遗传算法理论及技术研究综述

本文首先阐述了遗传算法的主要特点和基本原理,随后对遗传算法的理论与技术研究的主体,即编码机制、适应度评价以及选择、交叉、变异等遗传算子进行了探讨;比较分析了各种遗传操作方法的优缺点和适用场合;对遗传算法的理论和技术做了初步研究综述。     

遗传算法研究综述

介绍了遗传算法的基本工作原理和主要特点 ,讨论了遗传算法的理论、技术、存在问题及改进方法 ,概述了遗传算法的常见应用领域 ,分析了近五年国内对遗传算法的研究现状。最后 ,进一步探讨了遗传算法的未来研究方向。     

遗传算法理论研究综述

针对遗传算法在理论研究方面存在的不足,系统地讨论了遗传算法理论研究的主要内容和方法,包括模式定理、编码策略、Ｍａｒｋｏｖ链与全局收敛性、维数分析、ＢＧＡ理论、可分离函数、Ｗａｌｓｈ与傅立叶函数分析及二次动力系统等,介绍了Ｎｏ Ｆｒｅｅ Ｌｕｎｃｈ定理,并指出相关的研究方向。     

遗传算法理论及其应用研究进展

首先阐述遗传算法的原理和求解问题的一般过程;然后讨论了近年来从遗传算子、控制参数等方面对遗传算法的改进,并对遗传算法在计算机科学与人工智能、自动控制以及组合优化等领域的应用进行陈述;最后评述了遗传算法未来的研究方向和主要研究内容。     

基于分裂算子的遗传算法和自适应遗传算法

针对遗传算法所存在的早熟和收敛速度慢等问题,基于低等生物的分裂生殖现象,提出了分裂算子的概念,并将该算子引入到传统遗传算法和自适应遗传算法中,对这两种遗传算法进行了改进。通过一系列多峰函数测试实验,将改进算法分别与基本遗传算法和自适应遗传算法进行比较,证明引入分裂算子后的遗传算法和自适应遗传算法不仅有效地收敛到全局最优解,而且提高了收敛速度。     

遗传算法及其应用

对５个番茄亲本及１０个Ｆ１代材料在采收季节分５期测定了成熟果实内抗坏血酸和还原糖含量，并对其遗传和相关性进行了统计分析。结果表明：基因型和估收期均明显影响番茄果实内的抗坏血酸和还原糖含量，基因型与采收期的互作效应达极显著水平。多数Ｆ１的抗坏血酸和还原糖含量介于双亲之间，这两个品质因子的广义遗传力估算植依次为４４．１７％和４９．２３％，它们的遗传相关系数为０．９２７４，相关遗传力估算为４８．７３％，     

基于排序的改进自适应遗传算法

本文提出了一种改进的自适应遗传算法,其遗传算子由个体在种群中的排序位置自适应地决定,其中选择算子还引入了disruptive selection的思想.该算法能避免群体中超级个体的出现,维持了种群的多样性,加快了种群的收敛速度,克服了遗传算法早熟的现象.函数优化的结果验证了该算法的有效性.     

标准遗传算法的参数分析

遗传算法是一种模拟自然界生物进化过程的随机搜索算法,该文对标准遗传算法进行简要的介绍并利用C语言实现标准遗传算法对函数进行优化并根据实验数据分析了种群大小、变异概率、交叉概率对算法的影响。     

基于遗传算法的数码问题求解

在人工智能研究中，数码问题常被用来作为一些搜索算法的测试实例。数码问题的搜索空间巨大，对于24数码问题，目前最好的启发式搜索算法找到最优解(最少移动步数)通常也至少需要2．25小时^[1]。遗传算法具有简单、通用、鲁棒性强的特点，适合于在复杂而庞大的搜索空间中寻找最优解。该文给出了求解该问题的遗传算法，并针对遗传算法容易过早收敛的问题，对传统遗传算法进行了改进。通过用多个随机生成的]5数码和24数码问题作为测试实例，本算法均在较短的时间内找到了问题的解，从而证明了算法的有效性。     

遗传算法综述

本文简述了遗传算法的基本原理和特点，以及在各个领域的应用情况。     

基于改进免疫遗传算法的不规则图形排样

在基本遗传算法的基础上提出了针对件排样问题的改进免疫算法;探讨了能记忆排样过程先验知识的浓度算子对排样过程的影响,实验证明是有效的.     

