基本遗传算法及其改进

介绍遗传算法的机理,论述了基本遗传算法的原理、特点,分析以基本遗传算法为蓝本的各种扩展遗传算法的步骤,针对其不足之处,提出了相应的改进方法.     

鼓式制动器设计的遗传算法优化及其Matlab实现

以制动效能因数为目标函数建立了制动器优化的数学模型,并运用遗传算法进行了优化分析.给出了运用Matlab遗传算法优化工具箱进行遗传算法优化的实现方法.结果表明采用遗传算法实现鼓式制动器的优化设计效果明显且实现方法简单.     

基于遗传算法的窄带滤光片膜系最佳设计

提出了基于遗传算法的窄带滤光片的最佳设计方法。介绍了遗传算法的运算原理、适应度函数和运行参数,给出其遗传算法的程序设计方法;并且设计出一组50GHz的窄带滤光片。结果表明,遗传算法适用窄带滤光片的膜系设计。     

遗传算法在房地产投资策略分析中的应用

通过阐述遗传算法的基本理论,提出了将遗传算法用于房地产投资策略研究的基本原理和方法,建立了遗传算法用于房地产投资分析的数学模型,并以某房地产公司为例验证了遗传算法用于房地产投资策略分析的可行性.     

Matlab遗传算法工具箱的设计

介绍了使用Ｍａｔｌａｂ语言实现遗传算法,建立遗传算法工具箱（ＧＡｓ ｔｏｏｌｂｏｘ）．开发的遗传算法工具箱支持二进制和浮点式编码方式,并且提供了多种选择、交叉、变异的方法,用以提高遗传算法的性能．使用工具箱对一系列非线性、多峰值函数问题进行了测试,显示了优良的性能．通过测试、发现浮点式遗传算法的寻解效率和精确度都优于二进制算法以及传统的寻优方法．     

基于遗传算法的结构损伤识别

从遗传算法和神经网络相结合的角度研究了结构损伤识别问题。首先从理论上阐述了遗传算法在研究非线性识别问题中的必要性和有效性 ,然后利用遗传算法与神经网络结合的方法解决结构损伤模型的识别问题 ,说明了遗传算法和神经网络结合后兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能     

基于轮换寻优的遗传算法在神经网络中的应用

基于最优控制中的轮换寻优思想 ,对遗传算法进行了改进。综合采用交叉编码方法和多参数级联之点映射编码方法对寻优参数进行编码 ,为了避免遗传算法中经常出现的过早收敛现象的发生 ,把近亲回避交叉策略和最优保留方法应用到遗传算法中 ,对神经网络的权值和阈值进行了分组轮换寻优 ,成功地完成了对多层前馈神经网络的训练 ,并与常规的BP算法和常规的遗传算法进行了比较。仿真结果表明 ,改进算法的效果比常规的BP算法和常规的遗传算法要好。这种寻优方法把传统的寻优方法和遗传算法结合起来 ,为全局寻优方法提出了一种途径 ,但更通用的全局寻优方法还有待进一步研究     

利用遗传算法优化BP神经网络

首先阐述了BP算法和遗传算法,并指出BP算法和遗传算法各自的优缺点,讨论了如何利用遗传算法优化BP神经网络,并举实例进行了仿真。结果表明该方法具有一定的实用价值。     

改进自适应遗传算法的结构优化设计

介绍了离散变量的结构优化设计方法——遗传算法(Genetic Algorithms)的来源和运行参数。考虑到遗传算法在运算过程中表现出的缺点以及交叉率和变异率的选取对遗传算法的搜索能力和搜索效果的影响,同时为了提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行了改进,引入一种基于个体适应度值的自适应遗传算法。并通过算例表明这种改进自适应遗传算法较基本遗传算法是更有效的,提高了算法的运行效率和计算精度。     

非确定环境下基于遗传算法的机器人路径规划方法研究

采用栅格法建立机器人工作环境模型,并用MATLAB语言随机产生栅格中障碍物的位置及数量,应用遗传算法完成机器人路径规划,对遗传算法的插入和删除操作进行了改进,提高了遗传算法的搜索速度,并采用序号编码的方法,减小编码长度,简化遗传算法程序,缩短程序执行时间。仿真结果表明了该方法的有效性及可行性。     

时间约束的高层次数据流调度方法

为了研究时间约束下的高层次数据流调度问题,提出了遗传算法和蚂蚁算法动态融合的解决方案.给出了时间约束调度中遗传算法的编码方法、交叉、变异和适应度函数以及蚂蚁算法中的概率选择方法和信息素的更新规则.为了找到遗传算法与蚂蚁算法的最佳切换时机,还解决了2个关键问题:遗传算法的动态结束条件和蚂蚁算法中初始信息素的产生.实验结果表明,该方法所用的平均资源数目比遗传算法少5.2%,比蚂蚁算法少4.9%;运行时间比遗传算法少44%,比蚂蚁算法少31%.     

