免疫遗传算法及其在波阻抗反演中的应用*

提出一种改进的免疫遗传算法（IGA）并用于波阻抗反演。IGA设计了基于抗体激励度和抗体浓度的免疫选择算子及加速全局收敛的非一致性变异算子,提出了抗体规模自适应调整机制,IGA能够改善传统非线性反演方法易早熟和局部收敛等弊端。通过理论模型试算表明,IGA具有较高的反演精度和反演效率;阳泉二矿实际资料反演所得剖面的纵向分辨率明显高于实际地震剖面,弱反射波的连续性和可检测性明显提高,表明改进的免疫遗传算法适用于煤炭地震波阻抗反演。     

浮点数编码遗传算法及其在电站机组组合优化中的应用

对遗传算法进行浮点数编码并设计相应的遗传操作,得到浮点数编码的遗传算法ＦＧＡ。仿真实例表明：与ＡＧＡ相比,ＦＧＡ不易陷入局部极值,收敛速度快,且能得到较高的优化精度。ＦＧＡ应用到电站机组组合优化问题中,得到良好的结果。     

基于遗传算法的混合分形编码

１引言图象中存在局部与全局两方面的信息冗余,局部性表现在图象中的光滑性,全局性表现在图象结构的一致或相似性重复,若要达到理想的压缩效果,必须综合考虑两方面的冗余因素．分形编码在降低全局冗余方面较为有效,然而分形编码的算法复杂,例如对于２５６×２５６的...     

基于实数编码的广义遗传算法及其在优化问题中的应用

对遗传算法中一些具有代表性的算法作了简要分析和评论，在此基础上将实数编码引入广义遗传算法，给出了一个算法框架，设计了相应的遗传操作方法，并将该算法应用于函数优化问题和神经网络训练问题，数值算例表明，该方法具有全局优化功能和快速收敛特性，对于求解复杂优化问题具有广泛的适用性。     

混合量子遗传算法及其在VRP中的应用

物流配送车辆路径问题(VRP)是一类典型的NP问题.针对提高寻优能力问题,构造了一种混合量子遗传算法(HQGA),即在传统量子遗传算法(QGA)随机全局搜索的基础上引入一个免疫算子,通过该算子的局部搜索操作实现线路内次序的再优化.给出了该算法的具体实现方法和流程,并用实例进行测试.仿真结果表明混合量子遗传算法的寻优性能优于传统量子遗传算法(QGA)及文献中的其它方法,可以避免出现早熟收敛,是求解车辆路径问题的一种有效的算法.     

混合编码遗传算法基于面向对象方法的实现及应用

采用面向对象方法对混合编码的遗传算法进行了分析和设计,并在此基础上开发了通用的遗传算法工具箱,结合城市给水管网泵站的优化调度问题说明了其应用。     

遗传算法在反演颗粒粒径分布中的应用

为了提高颗粒粒径测量的抗噪性,提出了一种基于遗传算法的颗粒粒径分布反演问题的解决方法。基于Mie散射理论,建立了颗粒粒径测量模型,用所设粒径分布对应的光强分布与实测光强的差值作为目标函数,采用非均匀变异算子提高了算法的局部搜索能力。对数学模型进行Matlab编程,利用遗传算法使目标函数达到极小值,然后得到对应粒径范围的概率,从而得以确定颗粒粒径分布。数值模拟仿真结果表明,相比传统的反演算法,该算法具有更好的抗噪性。     

遗传算法的编码理论与应用

编码是遗传算法求解问题的前提,文章分析了二进制编码、格雷码编码、实数编码、符号编码、排列编码、二倍体编码、DNA编码、混合编码、二维染色体编码或矩阵编码等编码的实质内容,在树编码和可变长编码基础上阐述了自适应编码的基本理论,提出了基于相似度的可变长编码和基于结构的agent编码方式,给出了函数优化、TSP、KP、JSP、机器人路径规划、图的划分和倒立摆等典型优化问题的编码方案。     

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。     

基于实数编码遗传算法的混合神经网络算法

该文比较了神经网络与遗传算法的特点,提出了一种融合遗传算法和BP算法的神经网络算法设计。该方法采用了基于实数编码的改进遗传算法来替代随机设定神经网络的初始权阈值,然后由改进的LMBP算法在已由遗传算法确定了的搜索空间中对网络进行精确训练。仿真结果表明神经网络的逼近能力和泛化能力得到了综合提高,能够有效抑制遗传算法初期收敛的发生,确保了快速达到全局收敛,克服了传统BP算法精度低、收敛速度慢、容易陷入局部极小的缺陷。     

面向非线性规划问题的混合式遗传算法

面向非线性规划问题,通过引入准可行方向、准可行方向的可行度等新概念,提出了描述和度量非可行点(染色体)的新方法;通过嵌入非可行染色体的信息于评价函数中,突破传统的给非可行染色体以大的惩罚的思想,提出了三种新的评价非可行染色体的方法.基于梯度方向搜索和新的评价方法,提出了一种新的沿权重梯度方向变异的混合式遗传算法(HGA).对测试问题的仿真结果表明了算法的有效性.     

