多维实数编码遗传算法

系统地分析了几种常见编码策略,在此基础上提出 一种新的编码策略--多维实数编码。仿真结果验证了这种新编码方式的有效性与合理性。     

基于实数编码的多种群并行遗传算法研究

针对标准遗传算法(SGA)在实际应用中早熟收敛、解精度较低，以及传统的二进制编码方式带来的Hamming悬崖问题等等缺点，提出了一种基于实数编码的多种群并行遗传算法(RPGA)，理论分析和实例计算的结果说明RP-GA有效的提高了全局搜索能力和局部快速搜索能力，提高了遗传进化效率，对于改进SGA的缺点是十分有效的。     

对实数编码遗传算法的改进

分析了实数编码遗传算法存在的缺陷,并在此基础上提出了几点改进方案。改进后的实数遗传算法可以很好地提高算法的搜索速度,并稳定地获得最优解。     

实数自适应并行遗传算法的研究

针对遗传算法中的早收敛现象,提出了一种实数自适应并行遗传算法（real adaptive parallel genetic algorithm,RAPGA）。该算法采用了一种并行遗传进化结构,并将自适应交叉、变异算子引入到本算法中,增强和保持了种群的多样性。最后,通过与其他经典优化遗传算法进行比较显示,RAPGA对多个标准测试函数均表现出较好的搜索性能。     

一种改进的实数编码遗传算法

遗传算法的一个显著特点是它交替在编码空间和解空间中工作,它在编码空间对染色体进行遗传运算,而在解空间对解进行评估和选择。因此,如何将问题的解转换为编码表达的染色体是遗传算法的关键问题。近十年来,针对特殊问题,提出了各种非0-1串的编码方法。实数编码方法是用于解决复杂的约束优化问题的首选方法。     

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出一种实数编码混沌量子遗传算法（RCQGA）．该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索．实验结果表明,RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点,而且可以减少寻优的计算复杂度,具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点,适用于工程应用中的复杂函数优化问题．     

一种基于种群多样度的实数编码并行遗传算法

为了改善遗传算法的收敛性能,提出了一种基于个体适应度的种群多样性度量函数,恰当地反映了遗传算法的进化阶段,预报了早熟收敛的趋势. 设计了基于种群多样度函数的迁移算子和交叉算子,并对交叉、变异概率等进行了动态调整,构成了具有多层迁移特点的实数编码并行遗传算法. 通过和其他优秀遗传算法对测试函数的验证比较,结果表明,该算法对于解决遗传算法中早熟、收敛速度慢等问题具有优越的性能.     

基于实数编码的遗传算法的收敛性研究

用基于实数（浮点）编码的遗传算法（FGA）求解连续参数优化问题是遗传算法的重要应用领域,但一直缺少其完整的收敛性结果。分析了在绝大多数实际应用中使用的FGA的收敛性问题,在采用最优个体保留策略的前提下得到了保证收敛性的一般条件,并以之检验了采用常用的变异与交叉算子时FGA的收敛性。这些结论不仅给出了有用的收敛性结果,而且对进一步认识算子的本质,指导自适应变异算子的设计等都提供了帮助。同时所用的方法和结论也适用于进化规划和进化策略的收敛性问题。     

基于实数编码遗传算法的神经网络优化设计

提出一种基于综合控制策略的改进的实数编码遗传算法,用该算法对前向神经网络的结构及权值进行优化。通过实验结果表明,该算法能快速有效的确定网络的结构及权值。     

基于实数编码的多算子演化遗传算法

提出一种新的基于实数编码的多算子演化遗传算法(RMEGA)。实验结果表明该算法能够有效地改善标准遗传算法(SGA)的性能,克服其早熟收敛、运算速度低和精度较差的缺点。     

Scalable Parallel Genetic Algorithms

Genetic algorithms, search algorithms based on the genetic processes observed in natural evolution, have been used to solve difficult problems in many different disciplines. When applied to very large-scale problems, genetic algorithms exhibit high computational cost and degradation of the quality of the solutions because of the increased complexity. One of the most relevant research trends in genetic algorithms is the implementation of parallel genetic algorithms with the goal of obtaining quality of solutions efficiently. This paper first reviews the state-of-the-art in parallel genetic algorithms. Parallelization strategies and emerging implementations are reviewed and relevant results are discussed. Second, this paper discusses important issues regarding scalability of parallel genetic algorithms.     

