遗传算法在辅助设计神经网络中的应用

本文论述了遗传算法的基本思想，基本操作及运用过程，并给出了它在辅助设计人工神经网络中的实例。实验结果表明，利用遗传算法技术辅助设计神经网络消除了目前采用的反复试验方法所固有的盲目性和随机性，并能确保得到最佳方案的设计。     

一种适用于优化分配问题的对称型遗传算法

在把传统的遗传算法应用于优化分配问题时，会出现冲突，空缺和无解等现象。提出的一种对称型遗传算法，能避免这些缺点，等概率地从两父代解继承优良模式，从而加快收敛，提高效率，经用于ＶＬＳＩ－ＣＡＤ的原理图布图实例中，证实本算法收敛稳定，效果良好。     

退火遗传算法在曲面求交中的应用

成功地将退火遗传算法与跟踪法结合应用于曲面求交算法中,通过将遗传算法与局部搜索策略相结合来提高演化效率,由于充分利用了遗传算法的全局搜索能力和内在并行性,以及跟踪法的局部快速收剑性,系统可以进行稳定可靠的交线计算,并得到正确的交线拓扑结构,对该算法各个部分进行了详细论述,并给出了在一个基于Ｗｉｎｄｏｗｓ／ＮＴ平台的原型系统ＴｉｇｅｒＳｕｒｆ中的实现和结果数据。     

遗传算法在钟表机芯设计中的应用

在钟表机芯设计中，齿轮参数的优化设计是一个组合优化问题，很难用传统优化方法解决.遗传算法是一种基于生物进化原理的启发式搜索方法，近年来，它成功地解决了许多计算难题.使用该算法的难点是如何将具体问题映射成适于该算法的编码以及根据编码进行各种操作.该文对传动系统各齿轮参数序号进行编码，成功地解决了齿轮参数的优化设计问题，也为一般机械设计中传动系统参数的优化提供了经验.通过比较，利用遗传算法得出的参数比用专家系统得出的参数更优.     

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。     

并行遗传算法研究及其应用

GA是一类基于自然选择和遗传学原理的有效搜索方法，它从一个种群开始，利用选择、交叉、变异等遗传算子对种群进行不断进化。最后得到全局最优解。但随着求解问题的复杂性及难度的增加，提高GA的运行速度便显得尤为突出，采用并行遗传算法（PGA）是提高搜索效率的方法之一。本文分析了并行遗传算法的四种模型，最后应用于0-1背包问题的求解。实验结果表明．该算法在具有较高搜索效率的同时，仍能维持很高的种群多样性。     

量子遗传算法及其在多用户检测中的应用

量子计算与遗传算法相结合的量子遗传算法是当今计算智能领域的一个前沿课题。文章从研究遗传算法在并行实现上的困难和改进方法出发,探讨了量子计算与遗传算法结合的理论基础,分析了量子遗传算法的理论和结构,最后提出了一种基于量子遗传算法的多用户检测方法。仿真结果表明,基于量子遗传算法的多用户检测器抗多址干扰的能力明显优于经典遗传算法多用户检测器。     

遗传算法及其工具箱在函数优化问题中的应用

函数优化是遗传算法的经典应用领域,也是对遗传算法进行性能评价的常用算例。由此,该文首先对遗传算法的基本原理和定义,以及其工具箱作了简介,最后结合实例,简述了遗传算法及其工具箱在函数优化问题中的应用。     

遗传算法及其在软件测试数据生成中的应用研究

软件测试过程中,遗传算法的应用非常的广泛,作为一种高效的搜索寻优算法,其在全局优化、非线性、多峰值及大空间等一些高复杂度的问题的求解过程中,具有一系列的优点,本文就主要在对遗传算法进行简单分析的基础上,通过相关实例,对基于遗传算法的软件测试数据生成中的相关问题予以简单分析,对于实际的软件测试数据生成工作具有一定的参考价值。     

