改进自适应遗传算法在函数优化中的应用研究

为了改善传统自适应遗传算法的收敛速度以及局部收敛问题,根据种群适应度的集中程度,以种群的最大适应度、最小适应度以及适应度平均值这3个变量为基础,设计了改进的自适应交叉概率和变异概率来调整整个种群的交叉概率和变异概率,提出了一种基于种群适应度集中程度的改进自适应遗传算法.将该算法应用于函数优化中,仿真结果验证了其具有"快速收敛"的特点,且在很大程度上可避免遗传算法的早熟现象.     

基于概率模型的遗传算法

提出了一种基于概率模型的遗传算法，它没有采用选择和交叉算子，而是利用对基于统计信息的概率向量的操作来实现选择和交叉算子的功能，应用概率模型的遗传算法对4个著名的测试函数进行优化计算，实验结果表明该算法不易陷入局部极值，收敛速度快，且实现简单。     

广义自适应遗传算法

本文在分析基本算法的原理与存在问题的基础上,提出了一种广义自适应遗传算法,它的搜索性和全局收敛性都有明显的改善,并通过仿真说明了该改进遗传算法的有效性。     

评定圆度误差的模拟退火自适应变异遗传算法

圆度误差是几何精度的重要指标．已有的评定方法存在一定的局限性．为此．提出了一种快速地、准确评定圆度误差的新方法．该方法采用一种新颖的改进遗传算法．通过遗传种群的遗传过程实现对参考圆圆心的快速搜索．为了保证收敛性并加快收敛速度,采用了模拟退火和自适应变异策略．为了提高算法精度和收敛速度．采用了实数染色体基因编码．并采用白适应线性变异和线性交叉．仿真实验和实用证明,该方法算法简单、可快速准确的评定出圆度误差．     

改进型自适应遗传算法研究

针对遗传算法的改进，提出了一种新的评价种群过早收敛程度的指标，进而给出一种新的自适应调整策略。仿真计算表明，该方法较一般遗传算法和一般自适应遗传算法有较大提高。     

基于逆序与对偶组合算子的小生境遗传算法

在逆序算子和对偶算子的性能研究基础之上,设计了逆序与对偶组合遗传算子,增强了局部搜索性能．通过引入共享机制小生境技术,并且采用自适应策略,对种群的多样性进行有效保护。构造了一种基于逆序与对偶组合算子的小生境遗传算法,较好地解决了局部搜索与全局搜索之间的矛盾,保证了算法的全局收敛性．算例测试表明该算法具有较强的整体寻优能力．     

基于逆序与对偶组合算子的小生境遗传算法

在逆序算子和对偶算子的性能研究基础之上,设计了逆序与对偶组合遗传算子,增强了局部搜索性能．通过引入共享机制小生境技术,并且采用自适应策略,对种群的多样性进行有效保护。构造了一种基于逆序与对偶组合算子的小生境遗传算法,较好地解决了局部搜索与全局搜索之间的矛盾,保证了算法的全局收敛性．算例测试表明该算法具有较强的整体寻优能力．     

基于自适应遗传算法的图像匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷，提出了一种基于自适应遗传算法(AGA)的匹配方法，该算法与传统遗传算法的不同在于其交叉概率和变异概率随个体的适应度值而变化，避免了后者易陷入局部极值的缺陷，从而增强了算法的快速性和全局收敛性能．图像与模板的相关值是一多峰值函数，模板匹配实质上是多峰值寻优过程．将AGA应用到图像匹配，是以相关值为适应度函数，通过选择、交叉、变异等遗传操作，对遗传个体进行迭代寻优，找出图像中的最佳匹配点．实验结果表明，基于该算法的图像匹配具有运算量小、匹配精确等优点，且算法稳定．     

基于自适应遗传算法的激光图像处理

针对激光图像分割处理的问题,提出了一种基于自适应遗传算法的激光图像分割处理算法.该算法将自适应遗传算法与最大类间方差分割方法相结合,将图像类间方差作为适应度函数,利用交叉概率和变异概率动态调整自适应遗传算法求解最大类间方差的最优阈值.为了衡量该算法的处理效果,分别采用本文算法和最大类间方差图像分割算法对图像进行处理.结果表明,该算法的CI值为0. 417,能够对图像进行有效分割,且分割的准确性和运算速率均优于传统的最大类间方差分割方法,具有较高的实践价值.     