一种逐位变异的紧凑遗传算法

针对紧凑遗传算法局部搜索能力差、运算效率低等缺陷提出了一种改进的逐位变异的紧凑遗传算法并对其性能进行了分析．几种典型函数的测试结果证明了其优越性和有效性。     

用于求解TSP问题的改进遗传算法

TSP问题是一个典型的组合优化问题,也是一个NP难题,一般很难精确地求出其最优解,因而找出有效的近似解算法具有重要意义。针对基本遗传算法在解决TSP问题时所存在的收敛速度慢、容易“早熟”的问题,在选择算子中引入选择因子,同时提出一种改进的交叉算子和基于种群相似度的更新策略。改进的交叉算子是先比较两个城市间距离再进行交换城市序号,因此加快了收敛的速度,而基于种群的相似度更新策略则在算法的后期可以有效地防止早熟。通过对实例144进行测试,证明该算法在解决该类问题上取得了较好的效果。     

基于粒子群算法的遗传算法研究

针对传统遗传算法存在的早熟收敛和易陷入局部最优解的问题,提出了一种基于粒子群算法的遗传算法,其原理是用粒子群算法来构造变异算子和进行种群分割.通过对三个典型多峰值函数的优化来评估算法性能.实验结果表明,该算法能很好地保持种群的多样性和克服早熟现象,显著提高遗传算法的收敛速度.     

一种基于粗集理论的遗传分类算法

本文提出了一种基于粗集理论的遗传分类算法,该算法可以无需任何辅助信息,只根据数据自身提供的信息对数据进行简化,提取有用的特征,并求得相应的规则.同时,还提出了一种基于属性重要度的分辨矩阵简化方法,该方法可提高对条件属性的约简效率.     

基于遗传算法的矢量化方法研究

本文介绍了一种采用遗伟算法进行矢量化的方法。具体介绍了编码方法、适应度函数以及实际过程中的交叉算子。最后给出了实验结果，并和通常的折线段副近法进行了对比。     

一种基于隔离自适应算子的遗传算法研究

本文首先介绍了遗传算法的理论知识,阐述了基本遗传算法的优点及不足之处。然后在小生境遗传算法的基 础上,引入了隔离技术以及自适应算子,形成了一种基于隔离技术以及梯度算子的小生境遗传算法。理论及实践均表明,新的 改进的遗传算法在实际问题的解决中确实优于基本小生境遗传算法。     

一个用于空间聚类分析的遗传K-均值算法

空间数据挖掘是数据挖掘的一个新的分支,空间聚类分析是空间数据挖掘中的一个重要研究课题。本文在分析遗传算法及K-均值算法的优越性和不足的基础上,设计了一种遗传K-均值空间聚类分析算法,该算法兼顾了局部收敛和全局收敛性能。实验表明,其结果优于传统K-均值聚类方法及单纯的遗传算法聚类。     

一种基于遗传算法的属性约简算法

在基于Rough集理论的知识发现过程中,减小属性约简复杂度问题是重要研究内容之一。该文分析了基于遗传算法的约简算法,提出了一种在优化初始群体基础上提高算法性能的遗传约简算法。     

一种基于遗传算法的负载均衡选播路由算法

选播是定义在IPv6中的一种新型的网络服务。它可以实现一台主机与一组目的主机之间最“近”的一个通信。本文提出了一种负载均衡选播路由算法,并利用改进的遗传算法求最优解。该算法以路径延时、剩余带宽、服务器负载这三个参量为选路依据,保证了选播路由的服务质量。仿真结果表明,该算法可以达到合理利用系统资源,提高网络运行效率的目的。