并行启发式进化遗传算法

本文通过对遗传算法 (GA)的过早收敛问题及其解决方法的探讨 ,结合种群分布、多种群进化、迁徙及并行启发式结构等思想 ,提出一种求解全局最优解的并行启发式进化遗传算法 (PHGA) ,仿真结果验证了这种新算法良好的全局收敛性性能     

冒泡择优遗传算法

为快速地寻求复杂多峰函数的全局极值点，提出一种冒泡择优遗传算法。它以冒泡的形式让每一代种群中的最优的个体参加列队竞争，以成为局部最优或全局最优。对于达到局部极值的个体，进行湮灭操作，重新进行进化与列队竞争。该算法能自动保持种群多样性且易于实现。实验结果表明，该算法对于求解多峰函数优化的问题十分有效，通常都能找到全部全局最优解。     

一种改进的最优保存遗传算法

在已有的研究工作基础上，给出了一种改进的最优保存遗传算法，研究了算法的全局收敛性和收敛速度，并给出了收敛性证明．数值实验表明．该算法能够有效的求解全局优化问题．     

应用遗传算法原理确定函数的最优解

本文主要介绍了一种新型的、随机性的全局优化方法即遗传算法.一般应用于在一个问题的解集中查找最优解情况,如是一个问题有多个答案,但是想查找一个最优答案的话,那么使用遗传算法可以达到更快更好的效果.即在浮点编码遗传算法中加入一个函数,构成适于不可微函数全局优化的遗传算法.该算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率.     

基于遗传算法的配机专家系统

结合实际装机过程中遇到的NP问题以及当前多数人专业电脑硬件知识的贫乏和对装机过程的不了解,研究如何利用遗传算法来求解全局最优解以进行配机.本文为装机者提供了一种全新的配机思路和运算方法,该算法编程简单、运算速度快,在实际应用的过程中有较好的实用价值.     

用于全局优化的混合正交遗传算法

为提高正交遗传算法收敛速度和搜索精度,在正交遗传算法的基础上引入局部搜索策略,提出一种新的聚类局部搜索算子。利用正交算子初始化种群,保证初始群体分布的均匀性和多样性。通过正交算子在全局范围内进行全局搜索,使算法能在全局范围内收敛。采用聚类局部搜索算子对群体进行局部搜索,以增强算法的收敛速度和搜索精度。对7个高维的Benchmark函数进行测试,仿真实验结果表明,与其他算法相比,该算法具有更好的搜索精度、收敛速度和全局寻优的能力。     

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。     

一种病毒进化型遗传算法

本文提出一种病毒进化型遗传算法VEGA。此算法在一般遗传算法的基础上,通过对病毒个体和宿主体行为及相互关系的模拟,使进化个体的多样性大大提高,算法更易趋于全局极化。模拟实验验证了VEGA的优良性能。     

一种基于改进的遗传算法的脑MR图像去偏移场模型

由于磁共振图像（Magnetic Resonance Images,MRI）常含有偏移场,影响后继图像分割。采用Legendre多项式基函数来拟合偏移场,以去除偏移场对图像分割的影响。当使得恢复图像的信息熵达到最小时,求得的偏移场最优。求偏移场的过程中需要求解基函数的参数,由于传统的梯度下降法易陷入局部最优,将遗传算法引入到参数求解过程中,然而传统的遗传算法时间复杂度高,易陷入局部最优,对遗传算法进行了改进,更容易得到全局最优解且时间复杂度较低。实验证明该算法可以得到精确的偏移场,得到准确的分割结果。     

一种基于遗传算法的脑MR图像去偏移场模型

由于磁共振图像(magnetic resonance images,MRI)常含有偏移场而影响后继图像分割,针对这种图像的分割,采用Legendre多项式基函数来拟合偏移场,可以去除偏移场对图像分割的影响。当使得恢复图像的信息熵达到最小时,则求得的偏移场最优。在求偏移场的过程中,需要求解基函数的参数,由于传统的梯度下降法易陷入局部最优,为解决此问题,提出将遗传算法引入到参数求解过程中,然而传统的遗传算法不仅时间复杂度高,且易陷入局部最优,为此需对遗传算法进行改进,使得不仅更容易得到全局最优解,且时间复杂度较低。实验证明,该改进算法可以得到精确的偏移场,并可得到准确的分割结果。     

