智能交叉算子遗传算法的新机制

分析了传统遗传算法中的交叉算子的作用与局限,认为正是交叉算子被赋予两个互相矛盾的任务,而使传统遗传算法的运行机制变得复杂。对交叉算子的功能进行简化,提出智能交叉算子,形成新的、简单的遗传运行机制。该机制认为,进化是由环境与个体共同实现的。基于这种思想,利用MATLAB编写了一个智能交叉遗传算法工具箱,并对该工具箱进行数值试验。结果表明该算法具有非常精确的全局求优的特点,克服了早熟收敛,且收敛速度较快。     

遗传算法中的交叉算子的述评

交叉算子是遗传算法中的一种重要算子,对遗传算法中较成熟的交叉算子进行了简单介绍,在此基础上结合文献内容,从理论应用以及作用机理等几个方面对遗传算法中改进的交叉算子进行了分析和讨论,可以发现改进后的交叉算子能在一定程度上克服传统遗传算法的缺点,提高其搜索效率和精度,有效避免过早收敛。进一步提出遗传算法中交叉算子的未来研究方向,为今后遗传算法的应用和发展奠定了基础。     

基于改进的选择算子和交叉算子的遗传算法

为了有效解决遗传算法中收敛速度与局部最优解的矛盾,文中提出了一种具有改进的选择算子和改进的交叉算子的遗传算法。使用文中改进的选择算子,能够增加算法收敛于全局最优解的概率,从而不容易陷入局部最优,也就增加了找到最优解的概率,使用文中改进的交叉算子可以加快算法的收敛速度,从而缩短寻找最优解的时间。实验证明,这两种改进算子的结合能以较快速度收敛于全局最优解,因此能很好地解决遗传算法中收敛速度与局部最优解之间的矛盾。     

基于改进的选择算子和交叉算子的遗传算法

为了有效解决遗传算法中收敛速度与局部最优解的矛盾,文中提出了一种具有改进的选择算子和改进的交叉算子的遗传算法。使用文中改进的选择算子,能够增加算法收敛于全局最优解的概率,从而不容易陷入局部最优,也就增加了找到最优解的概率,使用文中改进的交叉算子可以加快算法的收敛速度,从而缩短寻找最优解的时间。实验证明,这两种改进算子的结合能以较快速度收敛于全局最优解,因此能很好地解决遗传算法中收敛速度与局部最优解之间的矛盾。     

车间作业调度遗传算法中的交叉算子研究

针对车间作业调度遗传算法，在车间作业调度数学表达模型基础上，讨论车间作业调度遗传算法交叉算子的宏观设计与微观设计，提出了ＪＳＳ（ＪｏｂＳｈｏｐＳｃｈｅｄｕｌｉｎｇ）交叉算子设计原则，并给出其应用结论，说明了交叉算子设计的有效性。     

自交叉算子

研究表明交叉算子对染色体具有破坏和重构的双重作用,从而在进化代数增加的时候能够使模式内部各基因趋于独立,并且只要组成模式的各个基因都存在,则该模式一定能够被搜索到,此时模式的极限概率就等于组成该模式各基因的初始概率（也就是基因的极限概率）的乘积,与模式的定义长度无关,在对交叉算子性能深入认识的基础上,我们提出了一种新的交叉算子-自交叉算子,实际的算例显示算法的性能得到明显改善。     

遗传算法中交叉算子对群体多样性的影响

在遗传算法中,群体多样性对于避免早熟收敛、提高搜索效率以及保证搜索的全局性是至关重要的。本文分析了遗传算法在进化处理过程中导致群体多样性下降的原因,并着重就交叉算子与替换策略（或后期选择）的共同作用对群体多样性的影响作了较深入的探讨,完成交叉算子关于群体多样性损失的量化分析,并据此对如何平衡算法的“探测
测”与“开发”性能做了讨论。     

交叉算子的探索能力

文中对遗传算法中常用的交叉算子的搜索能力进行了讨论,综合考虑了交叉算子对染色体的双重作用,给出了染色体在交叉算子作用下数量和分布范围的变化规律,得到了模式变化的极限性能,证明了交叉算子在演化代数增加的时候能够使模式内部各基因趋于独立,并且只要组成模式的各个基因都存在。则该模式一定能够被搜索到,此时模式的极限概率等于组成该模式各基因的初始概率（也就是基因的极限概率）的乘积,并且与模式的定义长度无关,     

一种新的交叉操作算子

论文提出了一种新的遗传操作算子-随机多父辈适应度值加权交叉算子(RandomParent-numberFitness-WeightedCrossover,RPFWX)。RPFWX在2到群体规模之间随机决定参与交叉操作的父代数量,以克服遗传算法的性能对于多父辈数量的敏感性。RPFWX根据父代个体的适应度值赋予较优秀的父代个体以较大的影响因子。父代个体根据该影响因子来决定其对于子代个体贡献的大小。RPFWX是包括两父辈算术交叉、uniformcrossover以及多父辈频率扫描交叉算子(theOccurrenceBasedScanningCrossover)等在内的多种交叉算子的概括和推广,并通过其凸空间封闭特性来保证子代个体的合法性。最后通过实验结果验证了RPFWX算子的优越性。     