基于遗传算法的VLSI电路划分方法

电路划分是降低超大规模集成电路设计复杂性有效方法，提出了一种基于遗传算法的电路划分算法，该算法不仅适用于电路的二划分和K划分问题，而且可以满足划分对子集的大小和面积等多约束的要求。     

理性遗传算法及其在运动规划中的应用

为提高理性遗传算法遗传信忠的完备性、算法全局收敛性以及算法的整体结构，给出了一个更一般化的理性算子和算法结构，证明了算法的全局收敛性．理论分析和在运动规划问题中的应用结果验证了理性遗传算法的有效性．     

遗传算法及其在软件测试数据生成中的应用研究

文中首先给出了遗传算法的形式化的表示和一个基于此算法的测试数据生成系统原型。然后结合一个典型的测试单元例程,介绍系统实现中必须解决的参数选取、参数编码、评价函数的构造及驱动模块自动生成等关键问题。最后,介绍了一个实用的Ada软件测试数据生成工具——TCAG。     

并行遗传算法研究及其应用

GA是一类基于自然选择和遗传学原理的有效搜索方法,它从一个种群开始,利用选择、交叉、变异等遗传算子对种群进行不断进化,最后得到全局最优解.但随着求解问题的复杂性及难度的增加,提高GA的运行速度便显得尤为突出,采用并行遗传算法(PGA)是提高搜索效率的方法之一.本文分析了并行遗传算法的四种模型,最后应用于0-1背包问题的求解.实验结果表明,该算法在具有较高搜索效率的同时,仍能维持很高的种群多样性.     

遗传算法在财务管理中的应用

把遗传算法引入到财务管理中,并通过几个具体应用说明其在财务管理中的应用.     

遗传算法在模式识别中的应用

以图像模式识别为代表，根据模式识别的特点，对传统遗传的选择策略及操作方法进行了修正，提出了一种适于在全图像空间中对已知模式进行识别的遗传算法，它具有尺度和旋转不变性，并在噪声干扰的情况下仍保持良好的自适应性。     

遗传算法机理的研究

众所周知,“模式定理”和“隐性并行性”是遗传算法(genetic algorithms,简称GA算法)的两大理论基础.该文对这两个原理进行分析,指出这两个原理存在有不严格和不足之处,即作为GA算法的基础,这两个原理尚欠完善.为加深对GA的理解,文章提出遗传算法的一个新的改进模型——理想浓度模型.通过对此模型的分析,得出遗传算法本质上是一个具有定向制导的随机搜索技术.其定向制导原则是,导向以适应度高的模式为祖先的染色体“家族”方向.最后给出两个典型的函数求最大值的模拟例子.从模拟结果看,改进后的GA算法大大提高了算法的速度,解的精度也有所提高.这说明新算法具有应用的潜力.     

混沌遗传算法及其在函数优化中的应用

将混沌优化和遗传算法结合起来,提出了混沌遗传算法(CGA,Chaos Genetic Algorithm),并将其应用于函数优化问题的求解。通过在种群进化的不同阶段引入混沌优化操作,大大提升了遗传算法的整体性能。实验结果表明,与标准遗传算法(SGA)相比,该算法能更有效地求得全局最优解,具有更快的收敛速度。     

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。     

遗传算法在人脸识别中的应用研究

研究人脸图像识别准确率问题,人脸是一个非刚体,具有变形大,针对影响因素多且易受干扰,用传统的方法识别率低.为了提高人脸图像识别正确率,提出了利用遗传算法的人脸特征提取的识别方法.首先采用小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,然后通过改进的遗传算法对PCA提取的特征进一步的优化,得到人脸最优人脸特征子集,最后根据最优特征进行识别.利用标准人脸识别库进行仿真,试验结果表明,相对其它特征提取的人脸识别方法,不仅具有识别速度加快,而且正确率高,是有效的人脸识别算法.