电力系统机组优化组合的改进遗传算法

将遗传算法应用于电力系统机组优化组合计算.基于对遗传算法基本原理的研究,并结合机组组合问题的特点,设计了一套新颖的遗传操作.算例仿真表明:改进后的遗传算法不仅较好地处理了电力系统机组优化组合的各种约束条件,而且改善了算法的收敛性,提高了计算速度和精度,证明了该方法的正确性和有效性.     

结构优化设计中自适应遗传算法的研究

主要介绍了一种基于非连续设计变量的结构优化设计方法一遗传算法(Genetic Al-gorithms，GA)。首先对遗传算法的来源、基本过程进行了论述；为了提高遗传算法的收敛性能，同时考虑到交叉率和变异率的选取问题，引入一种基于个体适应度值的自适应调整交叉率和变异率的自适应遗传算法，并通过算例表明自适应遗传算法是有效的。     

黑曲霉TJ-1降解赤霉酸的条件优化及其特性研究

研究了黑曲霉TJ-1对赤霉酸的降解作用,应用Plackett-Burman试验设计确定了影响其降解赤霉酸的主要因素,利用响应面分析法优化了其降解条件,探讨了黑曲霉TJ-1降解赤霉酸的特性。结果表明,黑曲霉TJ-1能够降解赤霉酸;影响其对赤霉酸降解的主要因素包括培养温度、基质中硫酸铵及硫酸镁浓度;采用优化的降解条件,该菌株对赤霉酸的降解率可达到56.90%,与所建立响应面模型的预测值(57.46%)吻合;培养体系中赤霉酸含量、菌体生物量及pH随时间的变化呈现出一定的规律性。     

遗传算法及其在油料保障路径优化中的应用研究

路径探索算法是古老而常新的问题。在介绍遗传算法的基础上,通过一个简单例子详细分析用遗传算法解决油料保障路径问题。最后对算法结果进行总结和分析。     

A combination algorithm of Chaos optimization and genetic algorithm and its application in maneuvering multiple targets data association

The most important problem in targets tracking is data association which may be represented as a sort of constraint combinational optimization problem. Chaos optimization and adaptive genetic algorithm were used to deal with the problem of multi-targets data association separately. Based on the analysis of the limitation of chaos optimization and genetic algorithm, a new chaos genetic optimization combination algorithm was presented. This new algorithm first applied the "rough" search of chaos optimization to initialize the population of GA, then optimized the population by real-coded adaptive GA. In this way, GA can not only jump out of the "trap" of local optimal results easily but also increase the rate of convergence. And the new method can also avoid the complexity and time-consumed limitation of conventional way. The simulation results show that the combination algorithm can obtain higher correct association percent and the effect of association is obviously superior to chaos optimization or genetic algorithm separately. This method has better convergence property as well as time property than the conventional ones.     

改进自适应遗传模拟退火算法的结构优化设计

为提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行改进.引入一种基于个体适应度值的自适应遗传算法,并将遗传算法和模拟退火算法结合形成一种混合算法,从而提高算法的运行效率和计算精度.算例表明改进的自适应遗传模拟退火混合算法较基本遗传算法更加有效.     

遗传最小二乘支持向量机法预测时用水量

为解决传统最小二乘支持向量机采用交叉验证确定参数耗时较长的问题,提出基于遗传算法和最小二乘支持向量机的城市时用水量预测方法.根据城市时用水量序列具有较强相关性的特点,利用自相关系数法分析时用水量序列的变化规律,并引入二进制编码的自适应遗传算法优化最小二乘支持向量机的超参数,采用交叉验证法确定遗传算法个体的适应值,建立了时用水量预测模型.实例分析表明：与基于传统最小二乘支持向量机的时用水量预测方法相比,基于遗传算法和最小二乘支持向量机的时用水量预测方法计算速度更快,预测精度更高.     

碳纳米管的表面修饰及分散机理研究

为了探讨多壁碳纳米管(MWCNTs)在水性体系中的分散性及分散机理,以阿拉伯胶(GA)为分散剂(SAA),采用SAA超声处理法对MWCNTs进行表面修饰,制备了分散性能良好的MWCNTs悬浮液.采用紫外分光光谱吸光度法(UV-vis)定量分析及TEM测试表征了GA对MWCNTs分散性能的影响,结果表明:当GA质量浓度为0.45g/L时,悬浮液中MWCNTs质量浓度达到最大值,为初始质量浓度的90.67%,且悬浮液相当稳定,静置80h,MWCNTs质量浓度仅降低11.45%.通过测定等温吸附曲线对GA的吸附分散机理进行了分析和讨论,结果表明:GA在MWCNTs表面为典型的"SL"型两阶段吸附,当GA质量浓度为0.45g/L时,在MWCNTs表面达到吸附饱和状态.GA能够通过其分子长链的包覆作用改善MWCNTs的亲水性和分散性.