一种基于复数编码的遗传算法

第一次把复数编码的思想应用到遗传算法中去,用复数编码来表达双倍体,并具体规定了遗传操作.每一个复数对应于双倍体的一对等位基因.目标函数自变量的大小由其对应的复数的模决定,符号则由相应复数的幅角决定.与传统的实数编码的遗传算法相比,本算法大大地扩展了表达空间的维数,实验结果证明了本算法的有效性.     

改进遗传算法在组卷系统中的应用

本文将改进的遗传算法应用于组卷系统中,对智能组卷问题进行研究和分析,通过对编码、适应度函数、遗传算子、控制参数指标等方面来进行研究设计,运用改进遗传算法的全局寻优的优点,得出解决适合要求的实用算法.从而确保的试卷的覆盖范围和准确性提高组卷效率.     

多维实数编码遗传算法

系统地分析了几种常见编码策略,在此基础上提出 一种新的编码策略--多维实数编码。仿真结果验证了这种新编码方式的有效性与合理性。     

对实数编码遗传算法的改进

分析了实数编码遗传算法存在的缺陷,并在此基础上提出了几点改进方案。改进后的实数遗传算法可以很好地提高算法的搜索速度,并稳定地获得最优解。     

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出一种实数编码混沌量子遗传算法（RCQGA）．该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索．实验结果表明,RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点,而且可以减少寻优的计算复杂度,具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点,适用于工程应用中的复杂函数优化问题．     

一种改进的实数编码遗传算法

遗传算法的一个显著特点是它交替在编码空间和解空间中工作,它在编码空间对染色体进行遗传运算,而在解空间对解进行评估和选择。因此,如何将问题的解转换为编码表达的染色体是遗传算法的关键问题。近十年来,针对特殊问题,提出了各种非0-1串的编码方法。实数编码方法是用于解决复杂的约束优化问题的首选方法。     

浮点数编码小生境遗传算法的研究

小生境在增加遗传算法群体的多样性,提高遗传算法的局部搜索能力方面具有良好的性能。迄今为止,有关小生境遗传算法的研究都是基于二进制编码,缺乏以浮点数编码为研究对象的相应成果。而浮点数编码在提高遗传算法的性能和遗传算法的推广应用中,具有其它编码所无法比拟的优势。本文以浮点数编码为研究对象,研究小生境遗传算法的机理,分析在遗传操作中小生境的生成、合并和分离的动态过程,探索其方法。本文的研究和实验结果表明,浮点数编码小生境遗传算法的性能是可靠的,方法是可行的。     

遗传算法的编码机制研究

对遗传算法中的编码机制了研究，分析了二进制与十进制编码在搜索能力和保持种群稳定性上的区别。仿真结果证实了该结论。     

混合编码遗传算法及其在非线性反演中的应用

遗传算法中编码机制对交换和变异的搜索能力有重要影响。本文分析了二进制与十进制编码的搜索特点,提出了混合编码遗传算法的技术构想,并结合大变异技术,有效地提高搜索及产生有效基因物质的能力。论文结合地球物理反演问题的非线性特点,应用混合编码遗传算法求解地球物理位场反演问题,取得了良好的效果。     

十进制整数编码遗传算法的模式定理研究

This paper concentrates on the scheme theorem of integer-coded genetic algorithm. The basis theorem of binary-coded genetic algorithm is scheme theorem. However ,there is not enough research on the scheme theorem of decimal coded genetic algorithm. We define the corresponding concepts and put forward the corresponding scheme theorem of the integer-coded genetic algorithm referring to the basic concepts of binary coded genetic algorithm.     

基于整数编码和自适应遗传算法的智能组卷算法

文章给出了一种基于整数编码和自适应遗传算法的智能组卷算法.该算法首先采用整数编码,然后用自适应遗传算法对组卷进行操作,优化了搜索过程,有效地解决了自动组卷问题,具有较好的性能和实用性.     

基于递进制编码的遗传算法研究

首先分析了编码的进制数对遗传算法收敛速度的影响．分析结果表明，当种群不稳定时，高进制编码较低进制编码具有更快地搜索至最优区域的能力，当种群较为稳定时，低进制编码较高进制编码具有更快地逼近最优点的能力．然后提出了基于递进制的遗传算法，该算法能提高优化问题的收敛速度，在优化参数较多时，与单一进制编码的遗传算法相比具有明显的优势．仿真实例也验证了这一结论．     

遗传算法及其应用

遗传算法是智能优化方法中应用最为广泛也最为成功的算法,在各个领域得到广泛应用。该文在介绍了遗传算法的发展历史和具体操作步骤的基础上,总结出遗传算法的特点,并对它的各个应用领域进行了详细阐述。     

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。     

遗传算法三种编码策略的比较研究

分析了遗传算法的二进制、实数、十进制编码策略实现方法,根据各编码的特点,设计了相应的改进遗传策略。以前馈神经网络权值优化问题为例,用计算机仿真实验的方法研究了三种编码策略对各遗传算法性能的影响。研究结果表明,若同时强调搜索效率和搜索准确性,宜采用实数编码的改进遗传算法;若只强调搜索准确性,则应优先考虑十进制编码的改进遗传算法。研究的结论为遗传算法在高维连续参数优化问题中编码策略的选取提供了理论指导。     

二进制编码差异演化算法在Agent联盟形成中的应用

在多Agent 系统中,通过形成联盟可以提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.从本质上讲,Agent联盟的形成是一个复杂的组合优化问题.引入差异演化算法来解决这一问题.差异演化是一种基于群体差异的演化算法,适合于求解连续空间的最优化问题.首次将以实数编码的差异演化算法应用于Agent 联盟问题,提出二进制编码的差异演化算法解决组合优化问题,通过引入S型函数把变异操作的结果限制在集合｛0,1｝上,可以快速、高效地找出合适的Agent 联盟.与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于相关算法.     

用基于实数编码的自适应遗传算法进化神经网络

为了提高进化神经网络的速度,文章提出了一种基于实数编码方案的的遗传算法,该算法中采用了自适应变 异算子。用于求解ＸＯＲ问题,结果表明该算法具有很好的收敛性能。     

并行遗传算法研究及其应用

GA是一类基于自然选择和遗传学原理的有效搜索方法，它从一个种群开始，利用选择、交叉、变异等遗传算子对种群进行不断进化。最后得到全局最优解。但随着求解问题的复杂性及难度的增加，提高GA的运行速度便显得尤为突出，采用并行遗传算法（PGA）是提高搜索效率的方法之一。本文分析了并行遗传算法的四种模型，最后应用于0-1背包问题的求解。实验结果表明．该算法在具有较高搜索效率的同时，仍能维持很高的种群多样性。     

遗传正交试验算法及其应用

遗传算法是一种能够在较大的参数空间中搜索到问题最优解的方法,在解决非线性问题时具有全局收敛性,但收敛性能差。论文提出一种结合遗传与正交试验两种算法优点的新混合遗传算法,应用表明该算法收敛能力强、寻优能力强及能产生大量次优解,是一种值得信赖的算法。     

基于遗传算法及概率论的文本分类算法

本文意在提高文本分类的准确度和速度。利用tf 算法对特征项进行初步赋予权值,再使用屏蔽词对特殊非实 意词进行屏蔽。本文独创概率论分布法,使用L-E 算子进行加权,使得特殊位置与分布广泛的特征项,呈指数形式加权,较优 结果能更快收敛。本文利用遗传算法,采用交叉算子和变异算子,采用适宜的目标函数,加快了检索速度,并有更大概率得到 最优结果。采用混合算法,可以排除同义词和非特征项的干扰。