一种新的优化搜索算法—遗传算法

本文详细介绍了遗传算法（ＧＡ）及其数字基础，遗传算法与传统优化方法的区别，总结了遗传算法的特点。同时给出了几种ＧＡ的改进方法和应用ＧＡ的要点。     

统计遗传算法

本文讨论了遗传算法中框架定理的不足之处，并对之进行了改进，然后分析了遗传算法与Ａ算法的相似性，以及遗传算法的概率性质．由此联想到它与ＳＡ算法的相似性，在此基础上，作者将原先发展的一套ＳＡ算法的理论移植到遗传算法中来，建立一个新的算法，称之为统计遗传算法（简记为ＳＧＡ算法）．为适合于优化计算，作者引入最大值统计量及其对应的ＳＡ算法（简称为ＳＭＡ算法），并将ＳＭＡ算法与ＧＡ算法相结合（记为ＳＧＡ（ＭＡＸ）算法）．新的算法不仅提高了算法的精度和降低了计算的复杂性，而且能克服ＧＡ算法中出现“早熟”的现象以及提供进行并行计算的可能性．更主要的是新的方法为ＧＡ算法的精度、可信度和计算复杂性的定量分析提供了理论和方法上的有力工具.     

改进遗传算法在发电机组优化组合中的应用

在研究遗传算法（ＧＡＳ）的基础上，提出了一种改进遗传算法（ＩＧＡ），并将其应用于发电机组的优化组合中。本文所提出的发电机组改进遗传算法具有快速搜索、易收敛和强鲁棒性的特点。最后，用ＩＧＡ法确定一实际电力系统机组优化组合，结果证明该方法的有效性和应用前景     

SAGACIA全局优化方法及应用

ＳＡＧＡＣＩＡ全局优化方法及应用＠李兵＠蒋慰孙￥华东理工大学自动化研究所模拟退火法，遗传算法，趋化性方法，优化ＳＡＧＡＣＩＡ全局优化方法及应用李兵蒋慰孙（华东理工大学自动化研究所上海２０００２３７）关键词模拟退火法，遗传算法，趋化性方法，优化１）国家自然科...     

模糊寻优问题的模糊遗传算法FGA

针对模糊寻优问题，本文基于模糊集的质心概念来确定模糊集的大小，并进而提出了模糊遗传算法ＦＧＡ。算法ＦＧＡ与遗传算法ＧＡ有本制区别，能用效地找到了模糊寻优问题的近似解，本文对算法ＦＧＡ的有效性作了较深入的分析。     

用GESA方法求解任务安排问题

ＧＥＳＡ方法是一种并行算法，它以一种新颖的方式综合了遗传算法，模拟退火（ｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇ）模拟进化（ｓｉｎｕｌａｔｅｄｅｖｏｌｕｔｉｏｎ）的思想，特别是ＧＥＳＡ方法中实施了区域引导了（ｒｅｇｉｏｎａｌｇｕｉｄａｎｃｅ），用ＧＥＳＡ方法求解任务安排问题，结果表明ＧＥＳＡ方法性能优越。     

遗传算法综述

本文从计算智能与进化计算谈起，论述了遗传算法产生的思想及背景，遗传算法的应用与研究现状，以及遗传算法研究的基本内容与问题，最后对ＧＡ与传统搜索算法做一比较，并概述了ＧＡ在并行处理应用中的潜在优势。     

一类GASA混合策略及其收敛性研究

结合模拟退火算法（ＳＡ）和遗传算法（ＧＡ）提出一类ＧＡＳＡ混合优化策略，借助于非平稳马氏链理论证明混合算法的全局渐近收敛性，同时实性地分析了算法的优化效率。     

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。     

连续可微函数全局优化的混合遗传算法

通过在遗传算法（ＧＡ）中定义最速下降（ＳＤ）算子、适应度和结构，从而得到结构ＧＡ和ＳＤ法长处，既有较快收敛性，又能以较大概率求得连续可微函数全局极值的混合遗传算法。数值结果表明该方法优于ＧＡ和ＳＤ法。     

遗传算法机理的研究

众所周知,“模式定理”和“隐性并行性”是遗传算法(genetic algorithms,简称GA算法)的两大理论基础.该文对这两个原理进行分析,指出这两个原理存在有不严格和不足之处,即作为GA算法的基础,这两个原理尚欠完善.为加深对GA的理解,文章提出遗传算法的一个新的改进模型——理想浓度模型.通过对此模型的分析,得出遗传算法本质上是一个具有定向制导的随机搜索技术.其定向制导原则是,导向以适应度高的模式为祖先的染色体“家族”方向.最后给出两个典型的函数求最大值的模拟例子.从模拟结果看,改进后的GA算法大大提高了算法的速度,解的精度也有所提高.这说明新算法具有应用的潜力.     

