遗传算法取代时间的分析

在遗传算法中,选择算子具有重要的地位,评价选择算子的标准是取代时间。给出了取代时间的严格定义。对于基于比例的选择算子,详细地分析了算子的取代时间,证明了取代时间的阶不依赖于适应度函数的选取和初始群体的分布,为O（lnN)阶。同时,提出了取代时间系数的概念,可以定量地衡量不同的选择算子、适应度函数变换方式的作用。分析了常见的适应度函数的变换对取代时间系数的影响。     

免疫遗传算法及在优化问题中的应用综述*

指出遗传算法的不足,将免疫学原理引入遗传算法,进而形成免疫遗传算法。针对免疫遗传算法在优化问题中的研究现状,从编码技术、先验知识、操作算子、混沌理论引入、多种群方式、与小生境理论结合等方面进行了总结,指出了不足之处,最后探讨了免疫遗传算法需要进一步研究的问题和发展方向。     

文件传输的遗传算法优化研究

给出了文件传输问题的边着色模型。遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行的、随机搜索算法，具有自适应性。为了求解文件传输问题，文章在引入一种新的自适应性的交换概率和变异概率的基础士，提出了一种面向求解文件传输问题的遗传算法。提供了遗传算法的结构并讨论了遗传算子。本文给出了一个例子说明算法的收敛性和收敛效率，仿真结果表明了算法的有效性。     

基于违约解转化法的遗传算法及其应用

遗传算法求解约束优化问题时,面临的关键问题之一就是如何处理约束条件。目前最常用的方法是惩罚函数法,但也有一些其它方法。该文提出了一种较为通用的处理约束条件的方法—违约解转化法,也就是把所有违反约束的解逐渐拉向可行域之内,使之转化成为一个可行解。把此方法应用到遗传算法中,就形成了基于违约解转化法的遗传算法。测试实例计算表明,基于违约解转化法的遗传算法在求解约束优化问题时是可行的。     

遗传算法改进策略的研究

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法.近年来,由于遗传算法求解复杂优化问题的巨大潜力和工程等领域的成功应用,受到了广发关注.针对遗传算法的特点,结合遗传算法的理论,给出了遗传算法的改进方法,并进行了系统的分析和研究.     

基于遗传算法的DM在故障诊断中的应用研究

介绍基于遗传算法的数据挖掘在设备故障诊断中的应用,并在应用中根据实际问题改进遗传算法。依据石化企业采集到的关键设备运转状态的历史数据,应用优化的遗传算法构建分类模型。利用建立的分类模型可以对新数据进行判别归类,识别出设备故障的种类,依此找到故障的原因并消除故障,为工程技术人员和决策者提供有力的决策支持。     

遗传算法的研究及应用

遗传算法是一种典型的优化搜索算法,它的构造是使用人工的方式,并对生物遗传学和自然选择机理来进行模仿,是一种典型的数学仿真,而这种数学仿真是通过生物进化的过程来进行的,它是进化计算的一种非常重要的形式,它可以应用与生活中的很多领域。     

水电厂经济运行中遗传算法的应用

针对发电厂机组的运行现状,探讨了经济运行分析系统的基本运行方式及约束条件,并构建了经济运行所需的机组间负荷优化分配模型,给出了求解机组组合的优化算法及使用遗传算法求解机组出力的步骤,从而实现了经济运行系统的设计并指出了系统投入运行的实际意义。     

遗传算法应用的分析与研究

介绍了进化算法的原理以及历史,以及应用遗传算法解题的步骤,最后对其各重要因素进行分析.     

混合遗传算法及与标准遗传算法对比研究

文章详尽地阐述了1996年Pham和Jin提出的一种运用改进繁殖机制的遗传模型,称为混合遗传算法(HGA,HybridGeneticAlgorithm),并对HGA和GA(GeneticAlgorithm)的效能进行了对比性分析。理论与实验结果表明混合遗传算法收敛性明显快于标准遗传算法。     

二进制编码遗传算法中的控制参数选取方法

遗传算法是一种模拟自然进化而提出的简单高效的优化组合方法,在火电厂热工系统的PID控制器参数优化问题中得以广泛应用,但是影响遗传算法性能的一些控制参数,没有确切的选择方法。文中以主汽温串级控制系统为仿真算例,在给定的目标函数和罚函数基础上,并通过大量的仿真,给出了诸如种群整体规模、尺度变换系数、交叉概率、变异概率、编码长度及其寻优变量区间等的选择方法,为遗传算法在实际工程的PID参数优化提供了有效依据。     

混沌优化与遗传算法的智能集成

作为智能算法,遗传算法的确是解决非线性复杂优化问题的有利工具,但它在搜索过程中易陷入局部最优、收敛速度慢的缺陷又确实限制了它的寻优效能。混沌的遍历性、随机性和内在规律性使得混沌优化能够互补地与遗传算法进行集成。基于此,该文经过遗传算法和混沌优化方法的理论机制分析,将二者进行智能集成,给出混沌遗传优化算法CGA。经过仿真迭代运算,发现该算法能够保证求得全局最优解,并且寻优速度有很大提高。     

三维装箱问题的遗传算法研究

本文以集装箱自动装载系统为例,根据货物放置方向、装载容积等约束条件,给出了有效的解码算法,提出了一种改进遗传算法,并通过实例数据进行了实验结果分析。     

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。     

遗传算法算子优化的应用

为了解决简单的遗传算法中容易出现"早熟收敛"等问题,需要对遗传算法进行改进.改善的算法采用自适应的交叉和变异算子,让交叉和变异概率随适应函数值的变化而变化.测试证明这是一种有效的优化方法,可以起到跳出"早熟",加速收敛的效果.     

遗传算法的研究与应用

根据遗传算法的一些基本概念以度遗传算法的操作流程。对遗传算法的繁殖算子从数学上给出定义，刻划了繁殖算子的本质。遗传算法是一种基于概率意义上的随机搜索算法。但它是从空间上的一组点而不是一个点出发。因此遗传算法的搜索能力比其他随机搜索算法更强，可以找到全局范围内的最优解。但是。应该注意在遗传算法的应用中，要避免其过早的收敛，防止陷入局部最优解。     

遗传算法及其在数据挖掘中的应用

遗传算法是一种模拟生物进化过程的自适应全局优化算法,是解决现代非线性优化问题的一种重要方法。作为一种全局优化算法,遗传算法很适合于数据挖掘工作。在介绍遗传算法的基本原理和特点的基础上,对遗传算法在数据挖掘中的应用问题作了一些初步的探讨,最后给出一个应用遗传算法进行数据挖掘的具体实例。     

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。     

改进遗传算法在公交调度优化中的应用

在充分考虑公交公司运营成本和乘客候车等待成本的基础上,引入了乘客坐车舒适度这一指标建立了公交调度优化模型。针对基本遗传算法在实际应用中出现进化缓慢和提前收敛的问题,利用蚁群算法具有局部搜索能力强和收敛速度比较快等优点,引入了蚁群算法引导变异,建立了自适应的遗传算法,实现了模型求解的高效性和高精度。     

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。