遗传算法研究综述 *

介绍了遗传算法的基本工作原理和主要特点 ,讨论了遗传算法的理论、技术、存在问题及改进方法 ,概述了遗传算法的常见应用领域 ,分析了近五年国内对遗传算法的研究现状。最后 ,进一步探讨了遗传算法的未来研究方向。     

基于区块链技术和遗传算法的物流供应链优化

为了增强货物可达性和物流信息安全性、提高供应链效率、降低运输成本,对物联网背景下基于区块链技术和遗传算法的物流供应链优化进行研究。首先,介绍区块链基本技术、供应链优化及遗传算法等理论,分析区块链对物流信息协同管理的优化。然后,基于遗传算法建立物流供应链网络优化模型,同时分析了优化结果。优化结果表明,区块链技术被应用到物流信息协同管理系统中,提升了物流供应链整体效益;利用遗传算法,降低了物流配送成本。从增加物流信息安全性和可达性方面出发,研究经由区块链技术、遗传算法优化物流供应链中的物流信息协同管理系统,以及物流进行配送的路径,体现了创新性。实例研究表明,通过区块链技术和遗传算法加强优化物流供应链,提高了工作效率、降低了成本、提高了企业管理水平和经济效益,提升了企业的竞争力。     

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。     

遗传算法研究进展*

对遗传算法编码策略、遗传算子、参数确定、收敛性、欺骗问题等理论在国内外的研究现状进行了系统的研究,并对遗传算法在国内外的研究进展和新的应用领域进行了讨论;最后,通过对近几年研究文献的统计分析,探讨了遗传算法的研究热点和发展方向。     

遗传算法研究综述

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及其在工业工程领域的成功应用，这种算法受到了国内外学者的广泛关注。本文介绍了遗传算法的研究现状，描述了它的主要特点和基本原理，概述了它的理论、技术和应用领域，讨论了混合遗传算法和并行遗传算法，指出了遗传算法的研究方向，并对遗传算法的性能作了分析。     

遗传算法理论综述

通过遗传算法的描述,介绍了有关遗传算法理论的研究现状,如:编码方法、适应值函数、遗传算子、参数的选择、数学基础、欺骗问题、收敛性分析、并行计算、局部改进和混合方法等。尽管遗传算法理论基础的不完善使其在应用中还存在某些问题,但通过遗传算法的理论研究将有助于遗传算法理论及其应用的发展。     

遗传算法基本理论的仿真研究

简单介绍遗传算法的基本理论,并以求解一个多峰函数最大值的最优解为例子,给出基本遗传算法的求解步骤,并借助Matlab进行仿真研究,验证基本遗传算法的求解效果;研究最佳保留机制和移民机制对遗传算法性能的改善,并进行仿真验证。     

入侵检测中的免疫算法研究

免疫算法是一种新兴的智能计算技术,已成为网络、智能控制、计算等领域研究的重点和热点之一。开展免疫算法的理论研究,对于发展新的入侵检测技术,建立新一代的入侵检测系统着重要的意义。该文讨论了几种典型免疫算法的原理,包括基于T细胞否定选择原理的否定选择算法,基于生物免疫系统克隆选择理论的克隆选择算法,遗传算法与免疫理论结合的免疫遗传算法,并讨论分析了不同免疫算法使用在入侵检测技术中的优劣。     

良性进化的自适应遗传算法及其仿真研究

为了搜索函数最优解,基于遗传算法基本理论,提出了良性进化的自适应遗传算法（AGA）。AGA从两个方面改进了标准遗传算法：一是交叉、变异率会自适应调节大小;二是交叉、变异具有方向性。通过对AGA的仿真研究,分析了AGA中参数取值对算法的性能影响。最后把AGA和标准遗传算法进行了仿真比较,结果表明AGA在求解函数最优解问题时具有较强的自适应性和收敛性。     

一种基于景观特征的浮点数编码遗传算法研究

遗传算法作为一种适应性搜索技术得到了普遍的应用,但其搜索效率不如启发式搜索.已有研究者将启发式知识用于二进制编码遗传算法,但浮点数编码在函数优化和约束优化领域明显有效于其它编码.本文基于算法运行时的景观特征作为启发式知识,用于浮点数编码遗传算法,力求提高其搜索效率、增强其局部搜索能力、拓展其应用领域.本文的理论研究和实验结果表明,将景观特征用于浮点数编码遗传算法,理论是可靠的,方法是可行的.     

