基于模式定理的遗传算法交叉和变异概率上限

基于模式定理的推广形式，给出含有选择、交叉操怍遗传算法一致交叉概率的上限，以及含有选择、交叉和变异操作遗传算法单点变异和一致变异概率的上限，分折了含有联赛选择、一致交叉操作遗传算法运行前期和后期对优良模式的影响，并用8位陷阱函数验证了上述结论的正确性，该结果可用于指导遗传操作与控制参数的设计。     

遗传算法交叉和变异操作的模糊优化

该文针对遗传算法存在的问题,在总结了有关交叉和变异操作的启发性知识的基础上,给出了交叉概率、交叉点位置和变异概率的模糊优化规则,提出了一种新的基于模糊控制器的遗传算法(FCGA)。对三个函数的优化结果表明:FCGA不仅能够有效克服早熟收敛,而且提高了算法的收敛速度。     

利用排序对遗传算法的改进和自适应交叉概率

作为一种并行、自适应,全局搜索方法,遗传算法已在多种领域得到应用。文中先简单介绍了遗传算法的发展、基本程序与几种遗传操作,然后详细说明了排序选择。在此基础上文中提出了在非线性排序中加入适应值信息和交叉前进行排序两种改进方法。为了减少近新遗传,文中还设计了一种自适应交叉概率。实验中选择具有不同特点的四个测试函数进行测试,寻优结果表明改进的算法对加快收敛速度,提高寻优效果起到了作用。     

用网格实现交叉操作的遗传算法

遗传算法可以看成是在某个空间求最大值的搜索技术。本文从理论上分析了在搜索技术中,用格点法比胡机法好,并用格点理论（佳点是格点的一种）设计了遗传交叉算子。模拟结果显示,与传统的胡机法实现交叉操作的遗传算法相比,本文算法不仅在效率、精度上有所提高,而且克服了“早熟”现象。     

改进交叉操作的遗传算法在神经网络优化中的应用

提出了一种对交叉操作进行改进的遗传算法优化神经网络的方法,它保留了父代中的优良模式,增加了找到最优解的概率,从而可以加快算法的收敛速度,缩短了寻找最优解的时间。实验证明,使用这种改进的交叉操作后的算法可以提高神经网络获得最优解的速度。     

实数编码遗传算法中交叉操作的效率分析

介绍了常用的实数编码遗传算法及相应的交叉操作策略，通过理论分析和模拟实验研究了不同实数编码交叉操作的搜索效率。提出两种改进的交叉操作——有效线性交叉操作和张弛线性交叉操作，使子代个体在搜索空间内达到均匀分布，提高了遗传算法的优化效率     

均匀块交叉遗传算法

交叉操作是遗传算法的三个基本算子之一,它在改进解群质量方面发挥着重要作用。我们提出一种均匀块交叉算子,并通过理论分析证明,它能够防止早熟收敛,使收敛结果更趋于最优解。两类算例表明,本文提出的交叉操作易于实施,且有效。     

遗传算法及其异位交叉问题的研究

针对目前遗传算法的搜索速度比较慢的问题，提出加快收敛速度的界伏交叉算子以提高算法的收效速度。仿真结果超明，这种交叉算子比一般的对等位交叉更能有效提高收敛速度，不易陷入局部最优解。     

基于异位交叉的遗传算法的研究

针对目前遗传算法搜索速度较慢的问题，对提高遗传算法收敛速度的不同方法进行了分析。提出一种加快收敛速度的异位交叉算子，并给出算法仿其实验。仿真结果表明，这种交叉算子可比一般的对等位交叉算子更有效地提高收敛速度，且不易陷入局部最优解。具有实现简单、易于应用及鲁捧性强的特点。     

一种基于有向交叉的遗传算法

从解空间的角度分析了交叉算子的作用,针对其盲目搜索的缺陷.提出一种有向交叉遗传算子.该算子通过优化控制交叉子代的落点位置.使交叉子代大概率地朝着最优解的方向进化.实验表明,该算子显著地加快了遗传算法的寻优速度.提高了遗传算法定位最优解的精度.     

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。     

遗传算法纵横谈

以总结当前遗传算法的多种改进形式为主探讨了有关遗传算法的６个问题，它们对于不同领域的遗传算法的科研应用人员均具有一定的启发作用。     

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。     

交叉算子的搜索能力

文中对遗传算法中常用的交叉算子的搜索能力进行了讨论,综合考虑了交叉算子对染色体的双重作用,给出了染色体在交叉算子作用下数量和分布范围的变化规律,得到了模式变化的极限性能,证明了交叉算子在演化代数增加的时候能够使模式内部各基因趋于独立,并且只要组成模式的各个基因都存在,则该模式一定能够被搜索到,此时模式的极限概率等于组成该模式各基因的初始概率（也就是基因的极限概率）的乘积,并且与模式的定义长度无关,说明了交叉算子使群体分布扩散的特性,从而可以进一步改善遗传算法的性能     

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。     

利用遗传算法改善前馈神经网络容错性

针对前馈神经网络的断路故障,将网络容错性的改善转化为一个最小优化问题,并通过遗传算法进化求解来获取容错性好、泛化能力强的网络,该方法不需给网络增加额外冗余,也不需修改网络训练算法,较好地保持了网络结构、训练算法与容错处理的独立性,实验表明,该方法在两个基准测试问题上均取了很好的效果。     

一种基于遗传算法的多机器人内力优化计算方法

本文在对多机器人静力分析的基础上,考虑最大作用力约束和点接触静摩擦约束,提 出了一种采用混合遗传 模拟退火算法的内力优化计算方法,并通过2个平面机器人夹持一 负载的仿真实验,给出了内力和负载分配的优化计算结果．     

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.     

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。