一种改进的基于进化阶段的自适应遗传算法

为改善遗传算法的优化性能,延长种群搜索过程,对基于进化阶段的自适应策略遗传算法进行了改进．改进的自适应策略不仅基于进化阶段,同时基于个体,特别是采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解．实验结果表明,该改进的算法确实延长了算法的搜索阶段,提高了算法的性能．     

基于群体列突变遗传算法的遍历性

通过分析遗传算法过早收敛的原因,提出了一种基于群体列突变的遗传算法,分析了这种遗传算法交换和突变操作的特性,证明该遗传算法能够进行遍历搜索.该算法克服了遗传算法的局限性,通过群体列突变能够避免过早收敛,并找到最优解.     

自适应分层遗传算法在函数优化中的应用

通过分析基本遗传算法在函数优化中的应用，研究其不收敛和收敛慢的原因，并在此基础上提出了自适应分层遗传算法。通过实验，证明了改进算法的优越性。     

基于自适应混合遗传算法的 岩石类材料动态参数反演

将多元函数的下山单纯形法嵌入遗传算法,加强了算法的局部搜索能力,并且将交叉概率、变异概率以及 局部搜索概率改进为随遗传个体的适应度值改变和进化代数的增加而调整的自适应型。在此基础上针对岩石 类材料的特性,将数值计算值与冲击压缩实验结果之间的相对均方差作为适应度函数,编制了反演分析算法来 确定岩石类材料考虑损伤的非线弹性动态本构模型的待定特征参数。结果表明:由动态本构方程得到的再生应 力-应变曲线与实验曲线之间具有较好的一致性,从而验证了该反演分析方法是合理可行的以及动态本构模型 对于岩石类材料的适用性。     

非线性变参数估计的遗传算法

在将遗传算法应用于非线性系统的变参数估计的基础上,提出了一种基于实数编码方案的自适应遗传变参数估计的一般算法,较好地解决了传统算法难以很好解决的变参数估计问题。通过在实践中应用表明,遗传算法在解决复杂非线性系统变参数估计方面具有较好的应用前景。     

Research on Modified Shifting Balance Genetic Algorithms

The increasing overlap of core and colony populations during the anaphase of evolution may limit the performance of shifting balance genetic algorithms. To decrease such overlapping,so as to increase the local search capability of the core population,the sub-space method was used to generate uniformly distributed initial colony populations over the decision variable space. The core population was also dynamically divided,making simultaneous searching in several local spaces possible. The algorithm proposed in this paper was compared to the original one by searching for the optimum of a complicated multi-modal function. The results indicate that the solutions obtained by the modified algorithm are better than those of the original algorithm.     

基于遗传算法的多配送中心运输调度研究

多配送中心的车辆调度问题是一个较难的组合优化问题,也是一类典型的NP—hard问题。遗传算法作为一种有效的优化算法得到了广泛的应用。为了解决了物流多配送中心的运输问题,文章运用新的交叉变异方法提出了一种改进的遗传算法。该算法保持了良好的种群多样性,具有更高的性能。     

基于改进遗传算法的紧固螺栓优化设计研究

探讨了遗传算法在机械设计中的应用，并对该方法作了改进,与传统优化方法相比该方法具有对初始值不敏感以及能搜索到全局最优解的优点，对紧固螺栓的优化实例表明，该方法可行且简便。     

一种自适应递阶遗传算法

针对简单递阶遗传算法的不足 ,首先提出了个体浓度的概念 ,以衡量种群的多样性 .结合个体浓度和进化代数 ,提出一种自适应递阶遗传算法 ,该算法不但可以提高种群的多样性 ,而且可以保证收敛性和快速性 .应用实例表明了本算法的有效性 .     

一种改进的自适应遗传算法

遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法.针对传统遗传算法和自适应遗传算法存在"早熟"现象及收敛速度慢的不足,提出了一种改进的自适应遗传算法,并对交叉概率和遗传概率进行改进.仿真结果说明了改进的自适应遗传算法比传统遗传算法和自适应遗传算法在收敛性能和搜索能力上都有很大的提高.