基于多智能体的新型遗传算法及其在复杂系统中的应用研究

通过对简单遗传算法及其研究现状的分析研究，及对复杂系统与简单遗传 算法特点的比较分析，针对简单遗传算法的不足，提出了一种基于多智能体的新型遗传算法，定义了新型遗传算法中的环境、智能体结构、遗传算子、目标/评估函数和流程图，最后用一个测试函数和复杂环境下的多峰函数对它进行了验证分析. 结果表明，新型遗传算法具有明显的优点和优势，特别适合于复杂系统中的问题求解．     

基于遗传算法求解TSP问题的一种算法

主要研究了用遗传算法求解TSP问题。阐述了简单遗传算法的设计方法、基本原理和基本步骤。描述了简单遗传算法在TSP问题中的应用现状。根据种群个体的多样性和分布情况,提出了判定遗传算法的截止代数。简单遗传算法具有易于陷入局部最优解、收敛速度慢的特点,针对这些特点,通过改进交叉算子,加入初始化启发信息,提高了遗传算法解的精度和收敛性。     

基于JADE的并行遗传算法的设计与实现

为解决传统遗传算法运行时间过长、寻优率偏低的问题，在研究简单遗传算法的基础上，利用JADE，提出了一种基于多Agent协同工作的并行遗传算法。该算法实现了对客户容器动态加入参与运行的支持。实验结果表明，该算法能较明显地提高传统遗传算法的运行效率和寻优的成功率。     

基于Matlab的GUI设计遗传算法优化软件

简要阐述了遗传算法的基本原理和优化过程，并利用Matlab6．5的图形用户界面(GUI)功能构造遗传算法优化软件包，为遗传算法解决数值优化问题提供了一个简单的GUI平台。数值仿真说明了该软件包的有效性和实用性。     

基于递阶和小生境的离散分段遗传算法

为了解决简单遗传算法过早收敛的问题,并进一步改善简单遗传算法的寻优质量,在分析递阶遗传算法和小生境遗传算法的基础上,提出了离散分段遗传算法.该方法在微观上,采用了递阶遗传算法的递阶编码方式和小生境的选择思想.宏观上,通过分层多级寻优操作来适当加快遗传算法的寻优速度.该算法非常适合解决多峰值优化问题,同时也能够有效地修复早熟现象的影响,加快收敛速度.实验表明该方法在性能方面明显优于简单遗传算法.     

一种基于遗传算法的图像矢量量化方法

描述了一种基于遗传算法的图像矢量量化方法。遗传算法基于自然进化原理可得到全局优化结果，把遗传算法用于码本设计，运算简单，而且可避免传统方法如Ｋ－均值技术等所带来的局部优化局限。同时，由于其结构的规则性和并行性，较适于ＶＬＳＩ实现。文中主要讨论了遗传算法用于图像矢量量化的适应度函数及操作过程，并与传统算法作了比较，最后给出了实验结果。     

混流车间调度问题的多对染色体遗传算法求解

混流车间调度问题有很强的工程背景，一直是调度领域的研究热点。针对简单遗传算法在求解混流车间调度问题时存在的早熟收敛和易陷入局部极值点的现象，提出了多对染色体遗传算法。多对染色体提供了保留低适应度个体中的有用的染色体的功能，这一染色体构成最优解的部分染色体，以增强算法的搜索能力，提高搜索精度；连锁互换交叉算子可以增加个体的多样性，扩展解的搜索空间，进而增强算法的抗早熟能力。仿真实验表明，多对染色体遗传算法比简单遗传算法提高了全局收敛性能，是解决混流车间调度问题的有效方法。     

一种基于改进遗传算法的新型小波神经网研究

提出了一种基于改进遗传算法（Improved Genetic Algorithm , IGA）的新型BP小波神经网络，并通过异或问题和非线性辨识问题进行仿真实验。实验结果表明，基于改进遗传算法的BP小波网络不仅具有小波分析良好的局部特性以及神经网络的学习、分类能力，而且具有遗传算法全局快速寻优的特点，与简单遗传算法相比，在收敛快速性和稳定性方面都有了明显的改善。     

基于自适应遗传算法的PID参数优化仿真研究

针对现有PID调节器的整定方法和遗传算法优化参数存在的问题，提出了一种自适应遗传算法用于PID参数寻优的方案。该算法采用了变群体规模和自动改变交叉概率、变异概率的措施，能提高算法的执行效率，收敛性较好，而且不易陷入局部最优解。以过热汽温控制系统为例，分别采用了简单遗传算法和改进遗传算法，对串级控制系统的PID参数寻优，仿真结果表明改进后的遗传算法具有较强的执行效率和很好寻优效果。     

一种遗传算法适应度函数的改进方法

针对简单遗传算法中线性适应度函数随进化过程恒定不变的缺点。提出一种可随进化代数动态调整的非线性适应度函数。以典型的遗传算法测试函数为算例，分别以Goldberg提出的线性拉伸方法与文中提出的改进遗传算法进行计算。计算结果表明文中提出的动态适应度函数对简单遗传算法的改进有较明显的效果。     