遗传算法及其应用

跹传算法是模拟自然界生物进行过程的计算模型，作为一种有效的全局并地优化搜索工具，它具有简单，通用、鲁棒性强和适于并行分布算处理的特点以及广泛的应用潜力，本文主要阐述了遗传算法的基本原理、方法和特点、并着重从应用的角度对它的主要研究内容（包括并行实现）进行了较深入的讨论。     

一种改进的遗传量子算法及其应用

针对遗传量子算法(0QA)在优化连续多蜂函数时易出现早熟现象，本文提出一种改进的遗传量子算法(IGQA)，其核心是在量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。通过典型函数测试和FIR数字滤波器设计实例表明，IGQA的性能优于GQA和其它几种遗传算法，具有比GQA更快的收敛速度和更好的全局寻优能力，能有效地克服早熟现象。     

遗传算法及其在训练前向神经网络中的应用

本文论述了遗传算法的基本原理，操作及算式，并以一个识别部分英文字母的多层前向神经网络为例，给出了用遗传算法训练网络优化网络权值的方法和步骤，实验结果表明了这一方法的有效性。     

一种新的改进遗传算法及其应用

研究并提出了一种基于模式的改进遗传算法,该算法加强了好的模式对群体的影响,在收敛速度和防止陷入局部最优解取得了平衡.在一个经典测试函数的仿真实验中,与基本遗传算法(SGA)和自适应遗传算法(AGA)相比,该改进遗传算法表现了良好的效果.     

基于特征进化的混合遗传算法

对于遗传算法存在早熟性收敛和收敛速度慢等问题,可通过保护存在于种群中的最小诱导模式和属于收敛优化解或全局最优解的有效基因块,得到有效的改善.通过对种群中个体之间关系分析,建立特征保护策略及特征进化算子,由此改进的混合遗传算法具有较高的收敛速度,并能收敛于规模小于2 000个城市的旅行商问题全局最优解.     

一种新并行遗传算法及其应用

基于量子计算的概念和原理,本文提出一种新并行量子遗传算法,即粗粒度并行量子遗传算法(CGPQGA)。该算法的核心是引入层环粗粒度并行计算模型和一种新进化策略。由于CGPQGA只需迁移搜索到的最佳个体到各个子群体,因而算法的通信开销很小。通过用CGPQGA设计控制器的应用实例表明,CGPQGA优于常规并行遗传算法,能加速子群体中最佳个体的迁移,收敛速度快,全局寻优能力强,同时具有勘探和开采的能力。     

启发式遗传算法及其应用

1.引 言 在科学实践、工程技术和日常生活中,人们常常会遇到大量的、各式各样的最优化问题.最优化方法在近几十年里获得了巨大的发展,但目前很多方法不同程度上还存在着一些不足之处.尤其是最终所求得的大多为局部最优解,并不是全局最优解.而近年来得到蓬勃发展的遗传算法其本质是一种求解问题的高效并行全局搜索方法.它能在搜索过程中自动获取和     

遗传模拟退火算法解决纸箱生产的损耗问题

纸箱包装行业是一个传统的产业,在纸箱生产中需要拼单来降低修边损耗以减少成本.根据生产上的实际经验提出了问题的数学模型,针对该模型,将遗传算法和模拟退火算法结合,解决了遗传算法的收敛过快以及局部搜索能力不强的问题.在选择操作中直接保存优秀个体,来增强算法的收敛性.在变异和交叉操作中采用自适应的变异和交叉概率,增强了搜索解空间的均匀性,并引入了记忆功能,最终获得问题的近似最优解.     

混合遗传算法研究及其应用

为了求解基于智能制造环境所建立的生产规划模型，解决维数灾、局部解等问题，本文对遗传算法进行了研究，提出并设计了一种线性规划和遗传算法相结合的启发式优化方法，并对其应用作了进一步的探讨。