基于主动进化遗传算法的模糊聚类技术

为解决基于遗传算法的模糊聚类方法所存在的执行效率低的问题，将定向变异的思想引入到标准遗传算法领域，提出了一种基于主动进化遗传算法的模糊聚类技术，并将该技术应用到模糊聚类问题上．     

基于主动进化的神经网络优化算法

本文研究了一种基于主动进化神经网络的自动优化算法,用以同时完成对网络结构空间和权值空间的搜索。主动进化遗传算法在很大程度上克服了现有遗传算法执行效率低的问题,并因此运用到神经网络中去。实验结果表明,改进后的算法收敛速度更快,加快了网络拓扑结构和权值的搜寻速度,提高了网络预测精度。     

遗传算法及其进化硬件设计研究

遗传算法(Genetic Algorithms，GAs)是进化计算中的重要领域．也是人工智能迅速发展的重要领域，它是一类模拟自然进化过程和达尔文“适者生存”的算法。这一算法企图通过使用诸如交叉、变异等算子从先前的候选解中生成最佳解。进化硬件(Evolvable Hardware，EHW)则是受自然进化得到灵感、设计硬件系统的新型设计方法，它是进化计算技术和电子硬件结合的产物。本文给出GAs在计算机模型中的基本概念．讨论进化再配置硬件的设计，最后给出几个进化实验的例子。     

求解大规模0-1背包问题的主动进化遗传算法

针对遗传算法求解大规模0-1背包问题中存在的不足,将定向变异机制引入到遗传算法中,提出了基于主动进化遗传算法的0-1背包问题求解算法。该算法利用概率编码方案对种子个体进行编码,每代种群中的个体通过对该代种子个体进行测度而产生,用于定向变异的诱变因子将参与种子个体的进化。实验结果表明,该算法具有较好的全局寻优能力和执行效率。     

基于协同进化遗传算法的地域选取方法

地域选取是基于GIS（Geographic Information System）的辅助决策系统的关键技术之一，多目标选取是其中的难点。协同进化遗传算法是传统遗传算法的改进，考虑了种群之间的相互作用。文中将协同进化遗传算法应用到了多目标地域选取中，采用了实数的染色体编码方式，改进了选择和变异算子。并在指挥所配置实验中运用该方法成功地解决了问题。     

基于协同进化遗传算法的地域选取方法

地域选取是基于GIS(Geographic Information System)的辅助决策系统的关键技术之一,多目标选取是其中的难点。协同进化遗传算法是传统遗传算法的改进,考虑了种群之间的相互作用。文中将协同进化遗传算法应用到了多目标地域选取中,采用了实数的染色体编码方式,改进了选择和变异算子。并在指挥所配置实验中运用该方法成功地解决了问题。     

引入进化梯度的改进小生境遗传算法

针对基本遗传算法易于早熟及局部寻优能力较差等不足,提出了一种引入进化梯度的改进小生境混合遗传算法(GNGA)。利用进化梯度信息调整个体向更优解进化,并根据进化代数自适应调整实数编码个体的交叉量和变异量,增强了局部寻优能力和解的精度。基于排挤的小生境算法的引入,保持了种群的个体多样性以克服早熟。在Shubert函数上的仿真结果表明,与小生境遗传算法相比该算法能有效提高解的精度及收敛速度,找到更多最优解。     

基于多种群进化小生境遗传算法的神经网络进化设计方法研究

针对神经网络进化设计问题中棋型解基因编码与棋型解空间的特点，提出了多种群进化小生境遗传算法。该神经网络进化楚棋方法设计简单、通用，棋型性能评价全面合理，全局搜索效率高，电力负荷预测支持系统的实际应用效果表明此方法是有效的，具有一定的应用推广价值。     

基于遗传算法的主动轮廓模型

由 Kass等人提出的主动轮廓模型 ,本质上是一条能量最小化的轮廓曲线 .它作为一种全新的采用自上而下机制的图象目标提取方法 ,由于它有效地利用了高级信息 ,从而提高了目标提取的速度和准确性 ,已经在数字图象处理和计算机视觉领域得到了广泛的应用 .原始的主动轮廓模型算法可以分为构造能量函数、推导欧拉方程、离散化和迭代求解 4步 .但该算法存在许多问题 ,为此在分析原始主动轮廓模型算法和一些改进算法的基础上 ,提出了一种基于遗传算法的主动轮廓模型算法 ,并给出实验结果 .实验结果证明 ,基于遗传算法的主动轮廓模型不仅成功地解决了原方法收敛易陷入局部最小值的问题 ,也提高了目标提取的成功率 .     

