一种线性表示的遗传程序设计方法研究

遗传程序设计领域中的一个重要研究内容是如何有效地表示进化的个体（计算机程序），对采用树的线性后缀形式的个体进行位置信息编码以实现多种形式的遗传操作，并给出形式化定义，设计并实现了一个基于栈的遗传程序设计算法，通过模拟实验比较了各操作的性能，这种编码方式可以扩展到程序的线性结构中，以实现特定的遗传操作，显示出线性表示具有适于解决不同问题的可行性和灵活性，还给出了基于串的一点交叉的线性遗传程序设计的模式理论，它可以把标准遗传算法的模式生成机制统一到该理论框架中。     

车辆配送路径优化的新型蚁群算法

构造了求解车辆配送路径优化问题的新型蚁群算法,采用新型的编码方式和转移概率,避免了遗传算法求解该问题所存在的遗传算子设计困难和遗传操作繁琐复杂的现象及现有蚁群算法求解该问题时收敛速度慢的缺陷。通过实例验证了所构建的算法与现有算法相比,不仅操作简单而且具有更好的收敛性。     

基于遗传算法的0/1背包问题求解

背包问题是一个典型的NP完全问题。该文给出了背包问题基于0/1规划的数学模型,提出了解决该问题的二重结构编码的混合遗传算法;该算法在传统遗传编码方式的基础上提出了一种改进的编码方式二重结构编码,在约束条件的处理上结合"贪心法",提高了搜索效率。最后的实例仿真,通过大量的数值试验,给出了传统遗传编码与二重结构编码的混合遗传算法计算结果的比较,充分证明了使用二重结构编码的混合遗传算法来求解背包问题的有效性和实用性。     

基因表达式程序设计在信息系统建模预测中的应用

基因表达式程序设计(GEP)是一种基于基因组和表现型组的新型遗传算法,该算法具有很好的健壮性和高效性采用基因表达式的方法进行演化建模,实例测试的结果表明使用基因表达式程序设计的方法得到的模型要优于普通的线性回归方法和传统的遗传程序设计方法得到的模型,提高了拟合和预测精度。     

基因表达式程序设计在信息系统建模预测中的应用

基因表达式程序设计(GEP)是一种基于基因组和表现型组的新型遗传算法,该算法具有很好的健壮性和高效性.采用基因表达式的方法进行演化建模,实例测试的结果表明使用基因表达式程序设计的方法得到的模型要优于普通的线性回归方法和传统的遗传程序设计方法得到的模型,提高了拟合和预测精度.     

卫星自主运行任务调度问题的优化算法

针对卫星自主运行任务调度问题的特点,设计了一种基于遗传的新的调度算法。以卫星对地拍照任务作为仿真实例,对算法的编码方式和解码规则、初始群体的产生方法、适值函数、遗传算子进行了详细的描述。计算结果表明,同精确算法相比,该调度算法能很好地解决卫星自主运行任务调度问题。     

基于三维编码遗传算法的货币流通问题的研究

论文采用三维编码方式及相应的遗传算子构成的遗传算法求解货币流通问题。首先根据现实生活情况对货币流通系统中的找零钱问题建立了相应的数学模型,然后采用三维编码方式的遗传算法对问题进行求解,并给出了一个算法求解实例。实验表明文中采用的遗传优化算法切实可行,有较高的搜索效率。     

混合GP-GA用于信息系统建模预测的研究

该文克服了传统建模方法在模型选取及参数估计方面的困难与不足,提出了利用改进的遗传程序设计和改进的遗传算法相结合的混合GP-GA算法。一方面,遗传程序设计中加入了简约压力项,控制了代码过度增长,实现了不加先验知识的简洁非线性模型的自动获取。另一方面,遗传算法采用Gray编码,随机整群抽样选择,以优化模型中的参数,这在一定程度上补偿了遗传程序设计在演化过程中具有较好结构的模型可能因为其中的参数未能达到最优而被淘汰的损失。仿真实例和实际应用均表明混合GP-GA算法优于普通的回归分析及单纯的遗传程序设计方法,提高了拟合和预测精度,并且更适合反映问题的实际情况。     

锂离子电池放电寿命的演化自适应建模

采用基于遗传程序设计思想的演化自适应建模算法建立了锂离子电池放电寿命模型，结果表明，该算法收敛速度快，１次可获得多个精确度较高的模型，模型经验验后的结果与实际情况能很好地符合，该真法具有较强的通用性，可快速有效地解决了广泛领域内的自动建模问题。     

