一种新的优化搜索算法—遗传算法

本文详细介绍了遗传算法（ＧＡ）及其数字基础，遗传算法与传统优化方法的区别，总结了遗传算法的特点。同时给出了几种ＧＡ的改进方法和应用ＧＡ的要点。     

遗传算法种群多样性的分析研究

种群的多样性是遗传算法法进化的前提条件，本文提出用种群方案方差和熵两个量来全面刻画遗传算法中的种群的多样性，分析了选择，交换和变异三个主要算子对种群方差和熵的影响，同时比较了编码机制对种群多样性的影响，得出一些重析结论。     

基于多层感知遗传算法的图象分割新方法

本文提出了一种新的灰度图象分割方法．该方法模拟了人类视觉由粗到细的分割过程，针对图象中各位置的不同内容采用不同的细节分辨率，形成多层感知的塔式结构；而在每一分辨率层上，采用小生境的遗传算法进行图象分割，使整个算法具有较强的鲁棒性、适用性、非监督性及高度的并行性，通过与单层遗传分割算法［1］相对比，显示了该方法具有更好的分割效果．     

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。     

一种基于特殊个体的改进遗传算法

提出了一种不需要变异操作,只由交换操作就能遍历搜索空间所有状态点的改进遗传算法。这种算法通过在种群中增加两个特殊个体,就足以提供交换所需的基因材料。在计算量上这种算法比简单的遗传算法明显要小,仿真结果证明了这种算法的可行性     

一种新的优化搜索算法—遗传算法

本文详细介绍了遗传算法（ＧＡ）及其数字基础，遗传算法与传统优化方法的区别，总结了遗传算法的特点。同时给出了几种ＧＡ的改进方法和应用ＧＡ的要点。