运用遗传算法进行智能音乐作曲研究

采用遗传算法进行算法作曲,主要利用遗传算法的全局最优性,并且相对简单有效的特点.利用简洁的编码方式对基因进行编码,有效地表达了乐曲的主要信息,方便了适应度函数的计算和相关遗传操作的进行.针对音乐质量评估问题,提出了将相关音乐知识的规则和人机交互相结合的模式,共同对所创作音乐进行合理评价.不仅提高了评价的准确性,而且大大降低了人的工作量,产生了良好的音乐工程效果.     

多层微波吸收材料的遗传算法设计

利用遗传算法(GA)编写多涂层优化设计程序,该程序可以调用矢量网络分析仪测量的电磁参数,根据吸波材料的电磁参数对0.5～6.0GHz范围内不同材料的涂层厚度进行优化设计;讨论了不同的目标函数和厚度优化方法对优化结果的影响,提出多常数权重法建立目标函数。结果表明:此方法可以简单地从材料电磁参数的数据库中,按照设定的要求计算得到最优的电磁波吸收涂层;利用提出的多常数权重法建立的目标函数可以更好的设计宽频带高吸收的电磁波吸收涂层。     

一种求解优化问题的新型混合遗传算法

论文在标准遗传算法中引入新的交叉运算和变异运算,针对优化问题提出了一类新型混合遗传算法。具体算例验证了算法的有效性和相对于标准遗传算法及某些混合遗传算法的优越性。     

基于网络遗传算法的全局优化

本文在分析当前全局优化方法研究现状的基础上,提出了一种改进的遗传算法――网络遗传算法,应用简单实例说明了网络遗传算法的具体操作,同时应用大量数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。     

改进的遗传算法求解TSP问题

实际应用中经常用人工智能算法如遗传算法求解TSP等一类NP难题．针对原有的遗传算法在初始化种群随机性的缺陷以及在产生子代过程中无法保存最优个体的问题．给出基于贪心算法的种群初始化和交叉变异后最优个体保存算法相结合的改进遗传算法,并在VC＋＋平台上对该算法的实现过程进行动态演示。     

基于种群差异度的自适应遗传算法

常规遗传算法采用恒定的选择压力和变异概率,后期进化速度较慢,对于复杂优化问题通常难以获得高质量的解。该文根据染色体的相似性,提出了种群差异度的概念,并依据种群差异度自适应地调整遗传参数。算例表明,与常规遗传算法相比,文章提出的算法能显著提高解的质量和收敛速度。     

基于量子遗传算法的非线性无约束优化方法

量子遗传算法(QGA)是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子旋转门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性。非线性无约束优化是典型的工程应用问题,而复杂非线性函数的优化结果往往不能令人满意,如陷入局部最优等。利用量子遗传算法强大的搜索能力,可以很好的解决复杂非线性函数的无约束优化问题,实验表明量子遗传算法在该类问题中的有效性和可行性。     

遗传算法的应用及研究分析

在介绍遗传算法的基本原理与方法的基础上,分析了遗传算法相对于其它算法的优越性和存在的问题以及遗传算法的主要应用和研究发展方向。     

一种改进型量子遗传算法

针对量子遗传算法在复杂连续函数优化中存在的收敛速度慢、易陷入局部极值等缺点,提出一种改进型量子遗传算法。采用动态策略调整量子门旋转角,以加快收敛速度,采用优体交叉策略实施交叉操作,以增强局部搜索能力。通过典型复杂连续函数的测试验证该算法的可行性和有效性。     

多宇宙并行量子衍生遗传算法研究

将量子的多宇宙特性和遗传算法相结合,提出了多宇宙并行量子衍生遗传算法。算法中将种群分成若干个独立的子群体,称为宇宙。给出了不同宇宙数量下的并行拓朴结构,提出了宇宙内采用量子旋转门演化和量子变异,宇宙间采用移民和量子交叉的两种信息交互方式,能有效克服早熟收敛现象,使得搜索效率和搜索能力得到更进一步提高。典型函数优化实验验证了该文所提算法的有效性。