基于主动对象的Internet服务进化研究

Internet服务系统的维护与进化是当前软件开发领域的一个研究热点．传统的软件工程的生命周期开发方法并不完全适用于Internet服务软件．本文根据Internet服务软件的开发与处理特点，提出了一种采用主动分布式对象方式对Internet服务软件进行分析与处理的软件开发与进化方新范式．该范式利用分布式主动时象的自动侦测与相应处理机制。能够自动的完成大量的Internet应用进化处理需求．     

基于Agent的遗传算法描述与演化模型研究

Agent是指具有智能的人或其它智能物.它具有自治、反响、推测、协作、自学习和相互学习等能力,本文基于Darwin自然进化论与Mendel遗传变异理论,给出Agent的遗传算法与演化模型.这些理论的提出,进一步丰富和完善了Agent的研究内容.     

基于改进遗传算法的大规模TSP问题求解方案

TSP问题不仅描述旅行商周游城市的问题,也是许多工程领域中复杂问题的抽象形式,找到一种有效的TSP问题求解方案具有十分重要的意义。针对大规模TSP问题中最小回路代价的求解问题,提出一种基于遗传算法的大规模TSP问题的求解方案,采用分而治之的思想,并对传统遗传算法的初始化和遗传算子进行改进,提高了算法性能。多个数据集上的实验结果证明了提出的算法能够优化收敛结果,一定程度上解决过早收敛的问题。     

基于路径共同顺序的TSP遗传算法

遗传算法是一种解决TSP问题的有效算法。文章提出了一种基于路径共同顺序的新型遗传操作方法,即首先寻找父辈的共有路径信息,然后构建后代,该方法缩小了搜索优解的范围,加快了优化过程的收敛速度。在此基础上针对TSP实例,实现了基于共同顺序的优化方法来解决小规模TSP问题,以及更有效的基于共同顺序的循环优化方法来解决大规模TSP问题。实验结果验证了该方法的有效性。     

遗传算法在旅行商问题的研究与应用

旅行商问题（TSP）是一类典型的非确定性多项式（NP）完全组合优化问题.针对基本遗传算法在求解这类问题时容易出现局部收敛现象,提出了改进,采用轮盘赌和优秀个体复制相结合的方法进行选择,对11个城市的旅行商问题进行研究,通过比较发现取得良好的收敛,该方法在解决很多NP完全组合优化问题上同样适用.     

基于正反馈机制的遗传算法

本文提出了一种基于正反馈机制的遗传算法（Genetic Algorithm based on Mechanism of Positive Feedback,GAMPF）,它将蚂蚁算法的正反馈机制引入到两交换启发交叉算法（HGA）,用信息素指导遗传算法的交叉操作,实现了蚂蚁算法与遗传算法的融合。TSP仿真实验证明,新算法在求解质量和求解效率上都取得了很好的效果。     

一种基于新型遗传算法的图像自适应增强算法的研究

该文提出了一种新的遗传算法,该方法不仅能加快普通遗传算法的收敛速度,而且能有效地保证种群的多样性,然后,该文将这种新算法应用于灰度图像的自适应增强,实例计算表明了该算法的有效性和可行性。     

用遗传算法求解TSP问题

介绍TSP 问题和遗传算法的基本原理.针对解决TSP 问题,阐述遗传算法在编码表示和遗传操作算子等方面的应用情况,以及该算法在实现过程中的一些处理方法,最后给出该算法的运行结果和总结.