基于递阶遗传算法的RBF神经元网络板形板厚综合控制

该文首先用递阶遗传算法（HGA）设计RBF神经网络，不仅可以同时确定网络参数（连接权、隐节点中心和宽度），而且解决了网络拓扑结构的优化训练问题，而后针对板带材轧制是一个复杂的非线性过程，板形控制（AFC）和板厚控制（AGC）又是相互耦合的一个综合系统等特点，建立了基于过程最优的权值在线自学习算法的RBF神经元网络的板形板厚多变量综合控制系统，仿真结果证明了此AFC－AGC控制系统具有良好的自适应跟随和抗扰性能，其控制效果优于传统的解耦PID控制。     

一种遗传搜索块匹配运动估计算法

运动估计是帧间视频编码中的关键技术,但现有的快速搜索算法中大都是次优算法,且易陷于局部极小点,针对此问题,提出了将一种遗传算法应用于块运动估计中的遗传搜索匹配估计算法（GSAME）,该方法把块运动向量作为遗传染色体,经过杂交、变异等操作,以便得到全局意义上的最优解,并与经典的全局搜索法和三步搜索法进行了比较,实验结果显示,该算法不仅有效地解决了局部极小问题,而且计算量也较少。     

一种改进遗传搜索块匹配运动估计算法

运动估计是帧间视频编码中的关键技术,但现有的快速搜索算法中大都是次优算法,且易陷于局部极小点。针对此问题,提出了一种改进型遗传算法应用于块运动估计中的遗传搜索块匹配运动估计算法(MGSAME)。该方法把块运动向量作为遗传染色体,经过杂交、变异等操作,以便得到全局意义上的最优解,并与经典的全局搜索法、三步搜索法和传统遗传算法(SGA)进行了比较。实验结果显示,该算法不仅有效地解决了局部极小问题,而且计算量也较少。     

基于遗传算法的BP网络快速自适应性算法

分析了标准BP网络存在的问题。利用遗传算法 ,探讨了确定初始学习速率、动量项值和BP网络结构的快速自适应性算法 ,并将该算法应用于XOR问题的学习和地下井巷开挖中岩爆的预测。实验结果表明 ,基于遗传算法的BP网络快速自适应性算法 ,可以避免手工试算决定BP结构的弊端 ,并且优化后的BP网络具有较快的收敛速度和较强鲁棒性     

一种求解TSP问题的多种群并行遗传算法

遗传算法是一种基于自然群体遗传机制的有效搜索算法,由于它在搜索空间中同时考虑许多点.减少了收敛于局部极值的可能,也增加了处理的并行性.因此可以利用并行遗传算法研究典型的TSP问题的求解.提出一种有效的多种群并行算法求解旅行商(TSP)问题,应用多种群遗传并行进化的思想,并在种群之间进行遗传信息交流,以解决经典遗传的收敛到局部最优值问题.仿真实验结果表明,方法在解的精度上以及解的质量上优于经典的遗传算法.     

多处理器系统任务规划问题的改进遗传算法

在多处理器系统中,寻求一个有效的并行任务设计安排使得整个执行时间达到最小是至关重要的环节.本文在详细阐述分割式遗传算法(PGA)用来解决任务规划问题的基础上,对其进一步改进.实验表明,改进的PGA算法,提高了算法收敛速度和效率,能够得到期望的规划结果.     

基于分层的带服务约束组播路由问题的遗传算法

探讨了主动网络中带服务约束的组描路由问题模型，基于分层思想提出了求解该模型的遗传算法。分析了该算法的复杂性并进行了仿真，实验表明该算法能以较高的概率找到带服务约束的最优组播树。     

基于遗传算法和直接搜索策略的PID整定研究

该文在详细分析遗传算法和直接搜索法优缺点的基础上提出了一种基于遗传算法和直接搜索策略的混合优化算法。该算法既具有遗传算法的全局寻优能力,又具有直接搜索法的局部寻优能力。可大大提高寻优的精度和速度。该混合算法先用遗传算法对给定区域进行全局的粗略搜索,然后用直接搜索法对其中部分较优个体进行局部的精细搜索。应用于PID自整定的仿真实验表明：该算法可节约绝大部分的进化代数,极大地提高寻优的速度,同时,PID整定的参数一致性好,具有比遗传退火策略更一致的寻优精度。     

基于知识模型的改进遗传算法

针对遗传算法个体进化缺乏明确导向的缺点,该文提出了一种基于知识模型的改进遗传算法,将遗传算法和神经网络有效结合起来,利用神经网络的学习功能。构造知识模型,用来引导群体中某些个体的进化。模拟实验验证了该算法的有效性。     

遗传算法在求解最小生成树中的运用

以图论和遗传算法为基础,提出了求解最小生成树问题的遗传算法。该算法解决了常用二进制编码不能正确表达最小生成树的问题,利用Prufer数对生成树进行编码;在遗传操作中对变异算子进行了改进,避免了由于变异产生大量不可行解。从而提高了遗传算法的效率;通过数值试验,表明该算法简单,高效,收敛率高。     

一种新的求解度约束最小生成树的遗传算法

染色体编码是遗传算法的关键内容,编码的优劣并直接影响算法的性能.提出了基于过程控制的生成树编码方法--PC编码.PC码为定长的整数向量,使用PC编码求解特定生成树问题时,首先选定的一个有效算法,并将修改为可控算法,然后用编码向量控制算法的运行过程,从面得到唯一生成树.为了求解度约束最小生成树(DCMST)问题,在D-Prim算法的基础上,设计r过程可控的度约束生成树构造PC-Prim算法.给出了以PC-Prim算法作为译码器的求解DC-MST问题的遗传算法.仿真结果表明遗传算法求解精度和运行时间均优于参与其他算法.     

