基于多种编码的多群体遗传算法

为了有效地克服标准遗传算法（SGA）中的早熟收敛现象,提出了一种基于多种编码的多群体遗传算法,该方法是采用3个群体同时进行进化的策略,其中,第1个 本是采用浮点数编码方法,以使该群体具有较强的局部搜索能力,第2个群体是采用二进制编码方法,以使该群体具有较强的全局搜索能力。第3个群体为“精华种群”,用于保存算法在进化过程中产生的优秀个体,在进化过程中,还通过引入“移民”策略来交换3个群体中的优秀个体,以有效地增加群体的多样性,该算法不仅不易陷入局部收敛,还具有较强的跳出局部收敛的能力,且收敛速度较快,通过对一系列典型复杂多模函数进行的优化计算试验,结果证实了该方法的有效性和优越性。     

遗传算法群体规模的研究

遗传群体规模的选择是使用遗传算法优化计算时的首要问题,直接影响遗传算法全局收敛率和收敛速度等。该文研究二进制和自然数编码遗传算法的群体规模,结合偏好函数和模式定理,利用前向及后向差分方程,得到这2种编码的群体规模下限值,证明其存在性。通过对2个典型多模函数的优化测试,验证所得群体规模理论优化值的有效性。     

基于改进遗传算法的物流配送路径求解

为提高中小企业在市场中的竞争力,提出了基于遗传算法的智能化解决方案.建立了物流配送路径问题的数学模型和求解流程,论述了基于遗传算法的物流车辆配送系统的设计与实现,详述了基于自然数编码的遗传算法在物流车辆调度中的运用等关键技术.通过模拟测试,效果良好.计算结果表明,用遗传算法进行最短路径优化,可以方便有效地求得问题的最优解或近似最优解.最后,指出了遗传算法求解物流配送路径问题的不足之处.     

多维实数编码遗传算法

系统地分析了几种常见编码策略,在此基础上提出 一种新的编码策略--多维实数编码。仿真结果验证了这种新编码方式的有效性与合理性。     

基于实数编码遗传算法的混合神经网络算法

该文比较了神经网络与遗传算法的特点,提出了一种融合遗传算法和BP算法的神经网络算法设计。该方法采用了基于实数编码的改进遗传算法来替代随机设定神经网络的初始权阈值,然后由改进的LMBP算法在已由遗传算法确定了的搜索空间中对网络进行精确训练。仿真结果表明神经网络的逼近能力和泛化能力得到了综合提高,能够有效抑制遗传算法初期收敛的发生,确保了快速达到全局收敛,克服了传统BP算法精度低、收敛速度慢、容易陷入局部极小的缺陷。     

一种基于相位编码的量子遗传算法

基于量子位测量的二进制量子遗传算法在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率.针对这一问题,本文提出了一种基于量子位相位编码的量子遗传算法.该方法直接采用量子位的相位对染色体进行编码,采用量子旋转门实现染色体上相位的更新,采用Pauli-Z门实现染色体的变异.在该方法中,由于优化过程统一在空间[0,2π]<'n>进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性.以函数极值优化为例,仿真结果表明该方法的搜索能力和优化效率明显优于普通量子遗传算法和标准遗传算法.     

对实数编码遗传算法的改进

分析了实数编码遗传算法存在的缺陷,并在此基础上提出了几点改进方案。改进后的实数遗传算法可以很好地提高算法的搜索速度,并稳定地获得最优解。     

基于群体编码方式的遗传算法求解装箱问题

就传统装箱问题提出了一种改进的混合遗传算法.该改进的遗传算法主要通过基于群体的编码方法,将每一个箱子视为一个群体,使得在进化过程中,只对群体部分进行操作,从而大大减少了冗余,克服了传统的基于物品编码或基于箱子编码的遗传算法的不足.仿真实验结果表明,该编码方式的遗传算法比基于物品编码的遗传算法显著提高了优化效果.     

