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.     

一维全局最优问题的改进遗传算法

遗传算法是一种借鉴自然界生物自然选择和自然遗传机制的高度并行、随机及自适应的探索算法,该算法对一般的全局最优有良好的鲁棒性。但是,对非线性较强的函数,简单的遗传算法的收敛速度较慢,稳定性差。本提出了一种新操作：一点交换和两点交换相结合、普通变异和大变异相结合的操作。理论证明和数值计算结果表明,该支是有效的。     

遗传算法交换操作的遍历性

分析了遗传算法交换操作的特性, 利用马尔可夫链证明了对于两个互补的二进制串, 交换操作能够进行遍历搜索.这对基因操作策略设计有指导作用.     

遗传算法中交叉操作研究及应用

系统的分析了遗传算法中交叉操作，得出如下结论：遗传算法中交叉操作的实质是子代个体为父代个体在小范围内进行大概率变异的结果，该范围由双亲个体分别进行与，或操作所得到的两个体决定。对该结论做出了理论证明，同时基于此思想提出了一种不含选择和变异操作的新式遗传算法Crossover GA(CGA)。将其应用到具体实例中并和几咱典型的遗传算法进行了比较，发现其性能优与同类其它算法。     

引入模拟退火机制的新型遗传算法

提出了一种将遗传算法与模拟退火算法相结合的新搜索算法。该算法以遗传算法运算流程作为主体流程,并把模拟退火机制融入其中,用以调整优化群体。在进化过程中使用了保留策略,以保存适应度较好的个体。在模拟退火算法的跳变操作过程中使用类似遗传算法变异来实现,先作置反操作,再作前后等长交换操作,以防止陷入局部最优。实验表明,该算法与传统遗传算法相比,提高了进化速度和全局寻优能力。     

基于遗传算法的飞机战术飞行动作决策

给出基于遗传算法的飞机战术飞行动作决策方法和算法，为提高算法的有效性，对遗传算法的操作算子进行了相应的改进，以期达到快速，准确地进行战术飞行运作的最佳化纵使决策的目的，双机空战仿真结果表明的遗传算法及其战术飞行动作决策方法的有效性。     

多家族遗传算法及其在图像匹配中的应用

提出一种改进的遗传算法--多家族遗传算法.算法采用实数编码方式,每一代由若干家族构成,通过家族之间的相互竞争、选择和交换与各家族内部的交叉选择完成遗传操作,并引入不对称交叉方式,该方式使每一代的搜索范围为整个参数空间,并免除了独立的变异操作.算法在4个典型寻优问题的应用中表现出很强的抗早熟能力和较快的收敛速度,并成功地应用于图像的匹配寻优当中,匹配速度和匹配精度均较为理想.     

基于量子遗传算法的蛋白质折叠结构预测

为提高蛋白质折叠结构的预测精度,提出了一种融合改进量子遗传算法及局部搜索策略的蛋白质折叠结构预测方法.该方法在传统的量子遗传算法算法基础上引入动态调整量子门旋转角步长机制以及量子变异操作,从而提高算法的优化性能.局部搜索策略按照一定规则对量子遗传算法的优化结果进行局部结构变换,这种结构变换只需通过移动较少的节点就可以实现,能够有效提高算法的优化效率.计算机仿真实验表明,该算法能够获得较优的蛋白质折叠结构预测结果.     

多点正交交叉的遗传算法研究

利用正交实验法的全局均衡思想,提出一种采用多点正交交换的遗传算法．算法通过正交表安排遗传算法的交换运算,并在所产生的多个子代中选择适应度大的进入下一次进化,这样既加快了算法的收敛速度又保证了种群的多样性．实验证明,该算法不但可以有效地克服标准遗传算法的缺陷,而且计算速度、精度和算法稳定性也得到了显著提高．     

具有年龄结构的遗传算法

结合自然规律以及遗传算法的特点 ,提出了具有年龄结构的遗传算法的框架以及实现。该算法能够通过对个体基因不同年龄的不同操作 ,克服遗传算法中存在的主要问题即过早收敛问题。该算法有效地保持群体的多样性 ,使遗传算法顺利地收敛到全局最优值。通过实际的例子说明 ,这种方法克服过早收敛问题并且相对于简单遗传算法提高了收敛速度     

改进遗传算法在无功优化算法中的应用

无功优化是电力系统运行中的一个典型难题，遗传算法具有线性时间复杂度和全局收敛的特点，正好适合于该问题的求解。文章首先对遗传算法进行了探讨，对其中的杂交算子作了较为深入的研究，提出了一种新型的启发式杂交算子，克服了传统算术杂交算子中经常发生的“种群早熟”问题。为了提高求解速度，结合无功优化问题和遗传算法的特点对其中潮流计算的运算精度进行了动态控制。通过对IEEE30节点测试算例的求解，证明了本文提出的改进遗传算法具有很强的全局寻优能力，求解速度比传统遗传算法快了近1倍。     

基于遗传算法的QoS路由选择策略

针对QoS(服务质量)路由中的DCLC(DelayConstrainedLeastCostpathproblem)问题,提出一种基于遗传算法(GeneticAlgorithm:GA)的QoS路由选择策略.文中先采用一种直观的整数序列(网络节点号)编码机制,在此基础上采用两种先进的路径变异、交叉算子,仿真表明无论是在收敛性、运行时间方面较通用遗传算法都有很大的改观,且解的质量较优.     

