车辆路径问题的单亲遗传算法

本文应用新颖的单亲遗传算法解决车辆路径问题。通过构造问题的染色体表达,采用基因换位算子进行染色体重组,实现了该问题单亲遗传算法。根据对单亲遗传算法、传统遗传算法以及它们的改型算法求解该问题所得的结果作的比较,证明了单亲遗传算法在寻优效率和“早熟收敛”问题上的优越性。     

单亲遗传算法种群初始化方法分析

基于概率论原理建立了单亲遗传算法产生初始种群的方法的数学模型,通过对数学模型的深入分析,从理论上证明了该类单亲遗传算法的初始种群产生方法根本无法继承上一代种群的优良特性,即每一代的优良特性无法通过遗传传给下一代。从而在理论上否定了这类方法应用于单亲遗传算法的合理性。     

一种改进的求解旅行商问题的单亲遗传算法

单亲遗传算法具有操作简单、收敛较快等优点,因此被用于求解各种组合优化问题。针对旅行商问题,在早期单亲遗传算法的基础上引入了基因段贪心替换、基于相似度的家族竞争等一些控制策略,提出了一种新型、高效的单亲遗传算法。实验表明,该算法不仅能够保留收敛较快等优点,而且具备了比现有的单亲遗传算法以及改进的GT算法更强的全局寻优能力。     

一种基于N维矩阵二值编码单亲遗传算法的QoS路由优化策略研究

文章提出了一种基于N维矩阵二值编码的单亲遗传算法解决计算机网络路由问题,仿真结果表明应用此种编码方式的单亲遗传算法进行路由选择不仅是可行和有效的,而且可以用于网络拓扑结构任意复杂网络的路由选择,此种单亲遗传算法比以往神经网络(NN)算法更优越。且与普通的遗传算法比较,不仅简化了遗传操作,实现容易,且不存在早熟收敛问题。     

基于配电网络规划的优化算法的研究

针对配电网络具有闭环结构和开环运行的特点,计及网络的辐射性,提出了在冗余配电网初始网上形成辐射状配电网的并行随机搜索算法;在此基础上与单亲遗传算法相结合,并对单亲遗传算法的染色体、选择、基因突变环节进行改进,形成基于配电网络规划的优化算法,提高算法的全局寻优概率和收敛速度。     

基于改进单亲遗传算法的Flow-Shop问题求解方法

文章以Flow-Shop问题为背景,提出了一种求解该类问题的改进单亲遗传算法(PGA)。文章结合两个实例进行了仿真分析,结果表明了单亲遗传算法的有效性和可行性。     

改进的遗传算法在公交车调度中的应用

应用单亲遗传算法解决公交车辆的调度问题。在兼顾公交公司与乘客双方利益的情况下,用单亲遗传算法对调度模型进行优化。仿真结果表明,该方法可有效提高公交车辆运营效率。     

基于交换-单亲遗传算法的砂岩三维显微图像重建

根据二维显微图像中孔隙的统计特征,重建具有相同特征的三维孔隙结构具有重要意义.本文提出用交换算子产生子代个体,替代传统单亲遗传算法中倒位算子、移位算子和突变算子,构建交换-单亲遗传算法.和传统单亲遗传算法相比,该算法能快速更新子代个体的适应值,算法复杂度大大降低.实验结果表明,与常用的模拟退火重建算法相比,交换-单亲遗传算法能有效加快个体能量下降速度,重建结果的统计特征与二维图像更相符,更适合应用于三维重建问题.     

基于改进单亲遗传算法的炼钢最优炉次计划模型

炉次计划在炼钢生产计划的编制过程中扮演着重要角色,优化的炉次计划对炼钢厂的高效、稳定运行产生深远影响.基于已有文献,并根据小方坯连铸过程的特点,考虑了钢种、断面、交货期等因素,建立了新的炉次计划模型,以期通过优化生产合同的组合而降低生产费用.炉次计划问题是复杂的组合优化问题,不可能在列举所有可能的求解结果.因而,采用了改进的单亲遗传算法寻求问题的最优/近优解.在求解过程中,通过分析比较,得到了合理的算法参数.最后,通过采用遗传算法、单亲遗传算法和改进的单亲遗传算法对模型求解结果的比较,验证了改进后单亲遗传算法的优越性.     

