基于遗传算法的机器人运动学逆解

在分析以往逆解方法的基础上，提出了用遗传算法求解机器人运动学逆解的方法，给出了用于优化求解的适合度函数，并提出用二次编码法提高解的精度．计算机模拟证明：该方法能快速收敛于全局最优解，能给出机器人的可能解，并能计算冗余度机器人的逆解．     

自适应遗传算法在脑电逆问题中的应用

脑电逆问题是指利用脑电图 (EEG)数据去反演可以反映脑电活动等效偶极子源的参数信息。优化方法是解决这一问题的有力工具。自适应遗传算法根据算法的不同情况自动改变遗传算子 ,将这一算法应用于脑电逆问题 ,其运算速度和防止局部最优的性能较基本遗传算法有较大提高     

一种解列车节能操纵问题的改进算法

本文提出一种解列车节能操纵问题的算法。该处是基于微分方程的数值解和解带约束条件的优化问题的遗传算法。     

基于改进初始解的遗传算法的布局设计方法

带性能约束的三维布局问题属于具有很强应用背景的组合优化问题,进行了基于全局的布局求解方法的探索。由于NP完全问题的计算复杂性,使得遗传算法求解问题的全局最优解时效率较低。改进了遗传算法的初始解,对提高算法的效率进行了研究。并以旋转卫星舱布局的简化模型为背景,建立了多目标优化数学模型。实例结果与传统遗传算法以及乘子法的计算结果比较,表明该算法具有较好的求解效率。     

用并行遗传算法解列车控制问题

遗传算法是一种全局优化的数值计算方法,它存在自然并行性。给出一种解列车控制问题的并行遗传算法,并讨论算法中一些技术问题。     

基于基因表达式编程的TSP问题求解

利用遗传算法求解组合优化问题时,需要特有的遗传算子,才能在候选解空间中有效搜索和进化。基因表达式编程（GEP）是进化计算家族的新成员。旅游商问题（TSP）是典型的组合优化问题,得到了广泛的研究,它的研究成果将对求解NP类问题产生重要影响。基于基因表达式编程（GEP）来解决TSP问题,引入适用组合优化的遗传算子：逆串,基因串的删/插等,最后进行了实验,展示GEP解决TSP问题的方法。实验表明GEP能有效解决TSP问题,设计的系统是强壮健康,其求解速度快且解的质量好。     

GA与PSO解DE与LP问题的效率比较

遗传算法和粒子群算法都具有很强的搜索能力,在最优化问题中有着极其广泛的应用.文章针对常微分方程(DE)近似解和一般线性规划(LP)问题的解利用遗传算法和粒子群算法求解,深入的比较和分析了GA与PSO在这两种优化问题中的效率.在固定其他参数而调整群体数量的基础上比较了GA与PSO在微分方程近似解和LP问题解的优化能力.     

基于遗传算法的排课问题研究

排课问题是一个有约束、多目标的组合优化问题,同时也是一个NP-hard问题。因此,该文选用将遗传算法引入排课问题中,首先对排课问题进行了描述,在此基础上提出了一种基于遗传算法的排课算法,并对其进行了仿真实验,最后较快的找到了问题的最优解或次优解。     

一种求解图着色问题的蚁群遗传算法

遗传算法在图着色问题上已经得到广泛的应用,但对于顶点数较多的图,使用此类算法进行着色的结果就显得不够理想,运行效率也不够高。由于遗传算法具有全局收敛性,蚁群算法具有局部收敛性,因此,将遗传算法和蚁群搜索算法融合,提出一种新的解决图着色问题的蚁群遗传算法。该算法先利用蚁群算法快速地为遗传算法搜索到较好的初始解,然后利用遗传算法进一步遗传优化,同时在优化解上加强信息素强度,并反馈给蚁群搜索。实验结果表明,改进的算法在解决顶点数较大的图着色问题上有明显的优势。     

基于灾变遗传算法的数控冲床加工路径的优化

该文以数控冲床编辑与监控系统项目为背景,对数控冲床加工路径优化问题进行讨论。首先分析了数控冲床路径优化的基本原理,把加工路径优化抽象为TSP问题。然后采用效率较高的遗传算法对TSP问题进行求解,论述了遗传算法的具体实现。接下来为了解决遗传算法的容易陷入局部最优解的问题,加入了灾变算子来杀死当前的优质个体,使远离当前最优解的个体有充分的进化空间,从而使其跳出局部最优而更接近全局最优。最后对遗传算法和加入遗传算子的灾变遗传算法进行了比较分析,得出了灾变遗传算法在数控加工领域的更有优势的结论。     

基于自适应模拟退火遗传算法的非线性方程组求解

将非线性方程组的求解问题转化为函数的优化问题。针对传统的遗传算法（GA）容易早熟的不足,对其进行了两方面改进,采用自适应交叉比例产生交叉后代和变异后代,并融合模拟退火算法（SA）的思想,建立了自适应模拟退火遗传算法（ASAGA）。数值实验表明,该算法提高了遗传算法的全局搜索能力,是求解非线性方程组的一种有效算法。     

Genetic algorithm for robot selection and work station assignment problem

In this paper, we introduce Genetic Algorithm (GA) for optimal Robot Selection and Work station Assignment (RS/WA) problem for a CIM system. In particular, the RS/WA problem can be considered as a generalized two-dimensional multi-type bin packing problem that has been shown to be NP-hard. A multichromosome GA combined with heuristic bin packing algorithm is implemented for solving the problem and the effeciency of proposed method is shown by numerical example. Our approach may be applicable to other this kind of bin packing problems.     