基于对立策略的螺栓遗传算法

为进一步提高螺栓遗传算法的优化效率,加速寻优过程,提出基于对立策略的螺栓遗传算法。该算法在种群初始化阶段和变异阶段均用对立取代随机方式,提高产生解的质量。利用测试函数对算法的效率进行检验,将其与差分算法、遗传算法、粒子群算法和螺栓遗传算法进行对比,结果表明,新算法具有更快的收敛速度和更高的求解精度。     

基于小生境的正弦遗传算法研究

针对标准遗传算法的不足，借助最优保留策略对遗传算法中的变异算子进行改进，把生物学的基因突变的概念引入遗传算法中，提高了种群的多样性和全局收敛性能，避免了在进行过程中产生早熟现象。在此基础上，提出了一种小生境正弦遗传算法，并进行实例研究。结果表明，该算法不但可以有效地克服标准遗传算法缺陷，而且稳定性也得到提高。     

基于蛛网结构的改进遗传算法研究

针对遗传算法对搜索空间变化的适应能力差,提出一种改进的遗传算法。根据蜘蛛在蜘蛛网上快速抓捕猎物的行为进行深入研究,并将其与GA模型相结合。通过改进遗传算法的初始化方式和适应度的评估方式,增强遗传算法对搜索空间变化的适应能力。对复杂函数的寻优实验验证改进后的遗传算法的有效性,并通过与传统SGA的实际计算结果相对比,更进一步说明算法的改进效果。     

MS休眠窗口叠加增长算法及其性能分析

针对休眠窗口的大小会影响移动站点节能性能及接收数据帧平均响应时间的问题,提出一种叠加增长算法,从而达到较好的节能效果且具有较短的平均响应时间。该算法定义第K个休眠窗口长度是第K．1和K-2个休眠窗口长度之和,以减缓各休眠周期内休眠窗口增长的速度。仿真结果表明,该算法在平均能耗和平均响应时间方面均优于IEEE802 16e规定的指数增长算法。     

利用目标函数梯度的遗传算法

多数遗传算法在搜索解时没有充分利用其问题域的知识.提出了一类新的改进的适应度函数的遗传算法.它考虑了函数在搜索点的函数值及其变化率,并将该信息加入适应度函数,使得按概率选择的染色体不但具有较小的函数值(对极小化问题而言),而且具有较大的函数值变化率.实验结果表明,这类方法的收敛速度明显高于标准遗传算法.     

改进的自适应免疫遗传算法在图像增强中的应用

针对传统图像增强方法中图像细节丢失、图像对比度不明显以及方法普适性差等缺点,提出了一种自适应免疫遗传算法用于图像增强。该算法与传统遗传算法的不同在于引入免疫算子抑制优化过程中出现的退化现象,根据个体适应度自适应调整遗传算子的概率值和基因变异位数,从而增强了种群多样性,提高了算法快速性和全局收敛性。实验结果表明：基于该算法的图像增强具有图像细节清楚、对比度强、方法普适性强等优点。     

基于移民策略求解动态TSP 问题的遗传算法

在标准遗传算法（SGA）中加入移民策略可以丰富种群多样性,使SGA能够更好的适应环境的变化。为了改善基于移民策略的遗传算法在搜索空间内的探索能力,受原对偶映射思想的启发,设计了基于原对偶映射的移民策略（Primal-Dual based Immigrants,PDI）,并将这种策略加入到遗传算法中,求解动态旅行商问题（Dynamic Travelling Salesman Problem,DTSP）。仿真结果表明,与基于其他移民策略的遗传算法相比,PDIGA能够更好的适应环境的变化。     

基于实数编码的多种群并行遗传算法研究

针对标准遗传算法(SGA)在实际应用中早熟收敛、解精度较低，以及传统的二进制编码方式带来的Hamming悬崖问题等等缺点，提出了一种基于实数编码的多种群并行遗传算法(RPGA)，理论分析和实例计算的结果说明RP-GA有效的提高了全局搜索能力和局部快速搜索能力，提高了遗传进化效率，对于改进SGA的缺点是十分有效的。     

函数级进化型硬件在模式识别中的应用

设计了一个基于函数级进化型硬件(FEHW)的高速模式识别系统，并提出了一种适合此系统的改进遗传学习算法——可变染色体长度遗传算法(VGA)。利用VGA代替简单的遗传算法(SGA)来处理大输入的图像数据，实时实现了3类飞机识别。仿真结果表明，VGA进化速度是SGA的9倍，识别率达到80％以上。     

基于成长算子的改进遗传算法及仿真

模拟生物界成长发育过程,加入成长算子对遗传算法框架进行改进,形成新的算法框架-成长遗传算法(growth GA)．该算法能够克服简单遗传算法寻优速度较慢、局部搜索能力较弱的缺点．利用爬山法局部搜索能力强的特点,给出成长算子的一种具体实现,并证明加入成长算子不改变算法收敛性．与简单遗传算法和确定性拥挤遗传算法的对比函数优化实验证明:成长遗传算法有利于兼顾寻优速度和收敛精度．