遗传算法在短期发电优化调度中的研究与应用

将遗传算法用于解决梯级水电系统短期发电优化调度问题。建立了短期发电优化调度模型，详细阐述了用遗传算法解决问题的步骤。实例证明，该方法能够求解具有复杂约束条件下的非线性优化问题，算法编程简洁，易于实现，从而为梯级水电站短期发电优化调度问题提供了一种有效的解决方法。     

遗传算法在神经网络优化中的应用

把遗传算法和神经网络结合起来，形成以遗传算法与神经网络相结合的进化神经网络。介绍了遗传算法的基本原理。讨论了用遗传算法优化网络结构和基于遗传算法的神经网络权值优化问题。并通过实验仿真将该算法与BP算法进行比较，从而验证了该算法的可行性与有效性。     

基于预测的遗传算法

遗传算法被广泛应用于解决各类优化问题.常规的遗传算法易于陷入局部最优,其收敛速度也较慢.为了提高常规遗传算法的优化性能,将预测的概念引入遗传算法的循环过程,提出基于预测的遗传算法框架;并以人工神经网络算法作为预测算法,提出了一种基于神经网络预测的遗传算法.通过优化8个典型的函数优化问题,将该算法与常规遗传算法的性能进行了比较;结果显示该算法具有很强的全局优化能力,能有效地增强种群的多样性和进化速度,明显优于常规遗传算法.     

基于混沌遗传算法的二维平面阵研究

针对一般均匀平面阵列方向图旁瓣较高的问题，利用传统遗传算法对均匀阵进行二维稀布排列，有效降低了旁瓣电平，但遗传算法收敛速度慢，容易陷入局部最优解。因混沌优化算法具有随机性、遍历性以及规律性的特性，把混沌优化算法引入到遗传算法中，利用混沌序列初始化种群，可提高遗传算法的收敛速度和获得全局最优解的能力。因此，提出一种基于混沌优化算法的遗传算法，并把该算法应用到二维平面阵天线设计中，该算法对天线阵的排布进行了优化设计。仿真结果显示混沌遗传算法的收敛速度有所提高，阵列天线的副瓣电平进一步降低，说明该方法具有一定的可行性。     

混沌遗传算法在优化问题中的应用

文章结合遗传算法优化的反演性与混沌优化方法的遍历性,提出了混沌遗传算法,并将其应用于优化问题的求解.实验结果表明,与标准遗传算法比较,该算法具有更好的收敛性能与搜索效率.     

适应值共享拥挤遗传算法

保持遗传算法在演化过程中的种群多样性,是将遗传算法成功应用于解决多峰优化问题和多目标优化问题的关键。适应值共享遗传算法和拥护遗传算法分别从不同角度改善了遗传算法的搜索能力,是寻找多个最优解的常用算法。将这两种算法的优点加以结合,提出适应值共享拥护遗传算法。数值测试结果表明,该算法比标准适应值共享遗传算法和确定性拥挤遗传算法具有更强的搜索能力。     

混合蚁群算法和遗传算法在特征选择和参数优化问题中的运用

机器学习的性能受特征选择和参数优化的影响很大，针对这一问题，采用基于蚁群算法和遗传算法的混合算法对特征选择和参数优化问题进行了探究。实验结果表明，该混合算法相比单个的蚁群算法或遗传算法，在特征选择和参数优化方面，具有更高的准确率。     

基于PSO & GA结合算法的地震子波估计

基于地震子波提取问题的多维性,提出一种将改进粒子群算法与改进遗传算法相结合的优化算法.结合二者的优点,该算法初期采用改进粒子群优化算法,然后将所得个体最好值作为改进遗传算法初始种群继续进行优化,得到最优结果.最后,将该方法应用于地震子估计问题,试验结果证明了该方法的有效性和实用性.     

基于PSO＆GA结合算法的地震子波估计

基于地震子波提取问题的多维性,提出一种将改进粒子群算法与改进遗传算法相结合的优化算法。结合二者的优点,该算法初期采用改进粒子群优化算法,然后将所得个体最好值作为改进遗传算法初始种群继续进行优化,得到最优结果。最后,将该方法应用于地震子估计问题,试验结果证明了该方法的有效性和实用性。     

基于PSO & GA结合算法的地震子波估计

基于地震子波提取问题的多维性,提出一种将改进粒子群算法与改进遗传算法相结合的优化算法.结合二者的优点,该算法初期采用改进粒子群优化算法,然后将所得个体最好值作为改进遗传算法初始种群继续进行优化,得到最优结果.最后,将该方法应用于地震子估计问题,试验结果证明了该方法的有效性和实用性.     