SGA、GP、GEP的研究概述

结合三种典型的遗传算法:SGA、GP、GEP。介绍了遗传算法的研究状况以及目前的研究进展,概述了它的基本算法、主要特点、理论与技术、同时介绍了三种算法的主要应用领域。     

模拟退火遗传算法在多用户检测技术中的应用

将遗传算法GA(Genetic Algorithm)与模拟退火算法SA(Simulated Annealing)相结合,提出模拟退火遗传算法(SAGA),并将其应用于MC-CDMA无线通信系统的多用户检测技术中,以求降低多用户检测算法在实际应用中的复杂度并同时提高多用户检测器的性能。分析了遗传算法和模拟退火算法的性能,从理论上阐述了模拟退火遗传算法应用于多用户检测技术中的方法和可行性。理论分析表明,基于模拟退火遗传算法的多用户检测器的算法复杂度比传统多用户检测器低;数值仿真结果也表明前者在抗干扰能力上优于后者。     

遗传算法的研究与应用

遗传算法作为进化算法的一种,是根据自然界生物学进化而发展起来的,具有简单、易行、抽象性与鲁棒性特征,广泛应用于各个领域当中,并在实际应用中取得良好的成绩,也因此,引起广大人们的高度重视。遗传算法作为现代一种新兴的技术算法,正处于蓬勃发展阶段,虽然目前关于遗传算法研究与实际应用取得了一定的成绩,但其研究理论基础还相对较少,仍需要进一步的深入研究与内容充沛。本文主要针对遗传算法的理论研究与实际应用两方面进行探讨。     

遗传算法理论及其应用研究进展

首先阐述遗传算法的原理和求解问题的一般过程;然后讨论了近年来从遗传算子、控制参数等方面对遗传算法的改进,并对遗传算法在计算机科学与人工智能、自动控制以及组合优化等领域的应用进行陈述;最后评述了遗传算法未来的研究方向和主要研究内容。     

地面电场监测数据在雷电三维数值模拟中的应用

为探索雷电放电规律以满足雷电防护理论与技术研究的需要,以Amoruso和Lattarulo提出的三层带电圆盘模型为基础,提出了基于地面电场监测数据和遗传算法的雷云模型反演方法;并以反演得到的雷云模型为基础,确定求解区域的初始边界条件,结合介质击穿模型(DBM)和双向先导独立发展模式,实现了对雷电先导放电的三维高分辨率模拟,空间分辨率可达50m;结果表明:利用遗传算法反演的雷云模型在地面产生的理论场强与实测数据拟合良好;数值模拟的雷电双向先导主通道明显,分支丰富,可以反映出雷电放电的三维分形特征.     

量子遗传算法研究进展

针对量子遗传进行了研究,介绍了量子遗传算法的发展、基本理论和方法,从量子门的改进、加入新算子、量子遗传算法的并行性、混合量子遗传算法四个角度论述了量子遗传算法的改进方法,并总结了量子遗传算法的应用领域。最后提出了量子遗传算法的发展方向。     

基于遗传算法的黑箱测试用例自动生成模型

介绍基于遗传算法的测试用例自动生成技术,研究了利用动态调试技术和静态反汇编技术计算遗传算法中适应度函数的方法,设计了基于遗传算法的黑箱测试用例自动生成模型。该模型可直接对可执行文件自动生成测试用例,避免对程序进行源代码插装,降低对程序源代码的要求,扩展了基于遗传算法的测试用例自动生成技术的应用范围。     

针对选址问题的一种遗传算法改进探究

选址问题是现代地理信息资源配置的重要研究领域之一,通用性强、鲁棒性高的遗传算法可以较好地解决这类问题。常用方法是使用二进制编码的遗传算法对栅格数据地图进行选址。为克服二进制编码的标准遗传算法在解决选址问题过程中易陷入早熟的缺点,在研究了使用不同算子、引入观测概念这两大类解决标准遗传算法陷入早熟问题的方法后,针对选址问题的特点,选择了引入多样性测度与应用小生境技术对遗传算法进行改进,并深入探究了引入多样性测度与应用小生境技术后,遗传算法解决选址问题的过程中准确性、在线性能函数、离线性能函数的改善;接着提出了进一步改进小生境技术的方法,使得遗传群体中的每一个个体都参与遗传操作,并且避免了两个相同的个体参与交叉操作的情况。最后通过地图选址实验,将改进的小生境遗传算法与多样性测度结合,成功提高了遗传算法的性能。     

特殊变换多小波构造的浮点数编码遗传算法

浮点数编码具有精度高、便于高维大空间搜索的优点,在函数优化和约束优化领域明显有效于其他编码。浮点数编码遗传算法在操作环境中产生的噪音和对算法性能的影响尚不被人们所认识。将小波用于浮点数编码遗传算法的消噪变异是解决该问题的有效途径。单一小波对浮点数编码消噪变异泛化能力低,且对浮点数编码遗传算法性能改进有一定的局限性。研究证明了用酉变换可构造正交多小波,将正交多小波用于浮点数编码遗传算法的消噪变异,提出了FGAMW方法,并进行了实验。理论研究和实验结果表明,提出的FGAMW方法理论上是可靠的,技术上是可行的,对于拓展浮点数编码遗传算法的应用空间具有积极的意义。     

一种基于隔离自适应算子的遗传算法研究

本文首先介绍了遗传算法的理论知识,阐述了基本遗传算法的优点及不足之处。然后在小生境遗传算法的基 础上,引入了隔离技术以及自适应算子,形成了一种基于隔离技术以及梯度算子的小生境遗传算法。理论及实践均表明,新的 改进的遗传算法在实际问题的解决中确实优于基本小生境遗传算法。