上下限投资约束下有效证券组合的遗传算法

1引言 遗传算法(Genetic Algorithms,GA)是在1975年首次由美国密西根大学D.J.Holland教授在借鉴生物界自然选择和进化机制基础之上提出的.近来一些学者应用遗传算法理论研究解决证券组合投资选择问题[1～3],主要研究了Markowitz选择证券组合的模型,但是Markowitz模型在实际应用中有一定的局限性和不足[4].本文应用遗传算法研究具有上下限约束的有效证券组合计算问题,并通过实际算例说明该方法在实际应用中是实用的.     

基于遗传算法的基元识别应用

基于遗传算法能提高图像处理的速度和准确率,在吸取前人实践经验的基础上,对遗传算法在基元识别和提取中的应用策略进行了研究,并得到了满意的结果.因此在简单分析遗传算法基础之上,设计了利用该算法进行基元识别和提取的模型,同时结合利用Visual C 数字图像处理的理论基础和应用框架搭建了一个能够进行完整的基元识别和提取的应用程序.最后通过图示展示了通过VC 实现了基于遗传算法的基元识别的部分仿真结果.     

遗传算法与进化规划的比较研究

遗传算法和退化规划是目前工程应用研究中最普遍的两种进化算法，由于它们的来源及原理的不同导致它们在生物基础、算法操作及实施细节上均存在很大差异，适最终影响到它们的实施效果及性能。通过系统的理论分析及函数仿真实验研究表明。进化规划无论是生物基础、算法实施选是计算性能方面都明显优于遗传算法，是处理工程优化问题的一种更理想的方法。     

遗传算法的研究与应用

遗传算法作为进化算法的一种,是根据自然界生物学进化而发展起来的,具有简单、易行、抽象性与鲁棒性特征,广泛应用于各个领域当中,并在实际应用中取得良好的成绩,也因此,引起广大人们的高度重视。遗传算法作为现代一种新兴的技术算法,正处于蓬勃发展阶段,虽然目前关于遗传算法研究与实际应用取得了一定的成绩,但其研究理论基础还相对较少,仍需要进一步的深入研究与内容充沛。本文主要针对遗传算法的理论研究与实际应用两方面进行探讨。     

基于隐式性能指标的机械振动优化设计研究

为了解决一般遗传算法在机械振动优化设计设计中的困境,以交互式遗传算法和粗糙集为理论基础,提出了基于隐式性能指标的机械振动优化设计的算法。研究表明,交互式遗传算法对于机械振动优化设计有重要的应用价值。     

遗传神经网络技术在专家系统中的应用

讨论了神经网络在专家系统中的应用,提出了神经网络专家系统的设计方法,给出了系统的结构,论述了系统实现中的一些技术问题。分析了遗传算法及BP神经网络的理论基础,讨论了遗传算法、神经网络与专家系统的结合方式。在专家系统中应用遗传神经网络技术,具有独创性,理论和实践上都具有重要意义,进一步丰富了选矿专家系统的研究方法。建立相应的遗传神经网络模型,论述了选矿数据预处理的方法、BP神经网络的设计,提出了相关参数的经验选取办法。通过实例验证,模型的预测精度可以达到90％以上。     

遗传算法解柔性作业车间调度问题应用综述

柔性作业车间调度问题是典型的NP难问题,对实际生产应用具有指导作用。近年来,随着遗传算法的发展,利用遗传算法来解决柔性作业车间调度问题的思想和方法层出不穷。为了促进遗传算法求解柔性作业车间调度问题的进一步发展,阐述了柔性作业车间调度问题的研究理论,对已有改进方法进行了分类,通过对现存问题的分析,探讨了未来的发展方向。     

遗传算法中的联结关系

进化计算领域的一个根本问题是哪些问题适合遗传算法求解,为此需要研究问题的结构对算法性能的影响.变量之间的联结关系是问题的本质属性,决定了遗传算法求解问题的难度.如果某个变量对函数值的影响非线性依赖于其他变量,则认为这些变量之间存的联结关系不,对遗传算法的联结关系这一理论问题进行了深入研究,给出了分析一般离散问题联结结构的理论基础,通过分析傅里叶系数与函数子空间的关系,提出了检测黑箱问题联结结构的确定性和随机性算法,通过试验分析说明了算法的正确性和有效性.     

基于遗传算法的排课问题分析与研究

排课问题是多目标整合优化问题,即时间表问题。经过人们多年的研究,最终遗传算法在排课系统的理论研究与实践应用中都取得了很大的成就。基于此,笔者分析了基于遗传算法求解排课问题的最优解,首先分析了排课问题的基本因素,进而建立了数学建模,最后通过选择、交叉和变异等过程和仿真实验进而说明并获得最优解。     

基于计算智能中遗传算法的特点

计算智能是以计算模型、数学模型为基础．以分布并行计算为特征的模拟人的智能求解问题的理论与方法。遗传算法是模拟进化算法中具有普遍影响的算法之一。文章通过对遗传算法基本原理的阐述,对其算法在应用中最关键的串的编码方式、适应函数的确定、遗传算法自身参数设定这三个问题的分析,为遗传算法在网络学习、网络设计、网络分析中的应用进行了总结归纳。     

