的应用.针对该问题,提出一种自适应模拟退火遗传算法.采用一种基于环形交叉算子和环形变异算子的自适应遗传算法来自动调整交叉和变异概率;同时引入模拟退火算法对个体适应度大于平均适应度的个体进行退火处理.自适应模拟退火遗传算法充分发挥了自适应遗传算法与模拟退火算法各自的全局搜索能力与局部搜索能力.对比实验表明,该算法结合改进的最左最下布局算法解决矩形件优化排样问题更加有效.     

基于改进基因算法的海洋平台巡检机器人路径规划

传统遗传算法最优路径搜索效率相对较低,容易产生无实际意义个体。为此,在遗传算法选择操作中引入邻域搜索算法,提高算法的局部搜索能力,调整可变长度染色体邻接点交叉算子进化操作,避免生成间断路径。同时,在变异操作中引入多样性约束与改进的A*算法,提高遗传算法前期搜索效率。最后,在适应度函数中考虑路径长度、安全性和移动代价,生成的路径远离障碍物并在一定程度上降低转弯次数。实验证明,改进后的遗传算法在多障碍物环境下的路径规划过程中提高了搜索效率,更有利于找到实际应用中的最优解。     

改进的自适应遗传算法在函数优化中的应用*

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值,搜索效率低,不稳定等特点,提出一种改进的自适应遗传算法,该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值,从而能更好地产生新的个体摆脱局部极值搜索到全局最优解,并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明,与现存其他算法相比,改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度、和稳定性等方面都有了较大的改进和提高。     

自适应模糊遗传算法在轮胎花纹降噪中的应用

为了进一步优化轮胎花纹结构参数,提高轮胎花纹降噪的效果,在现有模糊遗传算法的基础上,提出了一种自适应模糊遗传降噪算法(Self-adaptive Fuzzy Genetic Noise-Reduction Algorithm,SFGNRA)。引入变换算子和对非法个体的贪婪处理,能够随时间和个体的适应度大小自动调整变换概率、变异概率,不需要人为设定。利用轮胎噪声仿真分析优化软件进行轮胎花纹结构设计,验证了该算法能进一步降低轮胎的噪声,得到了低噪声轮胎花纹结构方案。研究成果为低噪声轮胎花纹设计规范与方法提供了新的路径。     

遗传算法的参数设计与性能研究

利用无符号整数数组代替传统的字符串进行二进制编码，用改进的适应度函数、自适应交叉率、自适应变异率取代传统的适应度数和固定的交叉率及变异率来改进遗传算法，并与基本遗传算法进行了实验比较，结果证明改进的遗传算法显著提高了收敛性能，并且具有很强的自适应能力。     

自适应遗传算法交叉变异算子的改进

标准遗传算法采用固定的交叉率和变异率,对于求解一般的全局最优问题具有较好的鲁棒性,而对于解决较复杂的优化问题则存在早熟及稳定性差的缺点。传统的自适应遗传算法虽能有效提高算法的收敛速度,却难以提高优良解的多样性,算法的鲁棒性仍有待改善。文章提出了一种改进的自适应遗传算法,对交叉算子和变异算子进行了优化,实现了交叉率和变异率的非线性自适应调整。实验结果表明,相比传统的自适应遗传算法,新算法具有更快的收敛速度和更可靠的稳定性。     

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。     

基于格理论的NTRU遗传算法攻击

提出了一种基于格(Lattice)理论的NTRU遗传算法攻击,首先把对NTRU的攻击问题转化到遗传算法所能解决的问题空间。然后确定了个体的编解码方式,构造了适应度函数,选择适当的遗传算子,并以一个实例说明算法的工作流程。最后对实验结果进行了分析,分别讨论了进化终止代数、交叉率、变异率、初始种群规模对算法性能的影响。     

交互式遗传算法的改进方法及应用

针对交互式遗传算法中收敛速度慢和容易陷入局部收敛的缺点,提出遗传算法算子的一些改进策略,即利用定位部分优良基因方法,使这些基因较好地遗传到下一代。改进的算法能有效减少无效的交叉操作,收敛速度、全局搜索能力和局部搜索能力比交互式遗传算法均得到了较大的提高。将改进的算法应用于服装设计中,实验结果证明了改进后的算法在平均收敛代数和收敛到最优解的概率都优于遗传算法。     

遗传算法在计算机辅助创新作曲中的应用

对遗传算法在作曲中的应用进行了一定的研究,分析了遗传算法作曲系统应用,主要对交互式遗传算法在作曲进化方面进行了探讨并加以实验测试。     

基于区间适应值灰度的交互式遗传算法

针对交互式遗传算法缺乏衡量评价的不确定性问题,采用区间数评价进化个体适应值,利用灰度衡量评价的不确定性。通过区间适应值的灰度分析,提取反映种群进化分布的信息,给出进化个体的自适应交叉和变异概率。应用于服装进化设计系统的分析结果表明,该算法可有效缓解人的疲劳,提高优化效率。     

Adaptation methodology of CBR for environmental emergency preparedness system based on an Improved Genetic Algorithm

Emergency preparedness enables us to effectively handle sudden environmental events. In previous research, we have proposed to develop environmental emergency preparedness systems employing Case-Based Reasoning (CBR) technology, though developing such a CBR system has been stifled by a deficiency of cases and difficulties of case adaptation. In this paper, an Improved Genetic Algorithm (IGA) is put forward to resolve the issue of adaptability, and thus simultaneously overcoming the deficiency of cases.First we introduce the Frame method, which creates a case representation in accordance with the characteristics of, for instance, a sudden chemical leakage event and the system’s preparedness for treating this case. Then we present the principle of genetic algorithm (GA) for case adaptation. Next, we introduce an Improved Genetic Algorithm (IGA) that achieves case adaptation in the CBR system. The IGA overcomes simplex GA (SGA)’s defects including premature and slow convergence rate, and also enhances search efficiency for globally optimal solutions. The IGA employs technologies including the Multi-Factor Integrated Fitness Function, the Multi-Parameter Cascade Code method, the Small Section method for generation of an initial population, and Niche technology for genetic operations including selection, crossover, and mutation. The results of SGA and IGA performance testing are also presented. A prototype CBR-IGA environmental emergency preparedness system is developed and introduced, and its applicability is tested using a hypothetical ammonia leakage emergency in one district of Shanghai. The results indicate that the proposed IGA methodology can resolve the adaptation issue and expand the case base effectively in CBR systems for environmental emergency preparedness. Future research opportunities are discussed, including the potential to combine CBR, GA, and Back Propagation-Artificial Neural Network (BP-ANN) to alleviate additional challenges, such as the “speed and accuracy” of environmental emergency response.     

遗传算法辅助作曲研究

对遗传算法在作曲中的应用进行了一定的研究。介绍了遗传算法作曲系统目前的发展情况,分析了这一研究领域存在的问题,提出了一种新的交互式遗传算法作曲系统,借助Matlab 6.5下的遗传算法工具箱对系统进行了验证,取得了很好的效果。