基于Agent的多问题并行遗传谈判模型

Agent谈判增加了电子商务系统的主动性,一个有效的谈判模型是系统实现的关键。分析了已有Agent谈判模型的特点,设计的基于Agent的多问题并行谈判模型解决了已有谈判模型中存在的谈判问题单一、非并行、不考虑对手收益和固定权重等问题。模型中产生谈判方案的算法的自适应性体现在问题权重、遗传参数和收益偏差的动态调整上,给出了问题实数编码和权重调整公式。最后,设计了一个面向三个问题的电子谈判实例,验证了谈判模型的可行性和有效性。     

基于渗透原理迁移策略的并行遗传算法

通过分析影响并行遗传算法性能的诸多因素,以避免人为设置迁移代频、迁移率及迁移方向为问题的突破口,以减少通信量提高算法效率为主旨,提出一种基于渗透原理的迁移策略(Migration Scheme Based On Penetration,PMS)．PMS迁移策略源于渗透模型,引入渗透阈值控制相邻子群体的迁移,应用渗透原理自适应地确定迁移代频、迁移率及迁移方向,从而解决人为设置迁移代频、迁移率及迁移方向的关键问题,有效降低通信代价,进而提高算法效率．文中首先依据有限群体马尔可夫链模型对基于渗透原理的迁移策略算法的可行性进行了探讨,然后从理论角度给出了迁移代频期望、迁移率期望及通信代价,同时用实例验证了PMS在降低通信代价方面的巨大潜力．     

基于递进制编码的遗传算法研究

首先分析了编码的进制数对遗传算法收敛速度的影响．分析结果表明，当种群不稳定时，高进制编码较低进制编码具有更快地搜索至最优区域的能力，当种群较为稳定时，低进制编码较高进制编码具有更快地逼近最优点的能力．然后提出了基于递进制的遗传算法，该算法能提高优化问题的收敛速度，在优化参数较多时，与单一进制编码的遗传算法相比具有明显的优势．仿真实例也验证了这一结论．     

粗粒度并行遗传算法性能分析

依据实验来分析影响并行遗传算法性能的因素得到的结论缺乏理论上的说服力．通过对粗粒度并行遗传算法加速比公式的分析，提出了影响并行遗传算法性能的关键因素，同时否定了以迁移率作为评价并行遗传算法性能指标的合理性，并通过实难进一步验证结论的正确性．得到的结论为提高遗传算法的并行化效率提供了可靠的依据。     

基于共享存储器通信方式的并行遗传算法

文章具体分析了共享存储器的通信方法，提出了基于共享存储器通信方式的并行遗传算法。     

遗传算法在网络在线智能组卷中的应用研究

速度和质量是网络在线实时组卷的两个核心要求,常用二进制编码遗传算法组卷时间受题库试题总量影响大,且后期收敛效率低;通过对上述问题的分析．提出了一种基于分段实数代号编玛和微量变异算子的GAs组卷算法．详细描述了新算法的设计思想和实现过程;结果验征了该算法运用于网培在线实时快速组卷的可行性,新算法的收敛时间（组卷时间）不受题库题量影响,可短至1.56sa。     

遗传算法三种编码策略的比较研究

分析了遗传算法的二进制、实数、十进制编码策略实现方法,根据各编码的特点,设计了相应的改进遗传策略。以前馈神经网络权值优化问题为例,用计算机仿真实验的方法研究了三种编码策略对各遗传算法性能的影响。研究结果表明,若同时强调搜索效率和搜索准确性,宜采用实数编码的改进遗传算法;若只强调搜索准确性,则应优先考虑十进制编码的改进遗传算法。研究的结论为遗传算法在高维连续参数优化问题中编码策略的选取提供了理论指导。     

基于模式迁移策略的并行遗传算法

通过分析影响并行遗传算法性能的诸多因素，以降低通信代价为问题的突破口，提出一种基于模式定量的迁移策略SMS．SMS迁移策略借鉴网络信息传输机制，通过模式识别压缩提取出子种群中的优质遗传信息，再将一遗传信息在另一子种群中按比例传播，文中首先依据模式定理对模式迁移策略的算法有效性进行了探讨，然后从理论角度给出了采用模式迁移策略后通信量降低的形式化度量，最后分析了由此带来的算法可扩展性的提高。