一种求解单件车间调度问题的单亲遗传算法

针对单件车间凋度问题,设计一种基于整数编码的单亲遗传算法。该算法既具有单亲遗传算法运算量小、不存在“早熟收敛”现象等优点,在编码中又体现了单件车问调度的“保序性”等工艺约束条件,增强了调度算法的整体性能。对不同规模的FT类问题的仿真结果表明,该算法的收敛速度随着问题规模的增大而加快,并在求解单件车问调度问题时能得到稳定的满意解。     

噪声环境下遗传算法的研究

噪声环境下遗传算法的有效实现对于提高遗传算法实际应用价值具有非常重要的意义。文中对遗传算法领域的噪声环境以及噪声模型进行了分析和描述,着重从函数优化和模式定理分析了噪声环境对遗传算法的影响和主要原因,最后采用高斯噪声模拟噪声环境,对传统遗传算法和两种常用改进遗传算法进行了性能比较和分析。     

图文法遗传算法

本文讨论了进化神经网络的编码表示机制，分析了它们的优缺点；提出了遗传算法的一种图文法编码表示机制，给出了相应的算子定义，以及模式、模式长度及其阶的定义；证明了一个基于图文法表示机制的遗传算法模式定理，描述了交叉和突变对模式作用的效果。     

Exact Schema Theory for Genetic Programming and Variable-Length Genetic Algorithms with One-Point Crossover

A few schema theorems for genetic programming (GP) have been proposed in the literature in the last few years. Since they consider schema survival and disruption only, they can only provide a lower bound for the expected value of the number of instances of a given schema at the next generation rather than an exact value. This paper presents theoretical results for GP with one-point crossover which overcome this problem. First, we give an exact formulation for the expected number of instances of a schema at the next generation in terms of microscopic quantities. Due to this formulation we are then able to provide an improved version of an earlier GP schema theorem in which some (but not all) schema creation events are accounted for. Then, we extend this result to obtain an exact formulation in terms of macroscopic quantities which makes all the mechanisms of schema creation explicit. This theorem allows the exact formulation of the notion of effective fitness in GP and opens the way to future work on GP convergence, population sizing, operator biases, and bloat, to mention only some of the possibilities.     

遗传算法理论研究综述

针对遗传算法在理论研究方面存在的不足,系统地讨论了遗传算法理论研究的主要内容和方法,包括模式定理、编码策略、Ｍａｒｋｏｖ链与全局收敛性、维数分析、ＢＧＡ理论、可分离函数、Ｗａｌｓｈ与傅立叶函数分析及二次动力系统等,介绍了Ｎｏ Ｆｒｅｅ Ｌｕｎｃｈ定理,并指出相关的研究方向。     

一种基于模式分析的防止遗传算法过早收敛的方法

本文提出一种遗传算法中模式的表示方法和个体间最大共有模式的获取方法,并以此为基础提出了基于模式分析的种群插入策略来解决遗传算法过早收敛问题.通过与其他种群插入算法的对比证明该 方法的有效性.给出了采用该种群插入策略的遗传算法的收敛性定理及其证明.     

十进制编码遗传算法的模式定理研究

根据遗传算法中采用的编码策略,可将遗传算法分为两大类：二进制编码遗传算法和十进制编码遗传算法．二进制遗传算法的数学基本定理是模式定理,但对于十进制编码遗传算法是否也存在其模式定理是待探讨的问题．本文在十进制数编码遗传算法的理论基础上,给出十进制编码遗传算法的相应概念并引入符号基因表和模式不变位的概念,根据十进制编码遗传算法的简单遗传算子对其模式的影响,推导出十进制编码遗传算法的模式定理．     

基于模式定理的遗传算法交叉和变异概率上限

基于模式定理的推广形式，给出含有选择、交叉操怍遗传算法一致交叉概率的上限，以及含有选择、交叉和变异操作遗传算法单点变异和一致变异概率的上限，分折了含有联赛选择、一致交叉操作遗传算法运行前期和后期对优良模式的影响，并用8位陷阱函数验证了上述结论的正确性，该结果可用于指导遗传操作与控制参数的设计。     

Schema theory for genetic programming with one-point crossover and point mutation

We review the main results obtained in the theory of schemata in genetic programming (GP), emphasizing their strengths and weaknesses. Then we propose a new, simpler definition of the concept of schema for GP, which is closer to the original concept of schema in genetic algorithms (GAs). Along with a new form of crossover, one-point crossover, and point mutation, this concept of schema has been used to derive an improved schema theorem for GP that describes the propagation of schemata from one generation to the next. We discuss this result and show that our schema theorem is the natural counterpart for GP of the schema theorem for GAs, to which it asymptotically converges.     

并行遗传算法的研究及应用进展

并行遗传算法（PGA）将并行计算机的高速并行性和遗传算法天然的并行性相结合,极大地促进了遗传算法的研究与应用。该文对近年来并行遗传算法的模型、性能分析、算法改进、实现平台进行了归纳和评述,并且对并行遗传算法今后的主要研究方向和发展前景进行了展望。     

高效全模式遗传算法研究

指出高效算法在工程实际中的重要意义,在详细分析模式定理及典型遗传算法运行机理基础上,本文提出了一种高效全模式遗传算法,并证明了其收敛性。仿真算例表明,该方法有极强的全局寻优及高速收敛能力,是值得推荐使用的有效方法之一。