基于和声搜索算法求解组合优化问题

为了能够应用和声搜索算法（HSA）求解组合优化问题,基于HAS的三种操作的离散化实现提出了一种二进制和声搜索算法(BHSA),并将BHSA用于求解著名的k-可满足性(k-SAT)问题和0-1背包问题,通过与粒子群优化（BPSO）和遗传算法（GA）的实例计算对比验证了新算法的可行性与有效性。     

求解TSP问题的改进模拟退火遗传算法

巡回旅行商问题（TSP）是最典型的NP的难题,遗传算法（GA）是解决这类问题的有效方法之一。由于该问题的解是一种特殊的序列,一般的交叉算子在该问题的求解效果方面并不理想,提出了贪心的3PM交叉算子,同时又引入退火选择方法,形成一种新的模拟退火遗传算法GCBSAGA（Greed Cross-3PM Based on Simulated Annealing Genetic Algorithms）。该算法还将模拟退火算法与遗传算法相结合,使得遗传算法在前期发挥着全局搜索的强大功能,很容易收敛到全局较优解;后期用模拟退火算法来处理遗传算法前期的全局较优解,充分利用模拟退火算法后期局部搜索的强大功能,最终收敛到全局最优解。经过国际公认的TSPLIB提供的实验数据的验证,GCBSAGA在实例eil76、eil101、pr144、st70均找到了比TSPLIB提供的最优路径更优的解。     

基于改进的遗传算法求解可满足性问题

遗传算法(GA)是由Holland提出的一种基于进化论的仿生算法,非常适于求解最优化问题.为了更好地利用SGA求解SAT问题,在将SAT问题等价转换为{0,1}n上的多项式是否存在零点的判断问题基础上,将局部搜索算法(LSA)与SGA相结合,给出一种求解3-SAT问题的改进混合遗传算法(MHGA),并通过对随机大规模3-SAT问题实例的实际求解验证了MHGA的可行性与有效性.     

EXPLICA: An Explorative Imperialist Competitive Algorithm based on the notion of Explorers with an expansive retention policy

Meta-heuristic algorithms are of considerable importance in solving optimization problems. This importance is more highlighted when the problems to be optimized are too complicated to achieve a solution using conventional methods or, the traditional methods are somehow not applicable for solving them. Imperial Competitive Algorithm has been proved to be an efficient and effective meta-heuristic optimization algorithm and it has been successfully applied in many scientific and engineering problems. By introducing the concept of explorers and retention policy, the original algorithm is enhanced with a dynamic population mechanism in this paper and hence, the performance of the Imperial Competitive Algorithm is improved. Performance of the proposed modification is tested with experiments of optimizing real-values functions and results are compared with results obtained with the original Imperialistic Competitive Algorithm, Genetic Algorithm, Particle Swarm Optimization and Simulated Annealing. Also, the applicability of the proposed improvement is verified by optimizing a ship propeller design problem.     

基于MATLAB的非线性方程组遗传解法

将非线性方程组的求解问题转化为用遗传算法求解目标函数的最小值问题,利用MATLAB的遗传算法与直接搜索工具箱（GADs）对目标函数求取最小值。计算结果表明,用该方法求得的非线性方程组近似解精度较高。     

基于CBR-GA的建筑块重组*

为了解决遗传算法（GA）中好的建筑块被破坏的问题,提出基于CBRGA的建筑块重组方法。首先反复运行简单的遗传算法找到多个局部最优解,并选择多个不同的局部最优解构建案例库;然后应用差异化学习方法产生新案例,有效解决了GA中随机交叉对建筑块破坏的问题;最后通过4阶欺骗问题验证了新算法的可行性。     

基于旅行商问题的粒子群优化算法

旅行商问题(Traveling Salesman Problem,TSP)是一类离散的、NP(Non-deterministic Polynomial)完全的组合优化问题,有着广泛的应用背景和许多的求解方法。该文介绍了用粒子群优化算法求解旅行商问题,并与模拟退火算法和遗传算法相比较,通过实验结果说明了粒子群优化算法在解决大规模组合优化问题上的有效性和可行性。     

基于遗传算法的三节阻抗变换器设计

采用遗传算法对三节的理想传输线阻抗变换器进行优化设计,该传输线阻抗变换器能三个任意频率点对任意的纯电阻负载实现阻抗匹配.在给定条件下,首先对阻抗变换器构成的方程组进行预处理,并得到一个简化的方程组.再根据简化的方程组设计出适应度函数,通过遗传算法对简化方程进行数值求解,得到阻抗变换器的所有设计参数,并对所设计的阻抗变换器进行Ansoft Designer仿真分析.仿真结果显示该设计方法的正确性和有效性,该设计方法可用于实际的设计问题.