基于主动进化遗传算法的模糊聚类技术

为解决基于遗传算法的模糊聚类方法所存在的执行效率低的问题，将定向变异的思想引入到标准遗传算法领域，提出了一种基于主动进化遗传算法的模糊聚类技术，并将该技术应用到模糊聚类问题上．     

自适应变异的遗传算法求解Flow Shop问题

针对遗传算法在求解流水车间调度问题中易出现早熟收敛的局限性．提出了自适应变异的遗传算法。该算法在运行的过程中，首先定义了一种新的衡量种群多样性的熵．然后根据熵值来确定变异概率。这种变异增强了遗传算法跳出局部最优解的能力。仿真实例的结果表明了该算法的有效性，最后利用该算法设计并实现了一个简单的服装加工智能调度器。     

一种用于最优路径规划的改进遗传算法

设计了一种专门适用于路径规划的改进遗传算法．该算法根据最短路径问题的具体要求，将传统遗传算法中的编码、交叉、变异等操作均重新进行了定义，并且在进化过程中还能够自适应调节交叉和变异概率．仿真研究表明：改进的遗传算法具有较快的搜索速度和较高的搜索成功率，为实际车载导航系统中最优路径规划问题的解决提供了一种新方法．     

求解大规模0-1背包问题的主动进化遗传算法

针对遗传算法求解大规模0-1背包问题中存在的不足，将定向变异机制引入到遗传算法中，提出了基于主动进化遗传算法的0-1背包问题求解算法。该算法利用概率编码方案对种子个体进行编码，每代种群中的个体通过对该代种子个体进行测度而产生，用于定向变异的诱变因子将参与种子个体的进化。实验结果表明，该算法具有较好的全局寻优能力和执行效率。     

优化的遗传算法及其在货物配送问题中的应用

针对遗传算法易出现局部最优和早熟现象,提出了一种改进型的遗传算法,对遗传算法的模型进行了分析和改进。以便更好的确定变异因子,然后采用黄金分割法来确定最优因子,并将该方法运用到货物配送问题的分析中,通过MATLAB仿真表明．该算法具有很好的寻优能力和较高的搜索效率。     

基于遗传算法的模糊系统优化设计方法*

提出一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并将其应用到模糊系统的优化设计中．仿真结果表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习、遗传优化获得满足系统动态性能的优化控制规则的特点.     

接口变异在构件测试中的应用研究

对于构件使用者来说,源代码的不可得性决定了测试构件需要从构件的接口层面上进行。文章首先介绍了变异测试和遗传算法的概念;接着将遗传算法运用到构件接口变异上,通过变异测试过程获取有效而充分的测试用例,进而对构件进行测试;最后通过一个实例验证这种测试策略。     

基于自适应变异的粒子群优化算法的车间作业调度优化及其软件实现

由于现行的遗传算法在解决车间作业调度问题时有局限性,本文将一个自适应变异的粒子优化算法应用于车间作业调度．该算法在运行的过程中根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率，变异操作增强了粒子群优化算法跳出局部最优解的能力．仿真实例的结果表明：该算法在解决车间作业调度问题上是可行的．     

基于聚类分析和资源竞争模型的生境遗传算法

传统的遗传算法在处理多模函数优化问题时，只能收敛到单个极值点．使用生境机制的改进算法可以获得多个局部极值点,提出了一种新的基于聚类分析和资源竞争模型的生境遗传算法．这种算法将聚类分析、共享技术和拥挤技术有机地结合起来，可以有效地对多模函数进行优化，而无需事先确定生境的具体数目和生境半径的大小．通过数学分析，证明了这种算法可以控制收敛到的生境的数目，避免找到无效的极值点．典型问题的测试证实了上述结论．     

一种求解0-1背包问题的启发式遗传算法

分析求解背包问题的多种方法,研究背包问题的贪婪策略及最优值的特点,将贪婪策略融入到遗传算法的种群初始化、交叉算子、变异算子中,将分治策略引入到选择算子中,提出一种启发式遗传算法。实验结果表明:算法无论在求解速度上还是在求解质量上都有明显改进。     

