面向机组最优投入的改进遗传算法及其应用

根据机组最优投入问题（ＵＣ）的特点，对遗传算法（ＧＡ）的算子作了有效的改进，研究了参数设置对机组投入问题的影响，建立了具有自适应能力的参数调整模型，大大提高了算法的收敛能力．基于Ｃ语言的位操作算子进行计算，得到满意的效果     

多执行模式资源受限工程调度问题的优化算法

近几年来，模拟退火（ＳＡ）和遗传算法（ＧＡ）等智能优化方法在求解组俣最优化问题显示出了较强的能力，许多文献报告了它们在这类问题上的应用，有些文献则报告了一些它们的混合算法，然而，定些算法对问题的求解效果因问题的结构不同而有限大差异，它们的成功必须充分结合问题本身的特点，本文针对多执行模式资源受限工程调度问题的特点，设计了一种ＳＡ／ＧＡ混合算法，利用被普遍应用的标准问题对该算法进行了测试，取得了令人满意的结果。     

基于最大和最小选择的两种新的恒虚警检测器

本文提出两种基于有序统计（ＯＳ）和单元平均（ＣＡ）产生局部估计，并分别应用最大选择（ＧＯ）和最小选择（ＳＯ）产生检测单元干扰功率水平估计Ｚ的新的恒虚警检测器（ＯＳＣＡＧＯ）和（ＯＳＣＡＳＯ）。我们推导出了它们在ＳｗｅｒｌｉｎｇⅡ型目标假设下的Ｐ＿（ｆａ），Ｐ＿（ｃｌ）和度量ＡＤＴ的解析表达式。分析了它们在均匀背景和强干扰目标环境之中的检测性能，并把它们与ＯＳ－、ＧＯＳＧＯ－、ＧＯＳＳＯ－ＣＦＡＲ进行了比较。结果表明，ＯＳＣＧＯ在均匀干扰背景和多目标情况下的检测性能与ＯＳ和ＧＯＳＧＯ相比，都有很明显的提高。在干扰目标数为某些值时，ＯＳＣＡＧＯ的ＣＦＡＲ损失比ＧＯＳＧＯ小近３ｂＢ。在均匀背景中，ＯＳＣＡＳＯ的检测性能与ＧＯＳＳＯ相近。但是，在多目标环境中，一定条件下的ＯＳＣＡＳＯ的检测性能甚至超过了ＯＳ和ＧＯＳＧＯ。     

多级退火遗传算法及其在ULSP优化中的应用

针对一般遗传算法（ＣＧＡ）在解优化问题中存在的问题和缺陷，提出一种改进的多级退火遗传算法（ＭＬＡＧＡ）、基于Ｂｏｌｔｚｍａｎｎ生存机制的群体更新策略，以及在多级退火的初始阶段引入移民策略有效解决了“群体多样性”和“快速收敛”之间的矛盾。通过和ＣＧＡ在ＵＬＳＰ问题优化中的比较，验证了改进算法的有效性。     

改进遗传神经网络及其对碎石桩复合地基承载力的预测

针对遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ,ＧＡ）及人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ,ＡＮＮ）优缺点,提出了改进遗传神经网络,并把它用于求解碎石桩复合地基承载力的计算,结果表明该方法是可行的,从而为地基承载力计算开辟了一条新的途径     

基于最小二乘算子的混合计算智能辨识算法

基于非线性最小二乘（ＮＬＬＳ）法和遗传算法（ＧＡ）思想，通过定义ＮＬＬＳ算子、适应度以及混合数据结构，得到非线性回归模型非线性参数的混合计算智能辨识算法，该算法结合ＧＡ和ＮＬＬＳ法两者长处，即有较快收敛性，又能以较大概率求得全局（一致收敛）估计。计算结果表明该方法显著优于ＧＡ和ＮＬＬＳ法。     

遗传算法在有时间窗车辆路径问题上的应用

本文用遗传算法求解有时间窗车辆路径问题，获得其近优解或最优解．传统的交叉算子如ＰＭＸ，ＥＲ和ＣＸ等对多约束问题的适用性受到限制，本文使用一种直观的编码方法，并提出基于优先关系的交叉算子．实验表明这种遗传算法能够有效地解决复杂的优化问题     

基于遗传算法的多级目标非平衡指派问题求解

给出了一个基于遗传算法的多级目标非平衡指派问题的求解方法.首先把一个非平衡指派问题转化为一个组合优化问题.在此基础上,给出了编码策略、目标函数和适应度函数、选择算子、交叉算子和变异算子,还给出了交叉概率、变异概率的定标方法.最后采用遗传算法成功地解决了非平衡指派问题.     

