一种改进的实数编码遗传算法

针对实数编码在进行数值优化时固有的过早收敛、停滞现象和弱的爬山能力等缺点,通过设计不同的交叉、变异算子,提出了一种改进的实数编码的遗传算法。数值实验显示,该算法在函数优化问题上取得了较满意的效果。     

对实数编码遗传算法的改进

分析了实数编码遗传算法存在的缺陷,并在此基础上提出了几点改进方案。改进后的实数遗传算法可以很好地提高算法的搜索速度,并稳定地获得最优解。     

多维实数编码遗传算法

系统地分析了几种常见编码策略,在此基础上提出 一种新的编码策略--多维实数编码。仿真结果验证了这种新编码方式的有效性与合理性。     

一种择优配种的实数编码遗传算法*

模拟生物学家在优秀种子间进行杂交得到更好基因种子的方式,对实数编码遗传算法的种群进行优选,只在优选后的种群间杂交,可使算法快速收敛于极优值;同时,每代都加入新的随机种子,保持种群多样化。实验表明,该算法达到最优值的速度明显快于基本实数编码遗传算法。     

一种改进的实数自适应遗传算法

研究了基于实数编码的遗传算法的改进问题．针对实数编码在搜索后期存在搜索效率低、易早熟收敛等现象．讨论了遗传算法的参数调节问题．提出一种自适应交叉概率和变异概率,既考虑了进化代数对算法的影响,又考虑到每代不同个体适应度的作用,给出一种改进的实数自适应遗传算法．最后利用3个测试函数对算法进行验证,在函数的最终值、平均运行代数、收敛概率几方面都取得了较好的结果．     

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出一种实数编码混沌量子遗传算法（RCQGA）．该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索．实验结果表明,RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点,而且可以减少寻优的计算复杂度,具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点,适用于工程应用中的复杂函数优化问题．     

一种基于复合交叉的实数编码遗传算法

提出了一种基于复合交叉的实数编码遗传算法。通过对父代染色体间的区域进行多次交叉操作,复合交叉操作保留了被搜索区域的信息。算法首先对父代染色体进行复合交叉操作,然后利用包含在新个体集合中的信息进行信息最大化选择,对每一代个体进行基于适应度的选择。集合中信息冗余的个体被从种群中删除,位于欠搜索区域中的个体被保留。由于算法能够始终保持种群的多样性,算法不仅能搜索到全局最优点,同时也能找到尽量多的局部极值点。利用算法对多极值函数进行了寻优,仿真结果表明了算法的有效性。     

一种基于种群多样度的实数编码并行遗传算法

为了改善遗传算法的收敛性能,提出了一种基于个体适应度的种群多样性度量函数,恰当地反映了遗传算法的进化阶段,预报了早熟收敛的趋势. 设计了基于种群多样度函数的迁移算子和交叉算子,并对交叉、变异概率等进行了动态调整,构成了具有多层迁移特点的实数编码并行遗传算法. 通过和其他优秀遗传算法对测试函数的验证比较,结果表明,该算法对于解决遗传算法中早熟、收敛速度慢等问题具有优越的性能.     

基于实数编码的遗传算法的收敛性研究

用基于实数（浮点）编码的遗传算法（FGA）求解连续参数优化问题是遗传算法的重要应用领域,但一直缺少其完整的收敛性结果。分析了在绝大多数实际应用中使用的FGA的收敛性问题,在采用最优个体保留策略的前提下得到了保证收敛性的一般条件,并以之检验了采用常用的变异与交叉算子时FGA的收敛性。这些结论不仅给出了有用的收敛性结果,而且对进一步认识算子的本质,指导自适应变异算子的设计等都提供了帮助。同时所用的方法和结论也适用于进化规划和进化策略的收敛性问题。     

基于实数编码遗传算法的神经网络优化设计

提出一种基于综合控制策略的改进的实数编码遗传算法,用该算法对前向神经网络的结构及权值进行优化。通过实验结果表明,该算法能快速有效的确定网络的结构及权值。     

有限车辆调度问题的模型和改进遗传算法

考虑到对带时间窗的有限车辆调度问题研究不足的事实,在建立了数学模型的基础上对传统的遗传算法(GA)进行改进：提出采用BellmanFord求最短路算法找出染色体所表示路径的最优组合形式;变异操作应用禁忌搜索算法(TS),并采用TS的动态摆动策略,对邻域结构的可行及不可行解进行有效的搜索。最后用Solomon中的Rc1数据验证了算法的有效性,其结果比较理想。     

