基于优势遗传的自适应遗传算法

针对遗传算法的早熟问题,对自适应遗传算法进行了研究,提出优势遗传的新观点:在交叉算子设计时使适应度高的个体以较高概率进行交叉,并且在变异算子设计时使适应度低的个体以较高概率进行变异,能更有效地产生出优势个体,跳出局部最优.认为算法设计时使平均适应度过快逼近最大适应度是不合适的.由此,提出一种新算法,以优势遗传的原则随个体适应度的变化而自适应地改变交叉和变异概率,在一定程度上有效解决算法的早熟问题.实验表明,该算法能有效提高全局寻优的性能,鲁棒性好.     

基于自适应遗传算法的粗糙集属性约简方法

针对遗传算法在全局优化问题中出现的早熟收敛和后期收敛速度较慢的现象,提出了一种基于自适应遗传算法的粗糙集属性约简方法。该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,优化了各个个体被选择的概率。实验表明,该方法能够明显地改善全局寻优能力,并大大加快了收敛速度。     

基于改进粒子群优化的神经网络及应用

为了克服粒子群算法的早熟收敛,提出了一种改进的粒子群算法用于神经网络训练。该算法对种群进行均匀初始化,用多个粒子的信息引导个体的更新,以保证全局搜索的有效性,同时引入随机算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能。将改进粒子群算法训练的神经网络应用于IRIS模式分类问题和短期电力负荷预测,与BP算法、遗传算法及粒子群算法比较,该算法在提高误差精度的同时可加快训练收敛的速度。     

一种改进的GA+BP模糊逻辑系统混合学习算法

分析了遗传算法(GeneticAlgorithm)和BP算法在模糊逻辑系统参数寻优问题上的优缺点,提出一种基于改进的GA+BP模糊逻辑系统混合学习算法。该算法克服了由于学习率选取不当对整个遗传进化过程造成的不利影响,改进了遗传算子具体操作步骤,并对当前最优个体采用最优保留策略。充分利用了杂交、变异选择算子在全变量空间以较大概率搜索全局解的特点,以及在解点附近BP算子快速、精确地收敛的特点。仿真实验表明,改进算法与原算法相比,在满足同样精度的条件下,具有较快的收敛速度。     

带时间窗的负载均衡物料配送模型研究与算法实现

针对带时间窗的车间物料配送优化问题,为减少配送作业人数、均衡车辆负载和减少物料配送总时间,建立以调用作业人数最少、车辆负载均衡和总配送时间最短为目标的多目标优化模型,并提出一种改进混合教与学算法对模型进行求解。该算法在原算法基础上加入辅导教学机制和分科目学习策略以提高算法寻优速度,采用随机惯性权重平衡算法的开采与探测能力,在"学"阶段之后设计教师个体局部寻优算子和三种变异算子以提高算法的寻优精度。以某叉车装配车间的物料配送实例为仿真对象进行仿真实验,实验结果验证了该模型和算法的有效性。与粒子群算法、标准教与学算法、改进教与学算法和遗传算法相比,改进混合教与学算法具有较高的寻优精度和寻优效率。     

基于TriBA结构和改进迁徙策略的并行遗传算法

为了提高并行遗传算法解决大规模问题的寻优效率,本文基于粗粒度并行遗传算法模型,提出了一种基于TriBA结构和改进迁徙策略的并行遗传算法,给出了TriBA并行遗传算法的分配策略和迁徙方式,并将改进的迁徙策略引入评价算子,通过评价算子,反映当前种群的局部收敛程度,当收敛程度满足设定的评价算子时,进行迁徙操作,并使用并行计算机对基于TriBA拓扑结构和改进迁徙策略的并行遗传算法进行模拟仿真.仿真结果表明,改进后的迁徙策略的并行遗传算法的寻优效率比传统迁徙策略的并行算法效率更高.该算法有效地提高了算法的寻优速度,增强了算法的寻优稳定性.     

配电网重构的改进多种群遗传算法

将改进的多种群遗传算法(multiple population GA,MPGA)应用于配电网重构。该算法引入不同控制参数的多种群协同进化模式,并且能根据进化程度自适应的改变操作算子,具有良好的全局和局部搜索能力,克服了遗传算法未成熟收敛等问题。种群间通过移民算子共享进化信息。采用人工选择精华种群保存最优个体。根据配电网网络特点,提出了基于基本环路的整数编码方法,减少了变量维数。人工定义寻优过程中不满足配电网络辐射状及无孤岛的运行要求的不可行解一个低适应值,保证搜索范围的连续性。基于matlab遗传算法工具箱,对IEEE16节点和IEEE 33节点2个不同规模测试系统编程仿真计算,证实了算法快速稳定的全局寻优能力。     