A Genetic Selection Algorithm for OLAP Data Cubes

Multidimensional data analysis, as supported by OLAP (online analytical processing) systems, requires the computation of many aggregate functions over a large volume of historically collected data. To decrease the query time and to provide various viewpoints for the analysts, these data are usually organized as a multidimensional data model, called data cubes. Each cell in a data cube corresponds to a unique set of values for the different dimensions and contains the metric of interest. The data cube selection problem is, given the set of user queries and a storage space constraint, to select a set of materialized cubes from the data cubes to minimize the query cost and/or the maintenance cost. This problem is known to be an NP-hard problem. In this study, we examined the application of genetic algorithms to the cube selection problem. We proposed a greedy-repaired genetic algorithm, called the genetic greedy method. According to our experiments, the solution obtained by our genetic greedy method is superior to that found using the traditional greedy method. That is, within the same storage constraint, the solution can greatly reduce the amount of query cost as well as the cube maintenance cost.     

一种基于相似性排挤的多种群混合遗传算法

在遗传算法优化的研究中,针对简单遗传算法存在的局部搜索能力差和早熟收敛的问题,提出一种相似性排挤的多种群混合遗传算法.新算法主要在宏观上设置多个子种群与一个最优保存种群的进化架构,并在子种群中引入模拟退火算法,构成合理的混合结构,用于提高算法的局部搜索能力.在微观方面,个体在子种群间交流时采取相似性评判标准,进而实施排挤替换操作,维护种群多样性,用于改善算法的早熟收敛问题.最后,通过对TSP问题的求解,验证算法的有效性与实用性.     

用基于多目标决策的遗传算法解网络拓扑结构设计问题

多点网络拓扑结构设计问题是NP-完全问题。该文提出了一个基于多目标决策的遗传算法(MCGA)来解决多点网络拓扑结构问题。和其它多目标遗传算法不同的是:首先,对网络节点进行预划分,使得Pareto优的节点归于候选分枝节点集合;其次,修改了Prüfer编码,使得编码中的码元代表候选分枝节点,以利于对分枝节点的搜索;最后,构造了分枝变异算子与非分枝变异算子作为主要的进化算子。该算法以概率1收敛于全局最优解集。数值实验表明该算法优于其它多目标遗传算法。     

基于遗传算法的软件工程资源配置优化模型

综合软件过程中人力、物力资源的合理安排与统筹规划,提出一种基于遗传算法的活动规划与资源配置模型.在遗传算法中采用执行矩阵作为染色体,矩阵编码的染色体涵盖了活动规划与资源配置两部分内容,克服了传统的二进制字符串编码在描述复杂方案问题时存在局限性.仿真实验结果表明:基于遗传算法的软件工程资源配置模型使软件开发过程中的资源得到了合理的分配,为软件过程的管理与控制提供了科学的方案与依据,提高了软件开发的效率,保证了软件开发的质量.     

OFDMA系统中基于遗传算法的资源分配

资源分配是OFDMA系统中保证用户QoS和提高系统容量的一种重要手段.在传统的OFDMA资源分配算法中,分组调度和子载波分配两部分是独立进行优化的.为了进一步提高系统的整体性能,提出一种基于遗传算法的分组调度和子载波分配联合优化的资源分配算法.资源分配算法中,利用随机逼近的方法来更新调度算法中的控制参数,在保证用户公平性的前提下最大化系统吞吐量;利用遗传算法来求解联合优化中的子载波分配.仿真结果表明,无论是在系统的吞吐量、丢包率,数据包等待时延还是用户公平性方面,都具有良好的性能.     

基于遗传算法的指纹图匹配算法及应用

自动指纹识别系统因其在身份确认方面所具有的方便、快速、准确等特点而得到了广泛的研究 .该文利用分层匹配的思想 ,提出了一种根据指纹细节点结构特征进行初匹配的算法 ,并将遗传算法应用于更高层次的点模式匹配问题中 .该方法在自动指纹识别应用中取得了较好的结果.     

遗传算法优化 BP 神经网络的信号检测

针对传统方法单独采用 BP 神经网络算法易陷入局部极值的问题,提出了遗传算法优化 BP 神经网络,并将其应用于 MIMO -OFDM系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使 BP 网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。     

旅行商问题(TSP)的一种改进遗传算法

传统的序号编码遗传算法(GA)使用PMX、CX和OX等特殊的交叉算子，这些算子实施起来很麻烦。针对TSP问题的求解，提出了一种新的改进遗传算法：单亲进化遗传算法(PEGA)，PEGA是利用父体所提供的有效边的信息，使用保留最小边的方法进行个体的进化。与传统的遗传算法相比，PEGA算法弥补了它们的不足之处，简化了遗传算法。给出了PEGA算法的数值算例，仿真实验表明了该算法对于对称的TSP和非对称的TSP问题，都具有收敛速度快的特点，证明了该算法的有效性。