多阶段复合型遗传算法的结构及性能研究

针对基本遗传算法(SGA)在求解复杂优化问题时常常存在的局部收敛和不能很好地收敛到全局最优解的不足,采用逐步缩小寻优范围的策略,提出了多阶段复合型遗传算法(简记为MSC-GA),给出了MSC-GA的结构以及具体的实施策略;进而利用Markov链理论和仿真技术分析了MSC-GA的收敛性,证明了MSC-GA在最优个体保留策略下是全局收敛的;最后,通过一个实例从不同的角度分析了MSC-GA的收敛性能。结果表明,MSC-GA具有良好的收敛稳定性,可以有效地避免局部收敛现象,尤其适用于大范围、高精度的优化问题,具有广泛的应用价值。     

多目标遗传算法的收敛性研究

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,多目标优化算法已有的研究大多为算法的设计和数值实验效果的比较,理论研究则很少,本文作者给出了一种求解多目标优化问题的新遗传算法（RMOGA）,并用Markov链的理论对RMOGA的收敛性进行了研究,其结果表明RMOGA依概率收敛到问题的Pareto前沿面.     

十进制遗传算法的收敛性分析

十进制遗传算法是一种模拟生物进化的最优化搜索方法,由于其稳定性好,不需要计算目标函数的导数和能处理多维数值问题,十进制遗传算法在科学研究和工程技术中得到了广泛运用。通过对十进制遗传算法的收敛性进行分析,为改进十进制遗传算法奠定了理论基础。     

基本遗传算法的收敛性分析方法

应用齐次有限马尔科夫链为工具，给出了基本遗传算法（SGAS）的收敛性分析方法，并得出了基本遗传算法不是全局收敛，最优保存简单遗传算法（MOSGAS）是全局收敛的结论。     

遗传算法的渐进收敛性

基于马尔柯夫链，讨论了遗传算法的渐进收敛性，给出了群体状态转换矩阵，证明了群体从任一初始状态出发，最终将收敛于吸收状态，为遗传算法的应用奠定了理论基础．     

基于精英保留策略与爆炸算子的改进遗传算法

针对标准遗传算法(standard genetic algorithm,SGA)应用于数值优化存在收敛缓慢、易陷入局部优解和精度低等问题,提出一种具有爆炸算子的改进遗传算法(FGA)。引入爆炸算子(fire algorithm,FA),通过局部最优解集爆炸产生新个体以弥补SGA算法寻优过程中种群多样性不足的缺陷, 从而提高算法在解析域的全局搜索能力;加入精英保留策略使每代中的最优个体都能得以保留,避免交叉和变异操作遗失全局最优解。为验证算法的优化性能,选用4个经典测试函数对SGA与FGA这2种算法的优化性能进行对比,算例结果表明,本文所提算法具有更好的全局搜索能力、收敛性能以及计算精度。     

遗传算法的收敛性分析

理论分析算法发生过早收敛的原因、收敛速度与各个控制参数以及适应度函数的关系,并提出与证明了判断遗传算法收敛性的统一判据。     

一类特殊约束下的遗传算法及其收敛性分析

针对一类带约束的优化问题提出了隔离小生境的多种群孤立进化遗传算法,分析了算法的全局收敛性.并将算法用于模糊控制器的优化问题,仿真实例说明了算法的有效性和实用性.     

An adaptive genetic algorithm with diversity-guided mutation and its global convergence property

An adaptive genetic algorithm with diversity-guided mutation, which combines adaptive probabilities of crossover and mutation was proposed. By means of homogeneous finite Markov chains, it is proved that adaptive genetic algorithm with diversity-guided mutation and genetic algorithm with diversity-guided mutation converge to the global optimum if they maintain the best solutions, and the convergence of adaptive genetic algorithms with adaptive probabilities of crossover and mutation was studied. The performances of the above algorithms in optimizing several unimodal and multimodal functions were compared. The results show that for multimodal functions the average convergence generation of the adaptive genetic algorithm with diversity-guided mutation is about 900 less than that of adaptive genetic algorithm with adaptive probabilities and genetic algorithm with diversity-guided mutation, and the adaptive genetic algorithm with diversity-guided mutation does not lead to premature convergence. It is also shown that the better balance between overcoming premature convergence and quickening convergence speed can be gotten.     

Global annealing genetic algorithm and its convergence analysis

A new selection mechanism termed global annealing selection (GAnS) is proposed for the genetic algorithm. It is proved that the GAnS genetic algorithm converges to the global optimums if and only if the parents are allowed to compete for reproduction, and that the variance of population's fitness can be used as a natural stopping criterion. Numerical simulations show that the new algorithm has stronger ability to escape from local maximum and converges more rapidly than canonical genetic algorithm.     

