改进遗传交叉算子求解TSP问题

遗传算法中的交叉算子最根本的作用就是要使子代继承父代的优秀基因。本文着重考虑了用遗传算法求解TSP问题中遇到的交叉算子，根据TSP问题的特点，构造出一种能很好继承父代优秀基因的交叉算子；实例计算表明该算法收敛速度快，从而可以进一步改善遗传算法的性能。     

基于改进遗传算法的异构网络资源块分配方法

在异构网络中,为了优化用户关联和资源块分配,以最大化网络吞吐量并实现合理公平性,提出一种改进遗传算法的无线资源分配方法.在遗传算法程序的四个主要阶段(即初始化、交叉、变异和选择)之外,提供一个额外算子来管理遗传算法处理过程中生成的非法子代,调整无效基因,从而提供可数的搜索空间(资源分配数量).所提方法得到的总吞吐量比整数线性规划方法所得值高30.1%、比最优信道质量指标方法所得值高35.6%,公平性度量比整数线性规划方法所得值高31.5%、比最优信道质量指标方法所得值高32.8%.     

遗传算法交叉算子的分析

交叉算子是遗传算法中最主要的遗传算子，对种群的搜索性能起着重要的作用。作者就维持种群多样性的角度，提出了有效交叉位置距和有效交叉点的概念，并分析了随交叉点位置不同一点交叉、两点交叉和一致交叉之间的关系，对3种交叉算子各自的搜索空间及交叉算子对模式的影响进行了分析，并给出了一些重要结论。通过函数优化验证了新交叉算子的有效性。     

利用基因重组策略改进遗传算法

为了克服标准遗传算法的早熟现象，提高遗传算法的全局收敛性，提出了一种基于基因重组策略的遗传算法。该算法定义了一种新的交叉算子，即移位逻辑交叉算子(包括蝶形移位交叉算子和洗牌移位交叉算子)，用它们对染色体的部分基因实现有规律的交叉重组。实验结果表明，该算法比经典的遗传算法具有更好的收敛性和稳定性。     

多个体参与交叉的遗传算法

提出了多个体参与交叉的遗传算法,即采取新的交叉算子使子代个体同时含有多个父代个体的模式．突破了以前遗传算法只有两个个体参与交叉的局限,通过调整参与交叉的父代个体数目和交叉后产生的后代个体数目,实际上提出了遗传算法调试中的两个新参数．通过调整新参数,使得遗传算法可能有更高的计算效率．证明了多个体参与交叉的遗传算法的模式定理．将方差与熵作为描述遗传算法解群多样性的工具．分析了多个体参与交叉的遗传算法对解群方差及熵的影响．通过一个算例验证了多个体参与交叉的遗传算法具有较高的计算效率     

基于多父辈交叉的次序编码遗传算法及其性能

介绍6种应用于次序编码遗传算法的多父辈交叉(MPX)算子.利用3个典型的旅行商问题(TSP),测试和比较各个算子和不同的父辈数对于遗传算法优化性能的影响,测试结果显示出不同于基于多父辈交叉的二值编码和实数编码遗传算法的结论.对于3个测试问题,交叉算子父辈数的增加不一定能引起算法优化性能的改善;同时,也并没有一个交叉算子表现出明显优于其他算子的性能优势.     

一种模拟人类繁育方式的自适应遗传算法

为了克服标准遗传算法容易出现的早熟收敛现象、全局收敛速度慢等问题,将人类特有的繁育方式引入到遗传算法中来,提出一种模拟人类繁育方式的自适应遗传算法（HRAGA）．该算法中加入了一个新的遗传算子——助长算子,并设计了一个新的自适应交叉算子和自适应变异算子,遗传个体具有雄性和雌性两种不同的性别,融合了个体的年龄和个体间的亲缘关系两种特征,在允许的年龄范围内,异性个体进行严格的远缘繁殖．通过对典型测试函数最优化问题的求解试验,证明了该算法的有效性和优良性能,其全局收敛速度和最优解的质量明显高于标准遗传算法．     

基于修正遗传算法的含服务费的VRPPDTW的研究

文章在一般的带时间窗的集配货一体化问题研究的基础上增加了对装卸货产生的服务费的研究。通过推理计算求出包括服务费在内的各部分费用在总费用中所占权重,建立含服务费的VRPPDTW问题模型。在求解时基于遗传算法并对算子做出修正,通过动态自适应技术修正交叉算子和引入2-opt操作修正变异算子,通过修正确保种群的多样性和稳定性并提高算法的求解效率。最后,通过数值例子对文章的模型和计算策略进行验证。结果显示:执行修正遗传算法(MGA)的最优成本为246.136;执行自适应规则确定交叉概率遗传算法(AGA)的最优成本为275.944 3;执行标准遗传算法(SGA)的最优成本为304.188 6;经过多次反复执行验证,使用修正遗传算法较其余两种算法更适合求解此模型。     

基于修正遗传算法的含服务费的车辆路径问题

在一般的带时间窗的集配货一体化问题研究的基础上增加了对装卸货产生的服务费的研究。通过推理计算求出包括服务费在内的各部分费用在总费用中所占权重,建立含服务费的带时间窗的集配货一体化车辆路径问题(VRPPDTW)模型。在求解时基于遗传算法并对算子做出修正,通过动态自适应技术修正交叉算子和引入2-opt操作修正变异算子,通过修正确保种群的多样性和稳定性并提高算法的求解效率。最后,通过数值例子对文章的模型和计算策略进行验证。结果显示:执行修正遗传算法(MGA)的最优成本为246.136;执行自适应规则确定交叉概率遗传算法(AGA)的最优成本为275.944 3;执行标准遗传算法(SGA)的最优成本为304.188 6;经过多次反复执行验证,使用修正遗传算法较其余两种算法更适合求解此模型。     