基于模拟退火遗传混合算法的物流中心选址问题研究

为了增快货物流动速度、方便客户并减少不必要的配送成本,结合模拟退火算法和遣传算法,研究了物流配送中心选址问题,模拟退火遗传算法在收敛速度及跳出局部极值的能力诸方面明显优于标准的遗传算法和模拟退火算法。     

求解多维0—1背包问题的混合遗传算法

文章研究一类典型的组合优化问题——多维０－１背包问题,提出了在简单遗传算法（ＳＧＡ）中加入局部搜索机制的混合遗传算法（ＨＧＡ）来求解该类问题,并在大量数值实验的基础上,将ＨＧＡ与传统的求解方法及ＳＧＡ进行了比较,实验的结果表明,该算法具有一定的优越性。     

求多项式全部根的遗传算法

本文给出了一种求复系数多项式全部根的遗传算法,探讨了算法实现的一些技术问题。     

基于智能优化算法的测试数据生成综述

软件测试是一种极为有效的软件质量保证手段。测试数据生成是软件测试的关键。基于智能优化算法的测试数据生成方法为自动化的测试数据生成提供了解决问题的一个有效手段。首先重点总结归纳了在基于智能优化算法的测试数据生成中使用最为频繁的两种算法：遗传算法和粒子群优化算法的研究成果,分析了研究现状,接着简单介绍了基于智能优化算法的测试数据生成工具：AUSTIN和EvoSuite,最后对存在的问题及未来的研究内容进行了尝试性的探讨。     

Parallel genetic algorithms: a survey and problem state of the art

In relation with development of computer capabilities and the appearance of multicore processors, parallel computing made it possible to reduce the time for solution of optimization problems. At present of interest are methods of parallel computing for genetic algorithms using the evolutionary model of development in which the main component is the population of species (set of alternative solutions to the problem). In this case, the algorithm efficiency increases due to parallel development of several populations. The survey of basic parallelization strategies and the most interesting models of their implementation are presented. Theoretical ideas on improvement of existing parallelization mechanisms for genetic algorithms are described. A modified model of parallel genetic algorithm is developed. Since genetic algorithms are used for solution of optimization problems, the proposed model was studied for the problem of optimization of a multicriteria function. The algorithm capabilities of getting out of local optima and the influence of algorithm parameters on the deep extremum search dynamics were studied. The conclusion on efficiency of application of dynamic connections of processes, rather than static connections, is made. New mechanisms for implementation and analysis of efficiency of dynamic connections for distributed computing in genetic algorithms are necessary.     

基于遗传算法的方程求根算法的设计和实现

探讨用GA解优化问题的方法来求解复函数方程全部根的问题.提出了一种基于遗传算法的复函数方程求根算法,算法简单实用,并给出该算法的设计和实现,最后通过实例验证了该方法的有效性.     

A Coevolutionary Algorithm for Balancing and Sequencing in Mixed Model Assembly Lines

A mixed model assembly line is a production line where a variety of product models are produced. Line balancing and model sequencing problems are important for an efficient use of such lines. Although the two problems are tightly interrelated with each other, prior researches have considered them separately or sequentially. This paper presents a new method using a coevolutionary algorithm that can solve the two problems at the same time. In the algorithm, it is important to promote population diversity and search efficiency. We adopt a localized interaction within and between populations, and develop methods of selecting symbiotic partners and evaluating fitness. Efficient genetic representations and operator schemes are also provided. When designing the schemes, we take into account the features specific to the problems. Also presented are the experimental results that demonstrate the proposed algorithm is superior to existing approaches.     

一种基于隔离自适应算子的遗传算法研究

本文首先介绍了遗传算法的理论知识,阐述了基本遗传算法的优点及不足之处。然后在小生境遗传算法的基 础上,引入了隔离技术以及自适应算子,形成了一种基于隔离技术以及梯度算子的小生境遗传算法。理论及实践均表明,新的 改进的遗传算法在实际问题的解决中确实优于基本小生境遗传算法。     

离散非线性规划问题的改进遗传算法

针对实际离散非线性规划问题，分析了离散与连续变量优化问题和求解方法的不同及特性．根据离散变量与遗传算法的特点，将单纯形搜索与算术交叉思想相结合，提出离散单纯形交叉算子以提高遗传算法的局部寻优能力，将种群逐步向离散极值点进行引导，实现算法的快速离散寻优．同时，设计了离散变异算子，使遗传算子真正在离散空同中进行搜索．基于梯度下降思想提出离散修复算子，提高算法对非线性约束的处理能力．实际离散非线性规划问题的应用研究验证了方法的有效性．     

求解非满载车辆调度问题的改进遗传算法

车辆路径问题(VRP)是一个典型的NP问题,采用传统方法求解往往找不到满意解.在分析现有求解该问题的遗传算法的基础上,对现有的变异算子进行了改进,并设计了基于自然数编码的遗传算法,用来求解非满载的车辆路径问题.计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法.