遗传算法的编码理论与应用

编码是遗传算法求解问题的前提,文章分析了二进制编码、格雷码编码、实数编码、符号编码、排列编码、二倍体编码、DNA编码、混合编码、二维染色体编码或矩阵编码等编码的实质内容,在树编码和可变长编码基础上阐述了自适应编码的基本理论,提出了基于相似度的可变长编码和基于结构的agent编码方式,给出了函数优化、TSP、KP、JSP、机器人路径规划、图的划分和倒立摆等典型优化问题的编码方案。     

基于遗传算法的分形图像压缩

数字图像压缩日益引起人们的重视。利用图像中的局部分形特征进行压缩，取得了好的效果，但其虚拟码书的搜索匹配，计算量十分庞大。本文提出将遗传算法应用于分形图像压缩，大大降低了压缩编码的复杂性，与穷尽搜索匹配的算法相比，搜索范围在Ｏ（１０＾－２）量级，解码图像的峰值信噪比得到很好地保持，实验结果证实了算法的有效性。     

基于遗传算法的广义Takagi-Sugeno模糊逻辑系统最优参数辨识

针对Takagi-Sugeno模糊逻辑系统的隶属函数不具有自适应性且模糊规则数的确定带有很大的人为主观性,这里引入了一类广义Takagi-Sugeno模糊逻辑系统;在模型实现上,以广义Takagi-Sugeno模型为个体,采用简单、有效的矩阵编码方式,借助遗传算法得到一个次优的广义Takagi-Sugeno模糊系统模型,该模型不仅能很好地逼近所要辨识的非线性系统,而且还具有较低的复杂度.仿真结果表明了广义Takagi-Sugeno模型及其参数辨识方法的正确性和有效性.     

基于遗传算法和排队网的串联CONWIP系统流通卡数的确定方法

在CONWIP(constant work in process)系统中,流通卡数是系统有效运行的关键因素.文中针对串联CONWIP系统,提出了非线性整数规划模型和排队网模型相结合的问题描述模型,以及遗传算法与排队网络分析相结合的问题求解算法.实例仿真验证了该方法的有效性.     

小脑模型控制系统的遗传算法最优设计

首次采用遗传算法实现小脑模型控制固定增益的最优设计，并采用超调受限最优化方法进行优化，而且结合线材缠绕坟系统张力控制进行了控制仿真试验，同时采用遗传算法对同一被控对象进行ＰＩＤ最优控制设计，试验结果表明本文方法是有效的，它克服了以往小脑模型控制设计的反复度错的缺点，进而使控制系统设计工作量大大减少，试验还表明，采用遗传算法对小脑模型控制的固定增益进行最优设计，比对ＰＩＤ最优控制设计容易，而且稳定。     

基于遗传算法的模糊树建模方法

1　引言近年来模糊逻辑理论在非线性系统辨识领域中得到了广泛的应用 .模糊逻辑建模方法的主要内容可分为两个层次 ,一是模型结构的辨识 ,另一则是模型参数的估计 .模糊模型的结构辨识问题是指如何划分输入空间 .模糊树模型 (FT模型 )是一种利用二叉树结构描述输入空间模糊划分     

改进的静态图像零树编码算法

Ｓｈａｐｉｒｏ的ＥＺＷ静 图像压缩算法,由于充分利用了小波变换图像的良好性质,引起了图像数据压缩领域的广泛注意,ＥＺＷ算法被认为是静态图像变换编码领域迄今为止最好的算法之一,通过分析与实验,发现该算法也存在一些不足,地此该文提出 了一种改进的零树编码算法,在一定 克服了这些不足,该算法编码流包括在发）最低了带图像的编码流,最低频的子带图像包含了原始图像的绝大春系数的绝对值比人它子图的系数要大几个数     

基于量子遗传算法的图像分割

针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,将量子计算与遗传算法进行融合,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明量子遗传算法用于阈值寻优减少了搜索时间,提高了收敛效率.     

基于小波逼近的空间机械臂非完整运动最优规划的遗传算法

本文讨论了空间机械臂非完整运动规划问题．将空间机械臂非完整运动规划问题转化 为非线性系统最优控制问题．在控制算法中用小波函数逼近控制输入规律．提出了空间机械 臂非完整运动规划最优控制的遗传算法．数值仿真表明,小波逼近和遗传算法联合求解最优 控制问题是有效的．     

一种基于免疫原理的遗传算法

本文提出了一种免疫遗传算法（Ｉｍｍｕｎｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ,简称ＩＧＡ）。免疫遗传算法是根据生物的免疫原理提出的一种改进遗传算法法,该算法主要体现了生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进,并结合货郎担（ＴＳＰ）优化问题介绍了具体实现方法,实验结果表明该免疫遗传算法有较好的性能。     

基于树状小波分解的图像混合编码方法

本文提出了一种基于树状小波分解的图像混合编码技术，它能够在一定的能量准则下自适应地对图像进行分解，并根据不同尺度子带在小波图像中的地位和特点，选取相应的编码方法。模拟实验证明，此方法在较好的图像质量情况下获得了较高的压缩比。