具有年龄结构的遗传算法

结合自然规律以及遗传算法的特点,提出了具有年龄结构的遗传算法的框架以及实现。该算法能够通过对个体基因不同年龄的不同操作,克服遗传算法中存在的主要问题即过早收敛问题。该算法有效地保持群体的多样性,使遗传算法顺利地收敛到全局最优值。通过实际的例子说明,这种方法克服过早收敛问题并且相对于简单遗传算法提高了收敛速度。     

基于素描的遗传算法

传统遗传算法容易陷入局部最优解，本文借鉴美术中“素描”的思想，对传统的遗传算法进行了改进，提出了基于素描的新型遗传算法．该算法模拟人的素描行为，构造参数控制下的选择算子，再通过参数的调节来选择个体，并依据最优个体对选择算子进行修正，以达到动态调整群体进化过程中的种群多样性和收敛速度之间的矛盾，从而有效地避免了传统遗传算法中早熟现象，显著地提高了GA对全局最优解的搜索能力和收敛速度．这将使GA在众多实际的优化问题上将具有更广泛的应用前景．仿真结果表明，该算法正确有效，且性能优于现有的其它方法．     

解决一类遗传算法早熟收敛的混合法及其推广

本文分析了变型标准遗传算法ＶＣＧＡ（ｖａｒｉａｎｔｓｏｆｃａｎｏｎｉｃａｌｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ）有时会产生早熟收敛的机理，提出了混合法ＨＶＣＳＤＡ（ｈｙｂｒｉｄＶＣＧＡｃｏｍｂｉｎｅｄｗｉｔｈｓｔｅｅｐｅｓｔｄｅｓｃｅｎｔａｐｐｒｏａｃｈ），并进行了推广．该方法可使最优保存的超级个体时间序列离开早熟收敛状态而继续接近全局最优解．仿真实例表明了本文算法的有效性．在３０城市ＴＳＰ（ｔｒａｖｅｌｉｎｇｓａｌｅｓｍａｎｐｒｏｂｌｅｍ）的基准测试问题中，本文得到了路径为６．８２的结果，它好于用新的现代的启发式搜索方法——ＴＡＢＵ搜索法得到的６．９９的结果．     

基于亲缘选择的遗传算法

针对传统遗传算法容易陷入局部最优解的缺陷,借鉴生物中亲缘选择的思想,提出基于亲缘选择的遗传算法。该算法构造新选择算子,通过按亲缘关系放弃一个解而获得另一个解来保证算法在最优解的领域内的有效搜索,提高遗传算法对全局最优解的搜索能力和收敛速度。仿真结果表明,该算法正确有效,性能优于现有的传统算法。     

应用逻辑操作改善遗传算法性能

从理论上分析了传统变异算子存在的不足,借鉴数字技术的有关原理为基因增添了逻辑表达能力,引入逻辑运算规则改进的了传统的遗传算法 子,实验结果表明,改进型遗传算法收敛速度快,克服早熟能力强。     

一种具有自然血亲排斥的遗传算法研究

分析了选择、交叉和变异操作下遗传算法早熟收敛问题,提出了一种具有自然血亲排斥的遗传算法,利用个体通婚记录信息和婚史继承方法有效地避免了三代自然血亲之间的近亲繁殖,并依据群体信息熵实现交叉率和变异率的自适应变化以及交叉变异位置的自适应确定,保证了群体的多样性和重要构造块的保护,扩大搜索空间,较好地解决了早熟收敛问题,从而实现全局收敛。仿真结果表明,所提出算法有较好的全局收敛能力。     

一种新的基于混沌变异解决早熟收敛的遗传算法

给出解决遗传算法早熟收敛问题的统一框架，基于新的混沌变异模型提出一种新的遗传算法。该算法充分利用混沌的初值敏感性和轨道遍历性，克服了已有混沌变异模型存在搜索盲区大的缺点。多峰值函数优化计算结果验证了该算法的可行性和有效性。     

遗传算法中基因缺失的预防

早熟收敛一直是困扰遗传算法的主要问题之一,而导致早熟收敛的直接原因是群体基因缺失,本文针对二进制编码的遗传算法提出了一种行之有效的基因缺失预防策略－基因补偿技术。     

三种遗传算法的改进方法与研究

遗传算法是一种基于自然选择和生物进化机制的智能优化算法,由于它具有非常多的优点,所以被广泛应用于各个领域。但是基本的遗传算法(简称GA)也存在着许多的缺点和不足:适用范围没有非常广;遗传算法很容易出现"早熟"收敛,搜索性能不高;遗传算法的时间复杂度往往比较高,而搜索的效率却比较低。本文针对基本遗传算法的陷入局部最优和早熟收敛的缺点,对基本遗传算法提出了三种改进方法:既顺序选择遗传算法、大变异遗传算法和双切点交叉遗传算法,并通过仿真实验验证了这些改进。     