遗传算法中交叉算子的改进及其在钢管在线分检系统中的应用

交叉算子是遗传算法中的一个很重要的算子，本文通过对其在搜索寻优计算前期所表现出的近亲交叉问题的分析，解释了其存在的原因，并提出了一种修正算子，最后利用宝山钢铁公司钢管厂的钢管在线分检系统为例证明了该算子的优越性。     

基于异位交叉的遗传算法的研究

针对目前遗传算法搜索速度较慢的问题，对提高遗传算法收敛速度的不同方法进行了分析。提出一种加快收敛速度的异位交叉算子，并给出算法仿其实验。仿真结果表明，这种交叉算子可比一般的对等位交叉算子更有效地提高收敛速度，且不易陷入局部最优解。具有实现简单、易于应用及鲁捧性强的特点。     

一种新的多父辈交叉遗传算法

提出了一种新的多父辈交叉遗传算法.该算法引入了父代数量自适应调节机制,使得交叉操作的父代数量自适应地收敛到一个合适的值,以克服多父辈遗传算法对于父辈数量的敏感性.该算法还采用了评价值加权的多父辈交叉算子.该算子是单点交叉、两点交叉、多点交叉、均匀交叉、算术交叉以及多父辈频率扫描交叉等算子的概括和推广,具有凸空间封闭特性,可以保证子代个体的合法性.在经典测试函数集上的实验结果验证了本算法的可行性.     

双交叉算子遗传算法在终端区飞机排序中的应用

当今，普遍的航班延误现象不仅增加了巨额飞行成本，还影响乘客体验. 对终端区待降飞机队列进行合理调整，可以提高跑道利用率，减少航班延误，达到降低延误代价的效果. 针对终端区飞机排序问题，提出一种包含双交叉算子的遗传算法，针对不同适应度染色体采取不同的交叉操作，使得在交叉过程中既能保护优质染色体，也能使其它染色体继续进化. 同时引入重排算子对变异后的子代进行优化，共同加快遗传算法收敛速度，使其更加符合实际使用需求. 实验结果表明，算法收敛速度得到改进，能在可接受时间内得到可行解.     

交叉算子的极限一致性

交叉算子是遗传算法的主要操作算子之一，它使遗传算法具有了其它传统方法所没有的特性，并于它的理论研究对深入理解遗传算法具有重要意义，该文对遗传算法中常用的交叉算子（一点交叉算子、两点交叉算子、多点交叉算子和一致交叉算子）的性质进行了分析，综合考虑了交叉算子色全的双重作用，给了染色体在各种交叉算子作用下的变化规律，并得到了模式变化的极限性能，证明了这些交叉算子的极限一致性，即这些交叉算子在演化代数趋于无穷时对染色体的作用结果是一致的，同时对各自不同的收敛特点进行了分析，这些分析结果不仅UMDA等算法提供了一定的理论依据。也为今后的研究工作提供了基础。     

遗传算法及其异位交叉问题的研究

针对目前遗传算法的搜索速度比较慢的问题，提出加快收敛速度的界伏交叉算子以提高算法的收效速度。仿真结果超明，这种交叉算子比一般的对等位交叉更能有效提高收敛速度，不易陷入局部最优解。     

遗传布局中的交叉算子

针对遗传算法解决门阵列模式的布局问题时,传统的遗传交叉算子操作后出现了不可行的布局方案,因而寻找了3个新的交叉算子来避免产生这种冲突,通过实例对这3个算子的优越性进行了比较。     

一种基于有向交叉的遗传算法

从解空间的角度分析了交叉算子的作用,针对其盲目搜索的缺陷.提出一种有向交叉遗传算子.该算子通过优化控制交叉子代的落点位置.使交叉子代大概率地朝着最优解的方向进化.实验表明,该算子显著地加快了遗传算法的寻优速度.提高了遗传算法定位最优解的精度.     

交叉算子的搜索能力

文中对遗传算法中常用的交叉算子的搜索能力进行了讨论,综合考虑了交叉算子对染色体的双重作用,给出了染色体在交叉算子作用下数量和分布范围的变化规律,得到了模式变化的极限性能,证明了交叉算子在演化代数增加的时候能够使模式内部各基因趋于独立,并且只要组成模式的各个基因都存在,则该模式一定能够被搜索到,此时模式的极限概率等于组成该模式各基因的初始概率（也就是基因的极限概率）的乘积,并且与模式的定义长度无关,说明了交叉算子使群体分布扩散的特性,从而可以进一步改善遗传算法的性能     

自适应遗传算法交叉变异算子的改进

标准遗传算法采用固定的交叉率和变异率,对于求解一般的全局最优问题具有较好的鲁棒性,而对于解决较复杂的优化问题则存在早熟及稳定性差的缺点。传统的自适应遗传算法虽能有效提高算法的收敛速度,却难以提高优良解的多样性,算法的鲁棒性仍有待改善。文章提出了一种改进的自适应遗传算法,对交叉算子和变异算子进行了优化,实现了交叉率和变异率的非线性自适应调整。实验结果表明,相比传统的自适应遗传算法,新算法具有更快的收敛速度和更可靠的稳定性。