交互式遗传算法的改进方法及应用

针对交互式遗传算法中收敛速度慢和容易陷入局部收敛的缺点,提出遗传算法算子的一些改进策略,即利用定位部分优良基因方法,使这些基因较好地遗传到下一代。改进的算法能有效减少无效的交叉操作,收敛速度、全局搜索能力和局部搜索能力比交互式遗传算法均得到了较大的提高。将改进的算法应用于服装设计中,实验结果证明了改进后的算法在平均收敛代数和收敛到最优解的概率都优于遗传算法。     

自适应遗传算法的改进与应用

针对遗传算法易出现早熟现象，通过对标准遗传算法和自适应遗传算法的分析研究，本文对自适应遗传算法进行了改进。即在保留以往自适应遗传算法优点的同时，设计了与种群个体分布及种群规模的波动情况相关的自适应遗传算子。实验结果表明：该算法不易陷入局部极值，收敛速度快。     

改进遗传算法搜索性能的研究

本文针对改进遗传算法的搜索性能,提出了一种新的变异算子－自适应多位变异算子,它根据每一代的每一个体在当代中的优劣程度,自适应地控制其发生变异的位数。适应度差的个体变异的位数多,一方面使差的模式生存机会少,另一方面增加了种群的多样性,同时也扩大了搜索范围。我们用模式定理证明了该算子的有效性,并且我们作的仿真实验也同样表明该算子能大大改进遗传算法的搜索性能。     

自适应模拟退火遗传算法的改进与应用

提出了一种改进的自适应模拟退火遗传算法,该算法将遗传算法和模拟退火相结合,利用模拟退火算法较强的局部搜索能力,解决了基本遗传算法收敛速度慢的缺点,提高了全局寻优能力.实验结果证实了该混合算法的有效性和高效性.     

扩散遗传算法及其应用研究

针对遗传算法在局部搜索能力方面的缺陷,提出了一种基于扩散算子的遗产算法(简称扩散遗产算法)。该算法中包含的扩散算子是变异算子,其主要作用是在遗传搜索中进行局部搜索。用扩散遗传算法和实数编码遗传算法分别训练用于解XOR问题的神经网络,对比结果表明,论文提出的算法兼具强的全局搜索能力和局部搜索能力,因此,该算法可以不借助其它局部搜索算法而单独作为神经网络训练算法,从而简化训练算法,提高训练效率。该算法对提高遗传算法搜索效率和求解精度具有重要的意义。     

遗传算法及其应用

对５个番茄亲本及１０个Ｆ１代材料在采收季节分５期测定了成熟果实内抗坏血酸和还原糖含量，并对其遗传和相关性进行了统计分析。结果表明：基因型和估收期均明显影响番茄果实内的抗坏血酸和还原糖含量，基因型与采收期的互作效应达极显著水平。多数Ｆ１的抗坏血酸和还原糖含量介于双亲之间，这两个品质因子的广义遗传力估算植依次为４４．１７％和４９．２３％，它们的遗传相关系数为０．９２７４，相关遗传力估算为４８．７３％，     

遗传算法求解TSP及其改进

给出了基于MATLAB的求解TSP的遗传算法实现,并且针对ATSP进行仿真试验。针对基本遗传算法在仿真结果中的不足,提出最优路径保存的改进策略,改进后算法的仿真结果证实了算法的有效性。     

遗传算法的基本原理及其应用研究

介绍了遗传算法的基本概念和基本原理,分析说明了遗传算法求解实际问题的基本步骤以及应用领域,指出了遗传算法在应用中的几个关键问题,同时简要介绍了遗传算法研究新动向及存在的问题。     

基于学习算子的自学习遗传算法设计

遗传算子是影响遗传算法优化效果的重要因素。针对目前遗传算法研究中忽视个体能动性,没有充分利用进化经验信息的不足,提出反映个体学习能力的学习算子。给出了以个体适应度的变化方向和速度为依据的学习算子设计方法及其计算过程。在此基础上与现有的改进遗传算子结合,提出一种新的改进遗传算法-自学习遗传算法,分析了自学习遗传算法与自适应遗传算法之间在原理上的区别。以一个弹道导弹射程优化问题为算例对算法进行了性能测试,结果表明,在采用相同的改进遗传算子的条件下,学习算子能够以较低的代价提高遗传算法的收敛速度,并获得更好的最终优化结果。     

约束优化问题的改进遗传算法设计

遗传算子是影响遗传算法优化效果的重要因素,针对目前遗传算法研究中对约束优化问题求解的不足,提出基于退火思想的退火选择算子和加权适应度算子,并给出了退火选择算子和加权适应度算子设计方法及其计算过程.在此基础上与现有的遗传算子结合,提出一种新的改进遗传算法,分析了改进遗传算法与基于罚函数遗传算法之间在原理上的区别.最后以两个测试函数为算例对算法进行了性能测试,结果表明改进的遗传算法具有良好的优化性能,能获得更好的优化结果.     