基于虚拟种群辅助搜索的改进型遗传算法

针对现行各种改进型遗传算法容易早熟收敛,并且难跳出局部最优的问题,提出一种基于虚拟种群技术的改进型遗传算法.该改进型遗传算法不改变遗传算法中选择、交差、变异等核心算子的参数值,从而有效避免了种群进化过程中因控制遗传算子参数的策略设置不当而引起的算法收敛速度慢的问题.通过虚拟种群与实际种群间的信息交换,隐式地增大了实际种群的多样性.仿真结果表明,在种群规模相同的情况下,虚拟种群遗传算法能以最少的代数跳出局部最优,并在最小的代数收敛于全局最优.     

一种种群自适应收敛的快速遗传算法

作为一种全局搜索算法,遗传算法的局部搜索能力较低,后期产生的无效进化与早熟收敛影响优化的速度和精度。已有的改进策略多以算法的时间复杂度为代价提高后期效率,严重限制了遗传算法在工业控制系统中的应用。针对这种情况,提出了一种新型种群自适应收敛的快速遗传算法,即通过提高种群的遗传质量,在严格控制算法复杂度的前提下提高优化性能。仿真结果证明,在不增加时间复杂度的前提下,新算法显著地提升了收敛精度和收敛速度。     

基于有性繁殖的遗传算法及其应用

该文提出了一种基于有性繁殖的遗传算法。标准遗传算法（SGA）已经被成功地应用到很多进化优化问题上,但是对于复杂的多模态函数寻优时,会出现早熟收敛现象。为了解决这个问题,该文结合自然界最常见的有性繁殖现象,赋予了遗传个体年龄和性别特征,提出了基于有性繁殖的遗传算法的框架以及实现。通过建立年龄和有性遗传进化算子,对不同年龄和不同性别的个体赋予不同的进化控制参数,克服了早熟收敛问题且保持了群体的多样性。对运动模糊图像复原的测试,也证明了该方法的有效性。     

基于改进遗传算法的网格任务调度研究

网格任务调度是一个NP完全问题,它关注大规模的资源和任务调度,要求采用具有高效性的调度算法.提出了一种基于改进遗传算法的网格任务调度算法,在算法初始化种群产生时引入min-min算法和max-min算法,从而提高初始化种群的质量;算法迭代过程中采用了一种新的局部收敛判断以及改进的变异操作来防止局部收敛.仿真结果表明,该改进算法能更有效地解决网格任务调度问题.     

基于种群多样度的变参数遗传算法的研究

该文针对基本遗传算法（SGA）所存在的缺陷——早熟现象进行了分析,并在此基础上提出了基于种群多样度的变参数遗传算法（VPGA）。该算法从概率角度分析了遗传操作算子的作用,搜索范围以及多样性的影响,依据种群的多样度对遗传算法的参数进行自动调节,抑制早熟现象。并应用两种遗传算法对评价遗传算法性能的四个著名测试函数进行了仿真测试,仿真结果表明该算法相对于基本遗传算法的优越性和抑制早熟现象的有效性。     

基于粒子群算法的遗传算法研究

针对传统遗传算法存在的早熟收敛和易陷入局部最优解的问题,提出了一种基于粒子群算法的遗传算法,其原理是用粒子群算法来构造变异算子和进行种群分割.通过对三个典型多峰值函数的优化来评估算法性能.实验结果表明,该算法能很好地保持种群的多样性和克服早熟现象,显著提高遗传算法的收敛速度.     

一种逐位变异的紧凑遗传算法

针对紧凑遗传算法局部搜索能力差、运算效率低等缺陷提出了一种改进的逐位变异的紧凑遗传算法并对其性能进行了分析．几种典型函数的测试结果证明了其优越性和有效性。     

基于整体轮换杂交的改进遗传算法

针对遗传算法的过早收敛问题,提出了一种新的解决方法———整体轮换杂交法,对其作用进行了讨论。对基于该法的改进遗传算法进行了实验并与其它算法进行了比较。结果表明整体轮换杂交法可以更有效地防止遗传算法过早收敛。     

一种基于超群体的并行遗传算法

文章首次提出了空间交配的慨念,构造了一种基于超群体的并行遗传算法。它把每一子群体(sub-group)看作一个特殊的个体,称为超个体(super-individual);该算法就是对由若干超个体组成的群体———超群体(super-group)施加遗传运算,从而实现遗传算法的并行化。它不但较好地克服了早熟问题,而且开拓遗传算法研究的新方向。最后,给出了实验的对比分析,证实了算法的有效性。