Stochastic analysis and convergence velocity estimation of genetic algorithms

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｅｓｔｉｍａｔｉｏｎｏｆｃｏｎｖｅｒｇｅｎｃｅｖｅｌｏｃｉｔｙａｎｄ ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎｏｆ ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ(ＧＡ)ａｒｅｔｗｏｉｍｐｏｒｔａｎｔｔｈｅｏｒｅｔｉｃｐｒｏｂｌｅｍｓ,ｂｕｔｔｈｅｒｅａｒｅｆｅｗｓｔｒｉｃｔｔｈｅｏｒｅｔｉｃｒｅｓｕｌｔｓ[1] .Ｔ .Ｂ ｃｋ[2 ,3] ｏｂｔａｉｎｅｄｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｃｏｎｖｅｒ ｇｅｎｃｅｖｅｌｏｃｉｔｙｏｆｓｉｍｐｌｉｆｉｅｄＧＡｂｙａｐｐｌｙｉｎｇｏｒ ｄｅｒｓｔａｔｉｓｔｉ…     

基于遗传算法的移动Agent迁移策略研究

在详细介绍移动Agent的基础上,基于遗传算法探讨了一种移动Agent的迁移策略.该策略能为移动Agent规划出一组最佳的迁移路径,使得移动Agent能适应复杂的动态网络坏境,并及时自主地修改迁移路径.最后仿真了一个实例,通过对实例的分析,验证了该算法能使移动Agent更好地适应动态迁移环境,寻找到最短路径,提高迁移效率.     

关于生物免疫遗传算法收敛性的一般讨论研究

针对免疫遗传算法收敛性质的研究非常缺乏,提出了利用随机过程理论和引入遗传吸收率、散射率
参数进行分析的方法.通过数学建模证明了免疫遗传算法所形成的种群序列的强马尔可夫性, 利用遗传吸
收率和散射率的计算，证明了在时间趋于无穷的情况下，该免疫遗传算法的概率弱收敛性.采用遗传吸收
率、散射率和小生境技术对于防治早熟概率的详细计算和对混沌算子的分析，得到了该免疫遗传算法实际
收敛效果的量化表示.研究结果表明, 该方法能简化分析计算过程，对于算法效果的改善、算法运行时的
参数选择具有较好的指向作用.     

Characteristic analysis and prevention on premature convergence in genetic algorithms

The identification and characteristics of premature convergence in genetic algorithms (GAs) are investigated Through a detailed quantitative analysis on the search capability and the degree of population diversity, the cause of premature convergence in GAs is recognized, and attributed to the maturation effect of the GAs: The minimum schema deduced from current population, which is the largest search space of a GA, converges to a homogeneous population in probability 1 ( so the search capability of the GA decreases and premature convergence occurs). It is shown that, as quantitative features of the maturation effect, the degree of population diversity converges to zero with probability 1, and the tendency for premature convergence is inversely proportional to the population size and directly proportional to the variance of the fitness ratio of zero allele at any gene position of the current population. Based on the theoretical analysis, several strategies for preventing premature convergence are suggest     

基于双模式变异策略的改进遗传算法

针对基本遗传算法寻优速度慢且易陷入局部最优的缺陷,提出了一种基于双模式变异策略的改进遗传算法。在标准变异的基础上引入个体线性差分变异思想形成双变异模式,同时利用控制参数对两种变异模式加以平衡。通过10个基准测试函数仿真实验,结果表明本改进算法在寻优速度和全局收敛能力上都有较大的提高。     

基于诊断策略遗传算法的配电网络重构算法

为减小网损,提出基于诊断策略遗传算法的配电网络重构方法.针对基因诊断策略,提出新的编码方案,改进遗传操作。对优质基因进行诊断,存入优质基因库;并且将诊断出的劣质基因（即不可行解）通过打开回路和连通孤岛的方法,将其修复为可行解,从而提高收敛速度和遗传算法搜索效率.最后对典型IEEE 33节点和IEEE69节点测试系统进行网络重构仿真实验,证实了算法的有效性,并与快速支路交换算法的计算结果相比较,表明了该算法可有效减小重构配电网的网损.     

A novel genetic algorithm preventing premature convergence by chaos operator

ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ(ＧＡｓ),ａｓａｋｉｎｄｏｆｓｅａｒｃｈｉｎｇａｎｄｏｐｔｉｍｉｚｉｎｇａｌｇｏｒｉｔｈｍ,ｉｓｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐｌｅｓｏｆｎａｔｕｒａｌｅｖｏｌｕｔｉｏｎ[1].Ｉｔｈａｓｂｅｅｎｅｓｔａｂｌｉｓｈｅｄａｓａｖｉａｂｌｅａｎｄｒｏｂｕｓｔｔｅｃｈｎｉｑｕｅｆｏｒｓｅａｒｃｈｉｎｇａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｃｒｏｓｓａｄｉｖｅｒｓｅｄｏｍａｉｎｏｆｄｉｓｃｉｐｌｉｎｅｓ.Ｈｏｗｅｖｅｒ,ｗｈｅｎａｐｐｌｙｉｎｇＧＡｔｏｓｏｌｖｅｌａｒｇｅｓｃ…     

用于进化硬件的遗传算法的选择策略初探

对遗传操作的选择策略进行了理论和实验研究.以可编程树型结构函数为进化硬件的实验目标模型,对精英保留、锦标赛选择和赌轮选择策略进行了分析与实验,探讨可节省硬件资源消耗,且可加速搜索的适于硬件化的选择策略.