基于Memetic算法的复合材料层合板铺层顺序优化

应用Memetic算法对复合材料层合板的铺层顺序进行优化设计,以层合板的面内几何因子和弯曲因子为优化对象,建立Memetic算法的优化模型。通过遗传算子进化操作,搜索问题的最优解,借助于Memetic算法自身的全局搜索和基于个体的局部搜索进程,扩大了算法的寻优范围,加速了算法的收敛速度。数值算例中给定了层合板的面内几何因子和弯曲因子,应用Memetic算法求解层合板的最佳铺层顺序。并将应用Memetic算法与标准遗传算法得到的优化结果进行了比较,证明了Memetic算法的优越性和实用性。     

优进遗传算法及其在化工数据处理中的应用

针对常规遗传算法容易早熟、局部寻优能力差的弱点，提出一种优进遗传算法．该算法以一定的概率引入确定性操作，并采用空间重组的方式改进子代分布，以提高全局寻优的性能．采用的相关技术包括增加单纯形寻优算子、运用改进的交叉算子、自适应地调整交叉率和变异率等．该算法已成功应用于SO2催化氧化反应动力学模型的非线性参数估计、这种优进遗传算法不依赖于问题的具体领域，可应用于各种数据处理和优化领域．     

取消变异的小生境遗传算法及应用

为提高算法寻优能力,提出取消变异的小生境遗传算法.算法在寻优过程中采用最优保持子代种群产生策略,通过对种群中个体适应值惩罚机制的小生境操作,加速淘汰适应值低的个体,实现种群基因多样性,克服了遗传算法中随进化代数的增加种群个体趋于相似而造成全局搜索能力下降的缺点,增强了遗传算法在解决多变量多峰值优化方面的能力.将小生境遗传算法用于典型测试函数进行寻优测试,与取消变异改进遗传算法和基本遗传算法比较,证明了其在多变量、多峰值优化问题中的有效性和收敛性.     

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。     

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.     

基于实数编码的多父体杂交遗传算法

针对标准遗传算法（SGA）在实际应用中存在早熟收敛、精度较差及运算速度慢的缺点，文章提出了一种基于实数编码的多父体杂交遗传算法（MPGA）。该算法通过引入多父体杂交算子和新的变异算子，有效的增强了种群的多样性及算法跳出局部最优解的能力。实验结果表明该算法能够有效的提高全局搜索能力和局部快速搜索能力，对改进SGA的缺点是十分有效的。     

解空间种群均匀化自适应遗传算法的应用

提出了一种新型解空间种群均匀的自适应遗传算法，并采用随机方法对初始种群加以改进，使初始种群均匀分布于解空间之中.在优化进程中，引入自适应算法，使交叉的变异算子具有自适应性；将自适应调节机制引入适应值函数中，使适应值函数同样具有自适应性.为证实所提出的改进遗传算法的可行性和有效性，对几种典型的多峰值函数进行了寻优测试.优化测试结果与解析解及标准遗传算法优化结果相对比，证明改进遗传算法的全局搜索能力和收敛性都远优于标准遗传算法.     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

Pattern synthesis optimization of 3-D ODAR based on improved GA using LSFE method

Pattern synthesis in 3-D opportunistic digital array radar(ODAR) becomes complex when a multitude of antennas are considered to be randomly distributed in a three dimensional space.In order to obtain an optimal pattern,several freedoms must be constrained.A new pattern synthesis approach based on the improved genetic algorithm(GA) using the least square fitness estimation(LSFE) method is proposed.Parameters optimized by this method include antenna locations,stimulus states and phase weights.The new algorithm demonstrates that the fitness variation tendency of GA can be effectively predicted after several "eras" by the LSFE method.It is shown that by comparing the variation of LSFE curve slope,the GA operator can be adaptively modified to avoid premature convergence of the algorithm.The validity of the algorithm is verified using computer implementation.     

一种基于特殊个体的改进遗传算法

提出了一种不需要变异操作,只由交换操作就能遍历搜索空间所有状态点的改进遗传算法。这种算法通过在种群中增加两个特殊个体,就足以提供交换所需的基因材料。在计算量上这种算法比简单的遗传算法明显要小,仿真结果证明了这种算法的可行性     

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.     

电路模拟吸收体的遗传算法设计

提出了一个应用遗传算法的电路模拟多层吸收体的新设计、遗传算法自动综合各层的电磁参数和厚度以及金属电路屏的各参数,并同时提供几个设计方案。当应用遗传算法对特宽带吸收体设计时,其迭代过程出现波动和在带内出现不好的结果。为了克服这些缺点,文中引入了两项技术,使其工作特性明显地改善。设计实例表明在无金属基底的吸收体情形,电路模拟吸收体比普通设计优越得多,在厚度更小和用更少材料下能在特宽带内获得低反射。