机器人路径规划中的改进型遗传算法

提出了一种应用于机器人路径规划的改进型遗传算法。针对机器人路径规划的实际应用,优化设计了交叉算子和变异算子,引入了自定义的插入和删除两种遗传操作。通过把地图特征信息作为参与决策的已知条件来约束遗传算子的操作过程,提高了算法的进化效率。自定义遗传算子的使用,使得算法对复杂地图也表现出良好的适应能力。计算机仿真实验证明该算法在最优解输出概率方面相对于基本遗传算法有了显著提高。     

一种改进的自适应遗传算法的收敛性分析

针对目前遗传算法缺乏有效的分析工具,理论分析困难较大的问题,提出了一种基于压缩映射原理的收敛性分析方法。首先,讨论了遗传算法收敛性的2种定义。然后介绍了一种基于精英保留策略的改进的自适应遗传算法,作为收敛性分析的对象。介绍了压缩映射原理,作为收敛性分析工具。最后,应用该定理对改进的自适应遗传算法进行了收敛性分析,验证了该算法是收敛的,证明压缩映射原理是遗传算法收敛性分析的一种有效工具。     

基于GA的网络最短路径多目标优化算法研究

针对现有基于遗传算法(GA)优化的网络最短路径算法存在优化目标单一、遗传编码质量低、搜索策略间平衡性差、适应度分配效率与灵活性较低等问题,建立一种多目标优化最短路径自适应GA模型,提出了优先级编码和优先级索引交叉算子,引入了遗传算子参数的模糊控制机制和基于自适应加权的适应度分配方法.实验结果表明,该算法的准确性和稳定性高、复杂度合理,实现了对网络设计优化中多目标最短路径问题的高质量求解.     

遗传算法基本理论的仿真研究

简单介绍遗传算法的基本理论,并以求解一个多峰函数最大值的最优解为例子,给出基本遗传算法的求解步骤,并借助Matlab进行仿真研究,验证基本遗传算法的求解效果;研究最佳保留机制和移民机制对遗传算法性能的改善,并进行仿真验证。     

基于分裂算子的遗传算法和自适应遗传算法

针对遗传算法所存在的早熟和收敛速度慢等问题,基于低等生物的分裂生殖现象,提出了分裂算子的概念,并将该算子引入到传统遗传算法和自适应遗传算法中,对这两种遗传算法进行了改进。通过一系列多峰函数测试实验,将改进算法分别与基本遗传算法和自适应遗传算法进行比较,证明引入分裂算子后的遗传算法和自适应遗传算法不仅有效地收敛到全局最优解,而且提高了收敛速度。     

求解巡警调度问题的遗传退火算法

科学合理地调度巡警服务资源是提高公安部门执法能力的重要因素,为了优化调度方案并提高执法信息化水平,建立了巡警调度问题的数学模型,提出一种求解巡警调度问题的遗传退火算法。通过化简约束条件,方便了遗传算法的编码与解码、遗传与变异算子的设计。在遗传算法中引入模拟退火算法的Boltzmann更新机制,有效提高了算法的寻优能力。实验结果证明,遗传退火算法具有比传统遗传算法更强的寻优能力。     

基于遗传算法的前向神经网络结构优化

对近几年应用遗传算法（Genetic Algorithm,GA）优化设计前向神经网络结构的研究进行了评述。指出了神经网络结构优化设计的重要性和目前各种方法存在的不足。介绍了神经网络结构设计原理和应用GA优化设计神经网络应着重考虑的两个问题：即结构表达策略和适应度函数设计。分别对近来应用GA优化设计多层感知器、径向基函数神经网络和径向基概率神经网络结构的研究进行了细致介绍和分析。指出了目前研究工作的不足和未来研究工作的发展方向。     

分布式并行计算环境下混合遗传算法的研究

为提高混合遗传算法的计算效率和求解质量,提出一个并行混合遗传算法框架。该框架主要由遗传算法、小生境操作和单纯形3部分组成,遗传算法和小生境操作采用串行执行方式,单纯形采用分布式并行执行方式。分布式并行计算环境由4台计算机通过交换机连接构成,并设计了一个动态任务调度方案。一个典型工程算例验证了新算法的有效性,并且在分布式并行环境下取得了较好的加速比和并行效率。     

基于遗传算法的产品基因重组设计

针对客户定制产品设计灵活性差的问题,提出一种基于遗传算法的产品基因重组的设计方法。在产品的重组 设计中引入基因工程,利用遗传算法对现有的产品设计方案进行优化,以满足制造业客户定制产品的多样化需求,实现客户定 制产品的智能设计。以某机械制造企业的数控机床为例,完成了遗传算法的关键技术：适应度函数、选择算子、交叉算子的设 计开发,验证了该方法的可行性和有效性。