基于定向爬山的遗传算法

爬山法是一种局部搜索能力相当好的算法,主要是因为它是通过个体的优劣信息来引导搜索的。而传统的遗传算法作为一种全局搜索算法,在搜索过程中却没有考虑个体间的信息,而仅依靠个体适应度来引导搜索,使得算法的收敛性受到限制。将定向爬山机制应用于遗传算法,提出了一种基于定向爬山的遗传算法（OHCGA）。该算法结合了爬山法与遗传算法的优点,通过比较个体的优劣,使用定向爬山操作引导算法向更优秀的解区域进行搜索。实验结果表明,与传统遗传算法（TGA）相比,OHCGA较大地提高了算法的收敛速度和搜索最优解的能力。     

求解车间作业调度问题的混合遗传算法

针对Job-Shop调度问题,将自适应遗传算法与改进的蚂蚁算法融合,提出了自适应遗传算法与蚂蚁算法混合的一种优化算法。首先利用自适应遗传算法产生初始信息素的分布,再运行改进的蚂蚁算法进行求解。该算法既发挥了自适应遗传算法和蚂蚁算法在寻优中的优势,又克服了各自的不足。实验结果表明,该算法在性能上明显优于遗传算法和蚂蚁算法,并且问题规模越大,优势越明显。     

一种改进的TSP启发交叉算子

旅行商问题（TSP,Traveling Salesman Problem）是一种经典的NP组合优化问题。遗传算法在求解这类组合问题方面明显优于传统算法,同时也提出了许多求解较好路径的交叉算子。在对比分析唐立新提出的两种启发式交叉算法的基础上,提出了一种新的交叉算子。该算子通过判断父代的城市是否相邻来保存有效基因片断,通过加入一个移动的窗口来加快算法收敛。实验结果表明了该算子的有效性。     

基于正反馈遗传算法的机器人全局路径规划

应用遗传算法进行机器人全局路径规划,针对该算法,目前常用的建模方法均存在一定缺陷,如链接图法过程复杂,栅格法栅格粒度难以控制,且随栅格数增加,算法复杂度急剧增加等等。论文采用了一种新颖的建模方法,该方法根据机器人出发点、目标点的位置建立起新的坐标空间,染色体各基因位于机器人出发点及目标点连线的各等分点垂线上,这样,可行解的基因可以单值表示,使算法简化。算法还借鉴蚁群算法思想,在交叉、变异算子中引入了正反馈机制,以提高算法的收敛速度。仿真试验显示了在复杂的环境中机器人仍能够以较快的速度找到一条最优路径。     

求解0/1背包问题的快速收敛的混合遗传算法

在结合贪婪算法的混合遗传算法中,将基于轮盘赌的选择算子改为稳态复制的选择算子,形成的新的混合遗传算法能显著加快收敛。文中也给出了结束迭代的两个判定条件。通过对三个实例的大量仿真实验,研究了交叉概率、种群数量和替换率对算法性能的影响。实验结果表明这一新算法收敛速度快,寻优能力强,更适合于求解大规模0/1背包问题。     

改进量子遗传算法用于多峰值函数优化

传统遗传算法（SGA）在处理多峰值函数优化问题中存在局部收敛性的问题,最初的量子遗传算法（QGA）也存在这一问题。运用一种改进量子遗传算法（MQGA）,有效地解决了一些多峰值函数的优化问题。根据几个重要的测试函数进行仿真实验结果证明,与SGA和QGA相比,改进的量子遗传算法（MQGA）在一些多峰值优化问题中更具有效性和可行性。     

一种求解多目标资源受限项目调度的遗传算法

采用基于非支配性排序的多目标遗传算法—NSGA－Ⅱ,设计了一种求解多模式、多种类资源约束的多目标资源受限项目调度问题的遗传算法,该算法所设计的编码包含两部分,一部分为一个任务链表,另一部分为任务链表中各任务所对应的执行模式组成的模式向量。将所设计的算法用于求解文献中的以项目总工期和资源均衡为目标的农业项目调度问题,结果表明此算法对于求解多目标资源受限项目调度问题是有效的。     

基于模拟退火遗传算法的自压树状管网优化

将遗传算法全局优化和模拟退火的良好局部搜索能力有机结合,构造出一种退火遗传算法用于自压树状管网的优化设计方法。假定管网中每一管段最多只能由两种管径的管道组成,建立了以管网造价为目标函数,以管长、标准管径为决策变量的自压树状管网优化数学模型。采用基于不可行度的退火算法处理约束条件,应用遗传算法进行优化计算。仿真实例结果表明,该模型与算法在求解自压树状管网优化问题上,具有良好的优化性能和求解效率。     

利用遗传算法进行水平井水平段长度优化设计

在油藏开发过程中,随着水平井水平段长度的增加,水平井段与油藏的接触面也随之增加,同时井筒内流体的流动阻力也增加,从而导致水平井的产液量减少,即水平井的最终产量是2个相互制约的因素共同作用的结果。利用遗传算法全局寻优的特点,结合一种计算无限导流和有限导流情况下水平井产量的井筒/油藏耦合模型,提出了一种用于水平井水平段长度的优化设计方法。该方法可以在不同的油藏地质模型中使用。     

混合遗传算法在面向对象软件集成测试中的应用

提出了一种在面向对象软件集成测试中确定类间测试序列的混合遗传算法。该算法在基本遗传算法的基础之上增加局部搜索以增强局部搜索能力,以及使用缓冲池以减少运行时间。实验结果表明,该算法的性能优于现有的其他方法。