遗传算法求解VRP的种群初始化改进

传统的遗传算法求解VRP时,初始种群多半采取随机生成法形成染色体方案,以致于迭代开始就可能形成许多不可行的方案,要进行大量的计算后才能得到优化的方案,这在很大程度上降低了算法的运算效率.论文提出的遗传编码策略,对初始种群给予基于知识型启发策略,使得初始种群一开始就表现为一种较优的状态.     

自适应分层交互式遗传算法及其应用

针对交互式遗传算法存在用户易疲劳问题，提出基于求同算子的自适应分层交互式遗传算法，给出分层的思想、分层时机的选择以及分层方法，分析算法的效率，将其应用于服装设计中，实验结果验证了方法的有效性。     

带移民的自适应遗传新算法及其应用

模拟人处理问题的一般思路,提出一种基于非线性遗传算子的带移民的自适应遗传算法.优化算例表明,这种方法具有较强的寻优能力和理想的收敛速度.     

改进型自适应遗传算法研究

针对遗传算法的改进，提出了一种新的评价种群过早收敛程度的指标，进而给出一种新的自适应调整策略。仿真计算表明，该方法较一般遗传算法和一般自适应遗传算法有较大提高。     

自适应分层遗传算法在函数优化中的应用

通过分析基本遗传算法在函数优化中的应用，研究其不收敛和收敛慢的原因，并在此基础上提出了自适应分层遗传算法。通过实验，证明了改进算法的优越性。     

基于优势遗传的自适应遗传算法

针对遗传算法的早熟问题,对自适应遗传算法进行了研究,提出优势遗传的新观点:在交叉算子设计时使适应度高的个体以较高概率进行交叉,并且在变异算子设计时使适应度低的个体以较高概率进行变异,能更有效地产生出优势个体,跳出局部最优.认为算法设计时使平均适应度过快逼近最大适应度是不合适的.由此,提出一种新算法,以优势遗传的原则随个体适应度的变化而自适应地改变交叉和变异概率,在一定程度上有效解决算法的早熟问题.实验表明,该算法能有效提高全局寻优的性能,鲁棒性好.     

自适应遗传算法在建筑结构优化中的应用

遗传算法易搜索到全局最优解，但局部寻优能力差且易发生早熟、随机漫游现象．基于对本文所采用的基本遗传算法的原理和实施过程介绍的基础上，针对其缺陷提出改进措施：利用混沌序列的“遍历性、随机性、规律性”的特点生成初始种群；采用最优个体储存、最差个体替换策略．在改进遗传算法的基础上，又引入自适应的交叉、变异概率公式，幅度系数调节交叉率、变异率形成自适应遗传算法．通过十五杆平面桁架的数值算例，自适应遗传算法的优化结果、优化进程与基本遗传算法、改进遗传算法进行了对比，验证自适应遗传算法的优越性能．     

改进自适应遗传算法的结构优化设计

介绍了离散变量的结构优化设计方法——遗传算法(Genetic Algorithms)的来源和运行参数。考虑到遗传算法在运算过程中表现出的缺点以及交叉率和变异率的选取对遗传算法的搜索能力和搜索效果的影响,同时为了提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行了改进,引入一种基于个体适应度值的自适应遗传算法。并通过算例表明这种改进自适应遗传算法较基本遗传算法是更有效的,提高了算法的运行效率和计算精度。     

基因表达式编程种群多样性自适应调控算法

为了解决基因表达式编程GEP种群多样性控制问题,提出了一种新的带权种群多样性的自适应调控方法。设计了带权的种群多样性测度方法,详细分析了选择、交叉及变异算子对种群多样性的影响。提出了初始种群的多样化算法DAIP,以保证初始种群多样性的最大化。设计了自适应的交叉和变异算子,提出了种群多样性自适应调控算法APDTA,使种群在进化过程中维持合适的种群多样性,进而提高进化效率。实验验证了APDTA的有效性。     