改进遗传算法在WiMAX基站选址问题中的研究（增刊）

针对无线网络规划优化中基站选址问题，建立了一种适用于WiMAX基站选址问题的模型。利用遗传算法中的一些算子所具有的选择、交叉、变异和迁移等特性，提出了改进的遗传算法，设计了一种高效的十字搜索算子(CSO），并将其应用到WiMAX基站选址问题的研究中。仿真结果表明，所提出的改进的遗传算法与基本遗传算法和已有算法相比，收敛速度大大提高，并能在理想的迭代次数内得到全局近似最优解，搜索效果优于已有算法。     

基于遗传算法的雨水管道系统优化设计

建立了一个雨水管道系统优化设计模型，并应用遗传算法求解管网投资最小的最优设计方案，该方法以管段设计流速为决策变量，采用浮点数编码方式将优化问题的解表达为染色体，设计了相应的适应度函数、交叉算子和变异算子，与传统设计方法相比，遗传算法所得到的最优设计方案可比原设计方案节约投资19．38％。研究表明，应用GA进行城市雨水管道系统优化设计是一种可行且非常有效的新方法，不仅可以找到最优设计方案，而且可以为决策者提供多种优化设计方案，为进行方案评价和决策提供可靠依据。     

带有成长算子的遗传算法

提出了伪极值点的概念,举例说明了由于遗传算法随机性强使得二进制码遗传算法极易陷入伪极值点,致使算法收敛速度缓慢的问题,设计了一种适合于二进制编码遗传算法的成长算子,该算子的引入,加强了算法的方向性,有效地防止了算法陷入伪极值点,从而大大提高了算法的收敛速度。     

用遗传算法求解网络最短路效率

为提高求解大型网络最短路问题(SP)的效率,采用遗传算法求解。应用可变长编码提高算法运行效率,通过构造杂交、变异算子,以其提供的一种全局搜索能力来提高解的质量及加快种群收敛速度,从而提高运算效率。因杂交及变异而产生的不可行解,则通过一个简单的修复函数,将其修复为可行解,并使它们加入遗传运算且保持种群的多样性,使遗传算法能更高效的运行。通过对大型网络最短路问题的数值实验,在同一网络中,遗传算法的运行时间明显少于Dijkstra算法,求解效率优于Dijkstra算法。     

基于分布式遗传算法的多段翼型优化设计

为了提高采用遗传算法的气动外型优化设计的效率，文中探讨了将分布式计算引入到优化设计过程中，实现了基于分布式遗传算法的多段翼型优化设计，进行了多段翼型的缝隙、重叠量和偏转角度等量的优化设计。设计实践表明，该方法是可行的。     

基于改进离散粒子群算法的限流措施优化配置

为求解实际电力系统中的限流措施优化配置问题,对传统粒子群算法（PSO）进行改进,提出一种改进离散粒子群算法（MDPSO）.此MDPSO算法采用二进制结合十进制的编码方式,并引入置0算子,优化初始种群,同时引入单方向的变异算子,防止算法陷入局部优化解.应用此算法对新英格兰39节点系统和中国西部82节点系统进行限流措施优化配置计算,并同遗传算法（GA）和普通离散粒子群算法（DPSO）进行比较,仿真结果表明,MDPSO算法是有效可行的.     

Study of probability integration method parameter inversion by the genetic algorithm

In order to obtain accurate probability integration method(PIM) parameters for surface movement of multi-panel mining, a genetic algorithm(GA) was used to optimize the parameters. As the measured surface movement is affected by more than one mining panel, traditional PIM parameter inversion model is difficult to ensure the reliability of the results due to the complexity of rock movement. With crossover,mutation and selection operators, GA can perform a global optimization search and has high computation efficiency. Compared with the pattern search algorithm, the fitness function can avoid falling into local minima traps. GA reduces the risk of local minima traps which improves the accuracy and reliability with the mutation mechanism. Application at Xuehu colliery shows that GA can be used to inverse the PIM parameters for multi-panel surface movement observation, and reliable results can be obtained. The research provides a new way for back-analysis of PIM parameters for mining subsidence under complex conditions.     

一种求解TSP问题的改进遗传算法

旅行商问题(Traveling Salesman Problem TSP)是一个典型的组合优化问题,但应用基本遗传算法求解TSP问题时存在许多不足.结合TSP问题的特点,提出一种改进的遗传算法:应用贪心策略初始化种群,用2-opt对其进行优化,使得在初始个体中就包含较优子路径,在一定程度上加快算法收敛性,防止早熟和近亲繁殖.对交叉算子和变异算子进行改进后,既能维持种群的多样性,也保留了父代个体大部分优良性能.应用改进的算法对20个城市的TSP问题进行求解,结果表明该算法求解速度快而且求解的质量较好.