基于遗传的免疫算法在函数优化中的应用

通过对传统免疫算法的研究,在此算法的基础上提出了一种改进的免疫算法一基于遗传的免疫算法,该算法把遗传算法的思想引入到免疫算法中．通过把遗传算法和免疫算法的思想结合起来,既保证了抗体的多样性又保留了群体中较优抗体,避免了免疫算法搜索速度慢和遗传算法易出现未成熟收敛、限于局部最优解的缺点,得到了全局最优解。并且将提出的基于遗传的免疫算法应用到函数优化中。     

Evolution or revolution: the critical need in genetic algorithm based testing

Software testing is one of the most inevitable processes in software development. The field of software testing has seen an extensive use of search based techniques in the last decade. Among the search based techniques, it is the metaheuristic techniques such as genetic algorithm that has garnered the major share of attention from researchers. Looking at the large body of work that has happened and is happening in this field, we feel that it is high time someone studied how well genetic algorithm based techniques fare in practical testing process. Method: In this work, we present a roadmap to the future of genetic algorithm based software testing, based on a review of literature. We have mainly reviewed the works which use genetic algorithm for software test data generation. This independent review is designed to direct the attention of future researchers to the deficiencies of genetic algorithm based testing, their possible solutions and the extent to which they are correctable. The observations from the selected primary studies highlight the issues faced when genetic algorithm is applied in software testing. The observations form the review reveal that the type of genetic algorithm used, fitness function design, population initialization and parameter settings does impact the quality of solution obtained in software testing using genetic algorithm. From the review we conclude that, more generalized approaches can make genetic algorithm based software testing one of the strongest methods in practical software testing. We hope that, this review will be a major breakthrough in genetic algorithm based software testing field.     

一种自适应惯性权重的并行粒子群聚类算法

针对K-means聚类算法和基于遗传(GA)的聚类算法的一些缺点,及求解实优化问题时粒子群算法优于遗传算法这一事实,提出了一种自适应惯性权重的并行粒子群聚类算法。理论分析和实验表明,该算法在收敛速度和收敛精度方面明显优于基于遗传算法的聚类方法。     

遗传算法在关联规则挖掘中的应用

数据挖掘是关联规则中一个重要的研究方向。该文对关联规则的数据挖掘和遗传算法进行了概述,提出了一种改进型遗传算法的关联规则提取算法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

基于遗传算法的物流配送系统的设计与实现

为提高中小型物流企业在市场中的竞争能力,文章提出了基于遗传算法的智能化解决方案.文章论述了基于遗传算法的物流车辆配送系统的设计与实现,详细阐述了基于自然数编码的遗传算法在物流车辆调度中的运用等关键技术.通过模拟测试,效果良好.系统适合于任何中小型物流公司用于调度车辆来实现智能化配送.     

遗传算法在关联规则挖掘中的应用

数据挖掘是关联规则中一个重要的研究方向。该文对关联规则的数据挖掘和遗传算法进行了概述,提出了一种改进型遗传算法的关联规则提取算法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

基于遗传算法的机械方案设计系统的研究

在研究机械方案设计和遗传算法的基础上,将遗传算法应用于机械方案设计,研究提出了基于遗传算法的机械方案设计系统的模型。研制了基于遗传算法的机械方案设计系统GAMD,该系统能自动生成机械传动系统的原理方案,并建立了实例系统。     

基于并行遗传算法的配送路线求解

遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律演化而来的随机化搜索方法,已经成功运用在很多大规模的组合优化问题中。利用如今流行的并行计算机系统,对遗传算法进行并行化,可解决标准遗传算法的速度瓶颈问题。本文在MPI并行环境下,用C++语言实现了粗粒度模型的并行遗传算法。结合并行遗传算法的特点,提出了解决物流配送路线优化的策略以及给出相应的算法过程,并进行了有效验证。通过研究结果表明,与传统遗传算法相比,并行遗传算法提高了运算速度,降低了平均开销时间并且最小总路径值更理想。     

自适应遗传算法在固态流体流速检测中的应用

在自适应遗传算法的基础上,提出了一种基于模板匹配的测量固态流体速度的方法。基于基本遗传算法的模板匹配快速、简单且鲁棒性好[6],但准确度不够,因此采用改进的自适应遗传算法。实验证明,基于自适应遗传算法的模板匹配高效准确,能够满足所采取的嵌入式实验平台关于实时性、准确性的基本要求。