A Neurogenetic approach for the resource-constrained project scheduling problem

A variety of metaheuristic approaches have emerged in recent years for solving the resource-constrained project scheduling problem (RCPSP), a well-known NP-hard problem in scheduling. In this paper, we propose a Neurogenetic approach which is a hybrid of genetic algorithms (GA) and neural-network (NN) approaches. In this hybrid approach the search process relies on GA iterations for global search and on NN iterations for local search. The GA and NN search iterations are interleaved in a manner that allows NN to pick the best solution thus far from the GA pool and perform an intensification search in the solution's local neighborhood. Similarly, good solutions obtained by NN search are included in the GA population for further search using the GA iterations. Although both GA and NN approaches, independently give good solutions, we found that the hybrid approach gives better solutions than either approach independently for the same number of shared iterations. We demonstrate the effectiveness of this approach empirically on the standard benchmark problems of size J30, J60, J90 and J120 from PSPLIB.     

一种解释学习系统的模型EBL／GA

解释学习是演绎式学习方法，而遗传算法是归纳式学习方法。本文提出的解释学习系统模型ＥＢＬ／ＧＡ，结合两者的优点提高了系统的效用。     

An improved genetic algorithm with conditional genetic operators and its application to set-covering problem

The genetic algorithm (GA) is a popular, biologically inspired optimization method. However, in the GA there is no rule of thumb to design the GA operators and select GA parameters. Instead, trial-and-error has to be applied. In this paper we present an improved genetic algorithm in which crossover and mutation are performed conditionally instead of probability. Because there are no crossover rate and mutation rate to be selected, the proposed improved GA can be more easily applied to a problem than the conventional genetic algorithms. The proposed improved genetic algorithm is applied to solve the set-covering problem. Experimental studies show that the improved GA produces better results over the conventional one and other methods.     

遗传算法在图像处理中的应用

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基本理论,描述了它的主要特点和基本性质;重点综述了遗传算法在数字图像处理中的主要应用,特别是在图像分割和边缘检测、图像压缩、图像恢复、图像匹配、图像增强以及图像重建等方面的作用;探讨了目前遗传算法在图像处理领域中存在的问题及其在今后的发展方向。     

Genetic watermarking based on transform-domain techniques

An innovative watermarking scheme based on genetic algorithms (GA) in the transform domain is proposed. It is robust against watermarking attacks, which are commonly employed in the literature. In addition, the watermarked image quality is also considered. In this paper, we employ GA for optimizing both the fundamentally conflicting requirements.Watermarking with GA is easy for implementation. We also examine the effectiveness of our scheme by checking the fitness function in GA, which includes both factors related to robustness and invisibility. Simulation results also show both the robustness under attacks, and the improvement in watermarked image quality with GA.     

基于遗传模拟退火算法的门阵列布局方法

为实现门阵列模式布局,将遗传算法与模拟退火算法相结合,提出一种新的遗传模拟退火算法,利用遗传算法进行全局搜索,利用模拟退火法进行局部搜索,在进化过程中采用精英保留策略,对进化结果进行有选择的模拟退火操作,既加强了局部搜索能力又防止陷入局部最优。实验结果表明,与传统遗传算法相比,该算法能够有效提高全局搜索能力。     

浮点数编码小生境遗传算法的研究

小生境在增加遗传算法群体的多样性，提高遗传算法的局部搜索能力方面具有良好的性能。迄今为止，有关小生境遗传算法的研究都是基于二进制编码，缺乏以浮点数编码为研究对象的相应成果。而浮点数编码在提高遗传算法的性能和遗传算法的推广应用中，具有其它编码所无法比拟的优势。本文以浮点数编码为研究对象，研究小生境遗传算法的机理，分析在遗传操作中小生境的生成、合并和分离的动态过程，探索其方法。本文的研究和实验结果表明，浮点数编码小生境遗传算法的性能是可靠的，方法是可行的。     

Gaussian approximate filter for stochastic dynamic systems with randomly delayed measurements and colored measurement noises带随机延迟量测和有色量测噪声随机动态系统的高斯近似滤波器

In this paper, a new Gaussian approximate (GA) filter for stochastic dynamic systems with both one-step randomly delayed measurements and colored measurement noises is presented. For linear systems, a Kalman filter can be obtained to include one-step randomly delayed measurements and colored measurement noises. On the other hand, for nonlinear stochastic dynamic systems, different GA filters can be developed which exploit numerical methods to compute Gaussian weighted integrals involved in the proposed Bayesian solution. Existing GA filter with one-step randomly delayed measurements and existing GA filter with colored measurement noises are special cases of the proposed GA filter. The efficiency and superiority of the proposed method are illustrated in a numerical example concerning a target tracking problem.