基于改进遗传算法多体模型的汽车悬架参数优化

针对遗传算法普遍存在的概率参数主观选取问题、早熟问题以及汽车悬架优化模型采用集中质量模型问题,提出了改进遗传算法,采用交叉算子和变异算子分别独立作用于父代个体,使父代所有个体都进行交叉和变异来避免概率参数的选取问题;然后按父子混合杰出者选择策略产生子代个体;使用局部多次搜索算子和替换策略来加快遗传算法的收敛速度;建立遗传算法和ADAMS软件的接口,使用专业软件ADAMS来处理复杂目标函数和适应度的求解问题,实现复杂多体模型的遗传算法优化。通过对33自由度的汽车悬架多体模型进行优化分析并和传统优化方法、标准遗传算法和小生境遗传算法进行对比,结果表明该方法明显优于其它方法。     

实数编码遗传算法离散重组算子分析

用组合数学分析了实数编码遗传算法的一点交叉、多点交叉和均匀交叉等三种离散重组算子的组合能力，算子的组合能力算子组合出新染色体数目的大小衡量，分析表明，对同一父染色体对交，一点交叉最多可组合出2(n-1)个新的染色体，多点交叉为2C^kn-1个，均匀交叉为2（2^n-1-1)个，函数优化实验研究表明，在算法中采用何种离散重组算子较为合适与算子的组合能力有关，也与优化问题有关。     

遗传算法中的交叉算子研究

阐述了基本交叉算子和交叉机理．通过一个具体的工程应用——项目投资决策，对比和分析了同一遗传算法在不同交叉算子作用下的性能。结果表明，依据置换群理论，算术交叉算子和线性序列交叉算子均可看作多点交叉算子的迭代．     

用MATLAB求解TSP问题的一种改进遗传算法

TSP问题是遗传算法得以成功应用的典型问题.提出一种改进的义叉和变异算子来解决TSP问题,并给出其算子的MATLAB程序.通过实验,发现改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的.     

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Ｐａｒｅｔｏ遗传算法来实施的带约束的多目标混合变量的优化方法。得到Ｐａｒｅｔｏ最优解集,决策者从中可选出满足设计需要的解。该算法包括６个基本算子：选择、变异、交叉、离散变量圆整算子、小生境、Ｐａｒｅｔｏ集合过滤器。建立了用于多目标优化的适应度函数,使用模糊罚函数法法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法。最后用算例说明了该方法     

一种改进遗传算法及应用

提出一种改进遗传算法．它是以实数编码，采用自适应Pc、Pm与固定的Pc、Pm相结合，引入生物进化编程（EP）思想，利用不同形式的评判函数，完成遗传操作．实验表明，该改进遗传算法具有快速、有效的特点，提高了GA的优化能力．     

一种基于实数编码的改进遗传算法

在介绍基于实数编码遗传算法的优点和分析原有遗传操作机制存在缺陷的基础上,重点研究了实数编码的改进线性交叉算子,提出了一种改进遗传算法(MGA)·该改进线性交叉算子的优点是在交叉之后,一个子代位于两父代之间,另一子代位于靠近较好的父代的一侧,使解向好的方向发展,并且都是可行解·通过对几个典型的实例计算并与其他基于实数编码的遗传算法进行比较,结果表明,本算法在求解优化问题的收敛速度和精确性方面具有优势·     

遗传算法求解TSP问题的MATLAB实现

以遗传算法求解旅行商问题（TSP）为例,提出一种改进的交叉和变异算子,深入讨论了各个遗传算子的程序实现,并给出其算子的MATLAB程序编码,最后用5个城市的非对称TSP进行仿真分析.结果表明,改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的,证实TSP问题是遗传算法得以成功应用的典型例子.     

基于代数杂交算子的变异算子机理分析

利用布尔代数的理想将遗传算法 (GAs)中的个体空间进行等价分类后 ,本文利用代数杂交算子 ,对变异算子的运行机理进行了分析 ,并得出了若干结果。作为其应用 ,分析了遗传算法的过早收敛现象     

连铸组中间包问题的MTSP模型及混合优化算法

针对连铸计划中的组中间包问题,建立了多旅行商问题(MTSP)模型,提出了一种结合启发式、k-opt邻域搜索和EDA进化的混合优化算法.该算法首先利用启发式规则确定虚拟炉次的个数,从而确定染色体编码长度,每个染色体代表一种中包组合方案,然后设计了基于概率矩阵模型的EDA进化算法对染色体进行全局寻优,并使用k-opt邻域搜索进行局部优化.EDA算法不需要设计如遗传算法(GA)那样的交叉算子,避免了交叉导致的编码非法性问题.通过对企业实际生产数据进行仿真计算,其结果表明了算法具有良好的优化性能和实用性.     

不确定条件下基于遗传算法的作业车间调度问题

考虑到产品不同的交货期, 研究了不确定条件下的作业车间调度问题, 用三角模糊数表示产品处理时间, 建立了调度问题的模型, 并结合模糊理论设计了一种改进的遗传算法进行求解. 该算法通过整数编码的方法产生初始种群, 结合轮盘赌方法和精英保留策略进行选择操作, 采用基于优先工序交叉(precedence operation crossover, POX)算子和互换变异方法进行交叉和变异操作, 并通过动态调整交叉概率和变异概率的方法来提高算法的性能以及计算效率. 最后, 通过算例和企业实例验证了该模型和算法的有效性.