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。     

遗传算法综述

本文简述了遗传算法的基本原理和特点，以及在各个领域的应用情况。     

一种基于遗传算法的进化计算模型

提出一种基于遗传算法的进化计算模型(ECM).在ECM的种群中,每个成员都根据其适应度值不同程度地影响着种群的进化.ECM定义了个体对进化的影响因子,并以个体的影响因子为参数定义了个体的形成算子.分析表明,ECM是采用算术交叉算子的两父辈遗传算法以及采用频率扫描交叉算子的多父辈交叉遗传算法的推广,形成操作是父代群体编码的凸组合.实验研究显示,ECM具有比经典遗传算法更强的优化计算功能.     

遗传算法研究综述

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研究现状,描述了它的主要特点和基本原理,概述了它的理论、技术和应用领域,讨论了混合遗传算法和并行遗传算法,指出了遗传算法的研究方向,并对遗传算法的性能作了分析。     

遗传算法及其发展

本论文讨论了遗传算法的产生，发展，求解过程及其存在的问题。这些将有助于加深对遗传算法的理解，因而更好地应用它求解各种具体问题。     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点，从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法，阐明了用遗传算法进行神经网络性能优化的原因，并得出结论，认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法，论述了遗传算法和神经网络的发展现状和将来的研究动向。     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点,从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法,阐明了用遗传算法进行神经网络性能优化的原因,并得出结论,认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法,论述了遗传算法和神经网络的发展现状和将来的研究动向。     

遗传算法应用的分析与研究

介绍了进化算法的原理以及历史,以及应用遗传算法解题的步骤,最后对其各重要因素进行分析.     

方向自学习遗传算法

为克服准遗传算法收敛速度慢、早熟收敛等缺点,提出一种方向自学习遗传算法,该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向。算法通过个体之间的竞争、合作与学习来不断更新最优个体,为增加种群的多样性提出一种消亡算子,避免早熟收敛,提高算法收敛速度。采用4个二维函数和多个无约束高维函数对算法进行测试,与3个新提出的算法进行比较,实验数据和理论分析表明,该算法在解的质量上和计算复杂度上都优于上述3个算法,充分证明该算法的有效性。     

遗传算法及其进化硬件设计研究

遗传算法(Genetic Algorithms，GAs)是进化计算中的重要领域．也是人工智能迅速发展的重要领域，它是一类模拟自然进化过程和达尔文“适者生存”的算法。这一算法企图通过使用诸如交叉、变异等算子从先前的候选解中生成最佳解。进化硬件(Evolvable Hardware，EHW)则是受自然进化得到灵感、设计硬件系统的新型设计方法，它是进化计算技术和电子硬件结合的产物。本文给出GAs在计算机模型中的基本概念．讨论进化再配置硬件的设计，最后给出几个进化实验的例子。     

遗传算法的研究与进展

遗传算法是建立在自然遗传学机理基础上的参数搜索方法。本文介绍了遗传算法的思想来源的基本原理，比较了遗传算法与其他人工智能技术，论述了它在优化、机器学习、尤其是控制领域中的应用成果，并对进一步的研究工作提出了一些展望。     

交叉位置非等概率选取的遗传算法

以遗传算法应用中普遍采用的二进制编码为前提，分析了交叉位置等概率选取交叉操作对遗传算法寻优的不利影响，并提出交叉位置非等概率选取的交叉操作方法，利用该交叉操作算子的遗传算法具有较好的收敛性能。     

遗传模拟退火算法在弹药装载中的应用研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题,属于NP-完全问题,其求解是很困难的。本文在考虑弹药装载中各类约束条件的情况下,将模拟退火算法作了若干改进后,融入遗传算法,提出了一种遗传模拟退火算法来求解弹药装载问题。本文对该算法的遗传算子和冷却进度表进行了详细的阐述,给出了使用该算法求解弹药装载问题的具体实现方法。     

基于遗传算法的双目标车辆路线优化研究

本文对车辆路线优化问题建立了双目标多旅行商问题模型,提出一种求解旅行商问题混合遗传算法,并对双目标多旅行商问题提出了解决方案。基于实例的仿真结果表明,文章提出的算法和解决方案是可行而有效的。     

遗传算法进化截止代数分布规律的研究

遗传算法的本质决定了它的搜索方式是有向随机的,导致了其计算结果具有非稳定性,为了研究遗传算法进化过程的非稳定性规律,文中首次提出了进化截止代数和进化截止代数分布两个新概念,并给出了它们的具体定义,然后,以工程优化中常用的浮点型遗传算法为例,通过大量的数值试验和统计分析揭示了遗传算法进化截止代数分布的规律,最后,从信息熵的观点出发,用最大信息熵原理对其规律作出了理论上的合理解释。     

遗传算法的编码机制研究

对遗传算法中的编码机制了研究，分析了二进制与十进制编码在搜索能力和保持种群稳定性上的区别。仿真结果证实了该结论。     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制方法。该方法是针对ＢＰ算法训练神经网络控制系统时收敛速度慢、动态特性不够理想等不足，用改进的遗传算法来优化神经网络辨识器与控制器的参数，以提高控制系统的性能，仿真实验表明该控制器对于非线性、时变、滞后等对象都具有很好的控制精度、鲁棒性和动态特性。     

遗传算法中遗传算子的启发式构造策略

遗传算法是影响遗传算法搜索性能的重要因素，本文研究交配算子与其搜索子空间的关系，提出了设计良好算子的指导性原则，并构造出一种启发式交配算子。     

农业专家系统中知识发现的遗传算法研究

讨论从数据库中发现有用的知识建造专家系统,利用遗传算法解决在处理复杂数据时的仿真丢失问题,实现了遗传算法在重庆市水稻区域布局专家系统建立过程中的应用。     

多模态函数优化的协同多群体遗传算法

讨论了多模态函数优化的遗传算法(GA)求解方法.分析了传统的基于排挤选择模型和基于适应值共享的GA方法的特点和不足,应用模式理论研究了GA群体进化行为.提出了宏观小生境思想和协同多群体GA的基本框架和详细算法流程,并给出了一种自动小生境半径估计方法.采用典型函数进行了实例计算,结果表明了协同多群体GA的有效性.