改进型的快速免疫遗传算法研究

作为一种有效的优化方法,遗传算法在实际中的应用非常普遍.但它用采解决实际问题时,其收敛速度慢和稳定性差成为需要解决的关键问题.为了克服这些问题,本文通过创建最初的人口,免疫选择操作,改进遗传算子等一系列的方面来改善免疫快遗传算法.实验表明该算法比许多现有的算法具有更快的收敛性和更好的稳定性.     

一种改进的遗传算法及其在旅行商问题中的应用

针对以往各种遗传算法解决旅行商问题（TSP）经常面临过早收敛问题,提出了一种改进的遗传算法,使得改进后的算法可以有效保持种群多样性,从而提高了算法的稳定性和准确性。应用于解决TSP问题,并通过编程测试将改进后的遗传算法和经典遗传算法作了对比。     

基于多变异改进遗传算法的多agent系统通信

提出一种多变异改进遗传算法应用于多AGENT系统通信问题。考虑基因位的影响力及跟踪进化过程的遗传参数调整策略,采用多种变异操作,提高算法的收敛能力。仿真结果表明,改进遗传算法相对于SGA解决多AGENT问题在收敛速度上有明显提高,算法稳定性也有所改善。新算法的优化质量较高,具有更好的实际应用效果。     

混沌遗传算法用于求解混合整数规划问题

针对遗传算法的早熟收敛问题,提出了一种混沌遗传算法（CGA）用于解决混合整数规划问题（MIPP）。该算法的基本思想是把混沌变量加载于初始个体的混沌生成和最优个体的混沌搜索过程中。研究结果表明：混沌遗传算法能够有效地解决混合整数规划问题,改善了遗传算法的早熟问题。该算法效果显著,明显提高了解决混合整数规划问题的计算效率,在收敛速度、解的精度和稳定性方面也都优于遗传算法。     

一种基于排序的LDF改进遗传算法

针对高维数据建模过程中常见的非线性复杂问题,使用遗传算法进行全局寻优。考虑到标准遗传算法在搜索过程中存在的多种收敛性问题,提出基于排序的拉普拉斯分布函数(LDF)改进遗传算法。该算法针对性地改进了遗传算法的多种收敛性问题,解决了遗传算法过快收敛至局部最优解以及后期收敛速度过慢等问题。根据实际生产数据,对轧钢精轧机组进行了仿真模拟,仿真实验结果表明了该算法切实可行,在保证了优化效果的同时,也保证了算法的总体收敛速度和稳定性,具有良好的应用前景。     

改进的模拟退火和遗传算法求解TSP问题

对遗传算法和模拟退火算法的特点进行了比较,阐述了遗传算法与模拟退火算法集合的必要性。提出了一个用于求解TSP问题的改进的模拟退火和遗传算法。利用遗传算法的全局搜索能力弥补了模拟退火算法容易陷入局部最优的问题。在遗传算法中改进了传统的交叉机制,利用父代染色体与子代染色体进行交叉,解决了传统遗传算法中存在的“早熟”问题。针对模拟退火算法收敛速度慢等问题,提出了新的解生成机制和改良算法,提高了算法的收敛速度。实验测试的结果表明,该方法具有较好的收敛效果和更高的稳定性。     

一种改进的自适应遗传算法

遗传算法作为一种模仿生物自然进化过程的随机优化算法,对求解一般的全局最优问题具有较好的鲁棒性,而对于解决较复杂的优化问题则存在早熟及稳定性差的缺点。传统的自适应遗传算法虽能有效提高算法的收敛速度,却难以增强算法的鲁棒性。该文提出了一种改进的自适应遗传算法,对交叉率和变异率进行了优化,实现了交叉率和变异率的非线性自适应调整。实验结果表明,相比传统的自适应遗传算法,新算法具有更快的收敛速度和更可靠的稳定性。     

资源约束的高层次数据流调度方法

提出遗传算法和蚂蚁算法动态融合解决资源约束调度问题的方法.讨论资源约束调度过程中遗传算法的编码规则,蚂蚁算法中蚂蚁的概率选择方法和信息素更新规则,给出两种算法的动态切换条件及如何由遗传算法的调度结果产生蚂蚁算法的初始信息素分布等,实验数据表明本文方法的稳定性、平均运行时间和平均调度结果均优于单独的遗传算法和蚂蚁算法.     

遗传算法和Dijkstra算法在动态权值系统中的比较

针对遗传算法和Dijkstra算法在求解动态权值系统中最短路径时的性能问题,采用比较法,将两种算法应用在同一个实际游戏模型中,对其算法的稳定性、智能性、时间复杂度进行对比测试。游戏模型模拟了各种条件下的动态权值系统。为了使遗传算法更加可靠,通过优化其变异过程使得收敛速度更快,可靠性更高。实验数据表明,遗传算法在每张地图上的得分数以及算法所用时间普遍高于Dijkstra算法,从而得出遗传算法在求解动态权值系统中最短路径问题时稳定性和预期效果明显好于Dijkstra算法,但其时间复杂度较高的结论。     

一种新的FMS优化调度算法

提出一种将遗传算法和启发式算法相结合的新的混合算法,以解决ＦＭＳ中的优化调度问题。该混合算法克服了以往遗传算法在ＦＭＳ中应用的不足之处,并具有搜索效率高且稳定的特点。最后以实例验证了该算法的高效性和稳定性。