个体自适应变异遗传算法

该文从染色体个体个性化和染色体编码基因位个性化两个方面对标准变异算子进行改进,提出了个体自适应变异遗传算法。通过给不同个体不同基因位分别赋予不同的变异概率,提高变异操作的效率,加快收敛速度。实验表明,个体自适应变异遗传算法的性能明显优于标准遗传算法。     

一种改进的决策树遗传算法融合模型

针对目前遗传算法存在随机性大、收敛速度慢等缺点,文章提出了一种改进的决策树遗传算法融合模型。该分类模型充分发挥了遗传算法的优点,有效提高分类的准确度,将模型应用到电信行业客户流失分析中,验证了该算法的可行性和有效性。     

一种基于改进遗传算法的面向路径测试用例自动生成方法

介绍了基于改进遗传算法测试用例生成的核心算法,针对软件测试用例生成问题的特点对传统遗传算法的遗传算子进行了改进,实验获得了较好的效果。     

一种改进的遗传算法在情感特征选择中的应用

为了解决情感特征选择问题,提出了一种改进的遗传算法。该算法利用从基因和个体两个方面设计的种群多样性算子产生较好的初始种群分布,随着遗传算子将群体中的个体吸引到局部最优点附近时,调用禁忌搜索算法(TS)对群体中各个个体进行局部搜索。仿真试验结果表明,该算法拓展了搜索空间,有效地防止了早熟现象的出现,能够得到令人满意的最优特征子集。     

柔性多面体在遗传算法中的应用研究(I)

文章提出了一种柔性多面体的方向进化算子,并在基本遗传算法中嵌入柔性多面体搜索算法,从而构成了一种基于柔性多面体的新的混合遗传算法(flexiblepolyhedronhybridgeneticalgorithm,FP_HGA)。方向进化算子紧跟基本遗传算法的变异操作之后,其作用是使适应度较低的个体向适应度较高的个体进化;柔性多面体局部搜索算法作用是对当前代所有新个体在进入到下一代之前,使它移动到局部最优点。并用FP_HGA来求解Rosenbrock测试函数的最小值,FP_HGA算法和SGA(SimpleGeneticAlgorithm,SGA)算法的计算结果表明该混合遗传算法在收敛速度和精度方面均得到很大提高。     

联姻遗传算法在CSTR 系统中的应用

将基于联姻遗传算法的模型参考自适应控制方法引入连续搅拌反应釜这一复杂的非线性系统,通过运用新型的联姻遗传算法对控制系统的PID参数进行在线调整,使模型参考自适应控制达到理想的控制效果。仿真结果表明了该方法的良好控制性能。     

一种求解数值优化问题的非线性遗传算法

由于算术杂交算子的线性搜索范围及变异算子的随机搜索，导致了实数遗传算法的效率较低．为此，通过拓展遗传算子的搜索范围，提出了一种动态双层非线性杂交算子，并将混沌搜索引入变异算子，从而给出了一种求解数值优化问题的非线性遗传算法．实例仿真证明该算法的有效性，并以“平均截止代数”和“平均截止代数分布熵”作为评价指标，对该方法的优化效率进行了研究，定量的评价了该方法的优化效率，通过与实数遗传算法进行比较，进一步说明了该方法的优化效率高于实数遗传算法。     

基于均匀设计的遗传算法及其应用

本文为克服遗传算法解决有关优化问题时,对遗传算法的各操作参数及初始种群的选取往往凭借经验带有盲目性,还需要大量反复的试验才能获得比较理想的操作参数和初始种群的缺点,引入均匀试验设计的思想将遗传算法参数设定描述为一个多因素多水平的优化设计问题,应用均匀设计方法选取遗传算法操作参数和初始种群,对全维状态观测器设计的实例应用表明该方法简单有效,具有工程实用价值,为遗传算法的实际应用提供了科学指导。     

遗传算法在优化问题中的应用研究进展

分析了传统优化方法的局限性，阐述了遗传算法的基本思想和特点，综述了遗传算法在函数优化领域的主要成果，并指出需要进一步研究的工作。