一类Takagi-Sugeno模糊控制器的自适应遗传优化设计

提出了一类Takagi-Sugeno模糊控制器的自适应遗传优化设计方法。采用实数编码方式,并由自适应交叉和变异概率来控制遗传操作,有效地提高了参数优化的精度和算法的寻优效率。在优化过程中引入对称性参数约束条件,大大减小了算法的搜索空间。将该算法用于倒立摆T-S模糊控制器的设计,实现了控制器参数的快速自动整定。仿真结果表明,获得的T-S模糊控制器具有优良的性能。     

多下层分式双层规划问题的改进遗传算法

针对一类具有多个线性下层问题的分式双层规划, 提出一种基于新编码方式的遗传算法。 首先,利用对偶理论,将问题化为单层非线性规划;接着,利用下层对偶问题的可行基编码,针对任意编码个体,解出对偶变量值,使得单层规划变为线性分式规划;最后,求解产生的线性分式规划,其目标值作为个体的适应度值。 这种编码方式及适应度的计算有效提高了遗传算法的效率。 通过对4个算例的计算,验证了算法的有效性。     

基于位串编码的遗传归纳逻辑程序设计

归纳逻辑程序设计是基于一阶逻辑的数据挖掘新方法。一阶规则挖掘是目标谓词和背景知识谓词对应的各种原子的复杂组合优化问题。该文根据Occam’s razor原理提出原子的位串编码,设计相应的遗传箅子,基于sequential covering策略提出采用遗传算法作为搜索策略的遗传归纳逻辑程序设计算法GILP。在连通图问题和gcd问题上验证算法的可行性。     

Analog Genetic Encoding for the Evolution of Circuits and Networks

This paper describes a new kind of genetic representation called analog genetic encoding (AGE). The representation is aimed at the evolutionary synthesis and reverse engineering of circuits and networks such as analog electronic circuits, neural networks, and genetic regulatory networks. AGE permits the simultaneous evolution of the topology and sizing of the networks. The establishment of the links between the devices that form the network is based on an implicit definition of the interaction between different parts of the genome. This reduces the amount of information that must be carried by the genome, relatively to a direct encoding of the links. The application of AGE is illustrated with examples of analog electronic circuit and neural network synthesis. The performance of the representation and the quality of the results obtained with AGE are compared with those produced by genetic programming.     

遗传算法优化前向神经网络结构和权重矢量

提出了新的遗传算法优化设计前向神经网络的结构和权重矢量。这种新方法的创新在于：二值码串和实值码串的混合编码方法即保留了传统遗传法的优点,又具有遗传编程和跗策略的优点。     

一种新型非线性混合变量遗传优化算法及其应用研究

文章针对一般约束非线性混合整数规划问题，在设计了新的编码方案和遗传算子 的基础上，提出一种新型遗传优化算法．将其应用于对集群目标射击导弹作战效能优化问题 ，验证了算法的有效性．     

一类非凸优化问题的遗传算法

线性二层规划是一类特殊的非凸优化问题,为了有效求解该问题,提出了一种基于单纯形方法的遗传算法。首先基于下层约束给出了一种新的编码方法;其次利用单纯形表的信息得到了下层问题的解函数,并结合最优性条件给出了适应度函数;最后基于个体编码的特点,设计了新的遗传算子。数值结果表明,所提出的算法是可行有效的。     

基于遗传算法的作业车间调度优化求解方法

针对 job shop调度问题 ,提出了一种遗传算法编码方法和解码方法。该方法根据问题的特点 ,采用一种按工序用不同编号进行的染色体编码方案 ,并采用矩阵解码方法。此编码与调度方案一一对应 ,并且该编码方案有多种交叉操作算子可用 ,无须专门设计算子。算例计算结果表明 ,该算法是有效的 ,适用于解决 job shop调度问题 ,通过比较 ,该遗传算法优化 job shop调度操作简单并且收敛速度快。     

一种基于改进遗传规划的泛函网络结构逼近模型

基于泛函网络的结构特点和遗传规划的全局搜索能力,提出了广义基函数概念,通过改进遗传规划的编码方式对广义基函数进行学习,用最小二乘法设计适应度函数,从而确定泛函网络的最佳逼近结构模型。最后,4个数值仿真实例表明,该方法是有效可行的,具有较强的泛化特性。     

A genetic algorithm for solving the two-dimensional assortment problem

Assortment problems arise in various industries such as the steel, paper, textiles and transportation industries. Two-dimensional assortment problems involve finding the best way of placing a set of rectangles within another rectangle whose area is minimized. Such problems are nonlinear and combinatorial. Current mixed integer programming models give optimal solutions, but the computation times are unacceptable. This study proposes a genetic algorithm that incorporates a novel random packing process and an encoding scheme for solving the assortment problem. Numerical examples indicate that the proposed genetic algorithm is considerably more efficient and effective than a fast integer programming model. Errors with respect to the optimal solutions are low such that numerous practical industrial cutting problems can be solved efficiently using the proposed method.