嵌入演化策略的双种群遗传算法及其应用

针对标准遗传算法的局限搜索能力差、解的精度低等一些不足,提出了一种嵌入演化策略的双种群遗传算法,即用自适应遗传算法进行种群寻 ,用演化策略优化小种群。将该方法应用于非线性约束优化问题中,结果表明,该算法的局部搜索能力、精度和计算速度较改进前有明显提高。     

遗传算法在数字水印技术中的应用

充分利用遗传算法的优点,寻找一个最佳的水印嵌入强度,利用离散余弦变换进行水印的嵌入;并根据遗传算法和水印算法的特点,提出了适应度函数值的选择和遗传算法的终止准则方法．实验结果表明,利用遗传算法优化嵌入强度,可以较好地解决鲁棒性和不可见性的矛盾,实现水印的优化嵌入．     

基于实数编码的自适应遗传算法及应用

为了解决遗传算法(GA)存在的早熟收敛、收敛速度慢等不足,从编码方式及遗传算子操作等几个方面对其作了改进,提出了一种基于实数编码的自适应遗传算法(RAGA).基于典型复杂函数的优化仿真结果表明,该算法的全局收敛速度和命中全局最优值的几率相对标准遗传算法(SGA)有较大提高.     

适用于复杂函数优化的多群体遗传算法

提出了一种适合于复杂函数寻优的多群体遗传算法．该方法对搜索区域进行划分，使每个子区域具有简单的函数形态．对每个子区域安排一个子群体进行搜索，这个过程可并行进行．仿真表明该方法速度快，可同时获得多个局部极值点．     

梯级泵站优化运行的遗传算法

采用遗传算法对梯级泵站联合运行时的优化调度问题进行了求解.计算中采用大系统分解协调模型,考虑了不同地区、不同时间段的电价对优化调度的影响.在子系统的优化过程中,各泵站内部单台机组的性能可以不相同;由于单台机组流量的取值是一个离散点和连续区间的集合,对于等式约束采用罚函数法,对于不等式约束,采用编码的办法解决.这种方法也适用于单个泵站多型号机组分时段运行时的优化调度.     

梯级泵站优化运行的遗传算法

采用遗传算法对梯级泵站联合运行时的优化调度问题进行了求解．计算中采用大系统分解协调模型,考虑了不同地区、不同时间段的电价对优化调度的影响．在子系统的优化过程中,各泵站内部单台机组的性能可以不相同;由于单台机组流量的取值是一个离散点和连续区间的集合,对于等式约束采用罚函数法,对于不等式约束,采用编码的办法解决．这种方法也适用于单个泵站多型号机组分时段运行时的优化调度．     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

遗传算法在入侵检测规则提取中的应用

传统入侵检测系统的攻击规则库需要专家手工建立,为了实现入侵检测系统中攻击规则生成的自动化,提出将遗传算法应用于入侵检测规则学习问题中.遗传算法依据网络审计记录推导出分类规则,用支持度-置信度函数作为适应度函数进行规则评估,产生的规则用于实时环境中的检测或分类网络入侵.最后通过入侵实例验证了方法的有效性.     

遗传算法在挖掘机反铲装置优化中的运用

研究遗传算法在液压挖掘机反铲装置优化的运用,建立数学模型,同时了为提高运算效率,对于遗传算法作了某些改进,数值计算表明,该算法效率高,有很强的适应性。     

改进遗传算法在桁架拓扑优化中的应用

基于桁架拓扑优化,对遗传算法提出了一些改进措施,形成了一种高效综合的遗传算法。在桁架的截面尺寸和拓扑结构混合设计中,对尺寸变量和拓扑变量分别进行二进制编码、交叉和变异,得到桁架拓扑结构和杆件截面尺寸的初解,适当降低尺寸变量编码精度,以加快算法的收敛速度。然后对截面尺寸重新编码,以较高的尺寸精度进行搜索,为了防止陷入局部最优解,取部分初解加入新的父代。算例表明,该算法对离散变量的桁架拓扑优化是快速有效的。     

遗传算法在计算机系统优化问题中的应用

将遗传算法应用于可靠性领域,在满足计算机系统可靠度的条件下,求出系统配置的最低费用。利用遗传算法解决此类问题,具有收敛速度快,搜索效率高等优点。