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。     

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。     

一种改进的遗传算法及其在组卷系统中的应用

针对遗传算法容易出现早熟和收敛速度慢的问题,根据群体适应值分布的变化特点,提出一种新启发性的基于小生境技术的自适应遗传算法(ANGA).其基本思想是:根据群体中各个个体的适应值分布情况加以启发,引入一个自适应的常数Cmin,通过自适应调整Cmin以适时改变群体适应值的分布,优化了各个个体被选择的概率,并以目前的计算机等级考试三级信息管理技术的组卷为例,采用ANGA算法进行了仿真计算.仿真结果表明,该算法能够在较短的时间内完成组卷,组卷效率、成功率高,对初值不敏感.     

求解TSP问题的一种改进的遗传算法

TSP问题是典型的NP完全问题,遗传算法是求解NP完全问题的一种理想方法。文章针对解决TSP问题,提出使用改进的遗传算法,即用浓度控制选择策略以保证群体的多样性,用贪婪交叉算子和启发式倒位变异算子来提高算法的收敛速度,较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明,该文算法的改进是有效的。     

具有生存期的开放式遗传算法

早熟是遗传算法应用中面临的主要问题,避免早熟现象的发生需要种群中的个体具有多样性。文章按进化过程中种群是否从外界引入新个体,将遗传算法分为开放式遗传算法和封闭式遗传算法,从外界引入个体可以增加种群的多样性,避免早熟。另外,当某个体参与交叉的次数达到一定阈值时(即生存期满),文中认为该个体已经充分地将其遗传基因传递到后代,该个体及其副本可以从种群中清除,从而避免出现某个体占领种群的现象,也能有效地保持种群的多样性。实验证明,将生存期与开放式种群结构相结合,可以显著提高遗传算法的收敛性能。     

一种基于最优特征选择改进的遗传算法

数据挖掘中如何有效地从高维特征空间选择最优特征子集,很大程度上影响模型的预测结果,基于此本文提出一种复合适应性函数、多特征组合搜索的自适应性遗传算法。算法依据统计学原理对原始特征先行过滤构建特征候选集,使用多模型融合的交叉验证结果作为适应性函数以提高每轮进化的适应值,轮盘赌算法、定长基因段交叉算法、随机基因位点变异算法分别构成选择算子、交叉算子和变异算子。通过实验对比表明该遗传算法具有一定的稳定性和有效性,能够在原始特征空间中启发性的选择最优特征子集,从而提高数值型预测准确率。     

一种改进型边缘检测的混合量子遗传算法

图像边缘包含非常重要的图像信息,针对图像处理中的模糊边缘检测存在的缺陷,将免疫学中的克隆选择理论引入量子遗传算法,利用这种新的混合量子遗传算法对图像阈值进行优化得到最佳阈值,改进模糊边缘的检测算法。通过测试图像的边缘检测结果表明,该算法具有较好的检测模糊边缘和抑制噪声能力,用于边缘检测能获得良好的效果。     

求解TSP的一种改进遗传算法

TSP问题是典型的NP-hard组合优化问题,GA是求解此类问题的一种方法。但它存在如何较快地找到最优解并防止“早熟”收敛的问题。文章针对上述问题并结合TSP问题的特点,提出了改进的遗传算法。它从相似性的思想出发,按适应值相似性将群体分级,在不同的级内采用不同的操作,产生数目不等的新解并利用加速算子使其更接近局部极小值。改进后的算法较好地解决了群体多样性与收敛性的矛盾。实验结果表明,该文算法的改进是有效的。     

改进的高选择压力紧致遗传算法

针对紧致遗传算法求解复杂优化问题的局限性,提出一种改进的高选择压力紧致遗传算法。该算法利用概率向量随机产生S(S>2)个个体,并按照适应度值进行排序,然后由最优解与其他解线性组合构成的虚拟解进行相互竞争,从而实现概率向量的更新。对3种不同类型测试函数的仿真结果表明,改进算法比标准紧致遗传算法和高选择压力紧致遗传算法具有更高的优化精度。