基于进化算法的常减压装置模拟

提出了基于优选优生进化算法（Select—best and prepotency evolution algorithm，SPEA）的常减压装置模拟方法。以各塔的温度分布为目标，基于生产过程和分析数据，采用SPEA确定各塔板Murphree效率，从而精确描述各塔板平衡偏离程度。在实际应用中，获得具有良好精度的常减压装置模型。系统分析了SPEA算法的关键参数——优选领域大小与计算复杂性及寻优性能之间的关系，结果显示其取值为群体规模的10％最为合适。     

遗传算法在GSM移动通信网络频率规划中的应用

应用遗传算法设计和开发了针对爱立信GSM900系统的频率规划软件。在设计中，采用了交叉点存储、变异回退以及分割分步降维的方法，从而提高遗传算法的执行速度。     

基于遗传算法的服装工序编排规划

本文讨论了建立服装工序编排系统的必要性，在进行服装工序拆分、合并的基础上，应用遗传算法建立了以流水线平衡为目标的服装工序编排模型．     

改进型遗传算法在加载天线设计中的运用

遗传算法是一种全新的优化搜索方法，可以用来解决各种复杂的实际问题。针对简单型遗传算法的一些不足之处，介绍了一种改进型的遗传算法，并阐述了其在短波宽带集总加载天线优化设计中的运用。     

遗传算法在期货市场创新决策中的应用

研究了遗传算法在期货市场创新决策中的应用问题，在期货市场的保值者和投资者数目以及期货合约结构模型的基础上，设计了期货市场创新的染色体表达和遗传操作并进行了仿真研究。     

使用遗传算法的迷宫学习

本文试用遗传计算及决策制定方法来实现机器人有认识迷宫意向的能力，这里“意向”是指遵循对迷宫特有的路径规则所出的决定，令机器人在两个相对的迷宫中行走学习，一个迷宫路径是基于同样的意向，另一个则基于不同的意向，研究结果确认了已达成的意向学习。     

运用遗传算法拟合离子选择电极工作曲线

1975年,Holland受生物学中“生物进化”和“自然选择”学说的启发,提出了著名的遗传算法.经过近20年的研究、应用,遗传算法已成为非线性优化和系统辨识的有效工     

基于模糊神经网络和遗传算法的大坝安全监控模型

应用监控模型来监控大坝的工作性态是一条有效途径，但由于大坝工作条件复杂，影响因素繁多，为以精确的数学进行描述带来了很大的困难，而应采用从定性到定量的综合集成的方法，将专家知识，监测数据和各种信息与计算机软硬件技术结合起来，把坝工理论和坝工家的经验结合起来对其进行研究，文中应用模糊神经网络和遗传算法等人工智能技术，依据专家的经验确定隶性函数，从而建立模糊神经网络预报模型，根据专家对实际情况的正确分析，对预报结果进行修正，达到进一步提高预报精度的目的。