遗传算法研究综述

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来，由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用，这种算法受到了国内外学者的广泛关注。本文介绍了遗传算法的研究现状，描述了它的主要特点和基本原理，概述了它的理论、技术和应用领域，讨论了混合遗传算法和并行遗传算法，指出了遗传算法的研究方向，并对遗传算法的性能作了分析。     

遗传算法收敛性的动力学分析及其应用

遗传算法的收敛性，特别是交叉算子的作用，一直缺乏深入的理论分析，当系统动力学的方法被应用于遗传算法的运行机理分析时，可以探讨在没有变异算子情况下遗传算法的收敛性问题，从而，明确了局部极值点的含义，指出了局部极值点的存在性和存在条件，证明了遗传算法在局部极值点附近的收敛性，并针对遗传算法的各种改进给出了理论上的依据，提出了遗传算法改进的方向。     

多亲遗传算法的理论分析及其应用研究

多亲遗传算法是在保持了传统遗传算法一些特性的基础上，对传统遗传算法的交叉算子进行了改进。在介绍了多亲遗传算法的基础上，对其进行了理论分析，证明了多亲遗传算法满足Holland的模式定理；提出了一种称为群体中心交叉的多亲交叉算子，最后将这种多亲交叉算子的多亲遗传算法应用到了数据聚类问题中，取得了良好的实验结果。     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点，从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法，阐明了用遗传算法进行神经网络性能优化的原因，并得出结论，认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法，论述了遗传算法和神经网络的发展现状和将来的研究动向。     

遗传算法中选择策略的分析

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来，由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用，这种算法受到了国内外学者的广泛关注。本文介绍并讨论了最能体现遗传算法“自然选择、适者生存”特点的选择算子的多种操作策略，提出一些可以进一步改进和完善遗传算法选择算子的研究方向，可提高遗传算法的性能，从而扩大遗传算法在各个领域的应用。     

基于知识库求解TSP问题的改进遗传算法

旅行商问题是一个典型的、易于描述却难以处理的np完全问题，快速有效地解决旅行商问题具有重要的理论和实际意义。该文提出了一种改进的遗传算法求解旅行商问题。该算法将遗传算法和知识库结合起来，利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点，提高了遗传算法求解旅行商问题的效率。并通过实验数据对基本遗传算法和改进遗传算法的求解结果进行比较，证明改进遗传算法的可行性和有效性。最后给出了改进遗传算法的重要问题和新的研究方向。     

遗传算法的一个调节算子研究

虽然遗传算法在许多领域获得了成功应用，但它本身存在不成熟的过早收敛问题是影响其发展的中的课题，本文通过对遗传算法要理的分析和认识，给出了遗传算法早熟现象产生的原因是模式缺少，并提出了一个在遗传算法中在于模式抽取和模式补偿的调节算子以解决早期现象，最后给出了运算实例证明该算子是有效的。     

基于遗传算法的投资优化问题应用研究

遗传算法是模拟自然界生物进化过程的计算模型，文中讨论了遗传算法在企业投资规划中的应用，给出了遗传算法解决投资规划问题的计算机仿真实例。     

基于遗传算法的数据挖掘技术的研究

文章首先对数据挖掘进行了概述，阐明了什么是数据挖掘，为什么要数据挖掘，如何进行数据挖掘以及数据挖掘的主要过程，接着介绍了数据挖掘中的一个重要算法－遗传算法，文章对遗传算法的产生与发展以及主要理论等进行了简要的介绍，提出了基于遗传算法的关联规则的提取方法，文章还结合作者单位的智能型学生管理系统，给出了用遗传算法进行关联规则挖掘的实例，并讨论了遗传算法所面临的问题与挑战。     

并行遗传算法概述

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自然适应全局优化概率搜索算法，它在人工智能、图像识别、函数优化、机器人等领域得到了广泛的应用。但是由于遗传算法的运算量大，在普通的计算机上难以快速完成。因此讨论并行遗传算法是十分在必要的。特别是局域网环境下的并行遗传算法的研究，本文主要介绍了目前主要的并行遗传算法。