遗传算法求解旅行推销员问题时算子的设计与选择

主要讨论了在用遗传算法求解ＴＳＰ时,在算子的设计和选择方面应该注意的一些问题,并且给出了一些算子的分析和设计实例。     

一种求解旅行商问题的交叉禁忌搜索

提出一种改进的禁忌搜索（TS）一交又禁忌搜索（CTS），并用于混合优化问题旅行商问题（TSP）的求解。CTS主要包括集中策略和分散策略，采用选择规律的改变促进移动的混合，集中策略增强了算法的局部搜索能力；分散策略是用于开辟新的搜索空间，在CTS中，采用遗传算法中的交叉算子作为分散策略，优解选择法作为集中策略。CTS、标准TS、带集中裳略的TS和蚁群算法用于求解相同的TSP例子，所用例子都是来自TSPLIB例子库和Fogel路径。求解结果显示了CTS的性能优于其它算法。     

改进的三种群遗传算法

提出了一种新的三种群遗传算法.在一个子种群中,高相似个体之间具有相对高的交叉率,遗传操作得到的新个体替代上代种群的最劣的个体.在另一个子种群中,低相似个体之间具有相对高的交叉率,相对大的变异率,遗传操作得到的新个体替代父代中的最劣个体.两个子种群移民一定数量的个体到第三个子种群,第三个子种群进化后移民到前两个子种群,均衡算法的局部搜索能力和全局探索能力.将算法与确定性排挤遗传算法与3个子种群的多种群遗传算法进行比较,结果表明新算法的性能更优.     

遗传——灾变算法及其在非线性控制系统中的应用

本文提出了遣传一灾变算法。在遗传算法的基础上，提出进一步模拟自然界中的灾变现象，以提高遗传算法的性能，尤其是解决重要的不成熟收敛问题。文中介绍了它的基本原理并将其应用于非线性控制系统的优化设计中。仿真实例验证了该算法的优良性能     

遗传算法和遗传规划对比研究

通过对遗传算法定向搜索机制和遗传规划搜索机制的研究比较，可以看出，依据遗传算法的基本思想设计遗传规划的进化算子时，由于算子空间过大而导致盲目搜索。通过对遗传规划的研究，提出了一套有定向机制的进化算子，进而设计和实现了基于这一套算子的遗传规划算法。     

基于遗传算法的管理信息系统的智能分解

将遗传算法原理应用于管理信息大系统的结构化分解，并对具体分解技术进行了详细描述，最后对一个具体实例进行了仿真计算。仿真说明，该算法具有全局快速收敛性、并行性和极高的分解效率。     

—基于遗传算法的铁路客车地板结构优化设计与仿真

本文提出了基于遗传算法对工程结构进行截面尺寸优化设计和仿真的新方法。利用遗传算法在寻优过程中不要求梯度计算这一优良的特性，将它与结构有限元分析和ＣＡＤ技术有机地结合在一起，实现了在ＣＡＤ环境下对铁路客车一种地板结构截面尺寸设计计算、优化及结果仿真。本文所提出的方法不仅简单易行而且容易推广到更复杂的工程结构截面尺寸优化问题。     

Improving the Estimations of VaR-GARCH Using Genetic Algorithm

1　 IntroductionIn recent years,well-publicized losses suffered by some institutions such as Natwest,Baring Bank,Metallgesellschaft,and Orange County have brought risk management tothe core of policy making and public discussion,and there has a widespread call for betterquantification of financial market risk facing regulations and financial society.At theforefront of this clamor for a standardizaed risk measure has been Value at Risk( Va R) [1～ 5] .Va R is defined as the expected loss on…     

改进的快速遗传算法及其性能研究

遗传算法作为一种有效的全局随机优化方法,在工程界已得到了广泛应用。为了克服工程应用中遗传算法所表现出的计算费时、稳定性差等缺点,提出了一种快速收敛的遗传算法,从初始群体生成及遗传算子操作等几个方面作了改进。通过几个复杂函数的优化仿真实验,证明该算法能大大提高遗传算法的收敛速度,明显改善算法的计算稳定性。     

基于遗传算法的非线性参数估计器

提出非线性参数估计的遗传算法方法。遗传算法是一种基于自然选择和自然遗传学机理的全局搜索学习算法。文中介绍了遗传算法的基本原理和参数估计算法。仿真实例验证了该方法的良好特性。     

单亲遗传算法的遗传算子分析

给出了单亲遗传算法的几种主要遗传算子,分析了单亲遗传算法遗传算子的性质,证明了单亲遗传算法的几种基因重组算子具有相同的遗传操作功能,并分析了不同基因重组算子对适值计算式的影响.所得出的仿真实验结论对如何选择合适的遗传算子、提高计算效率具有重要的意义.     

一种基于自适应遗传算法的聚类分析方法

本文研究了基于自适应遗传算法进行聚类分析的基本原理和实现方法。自适应遗传算法不同于一般遗传算法之处是其交叉互换率与突变率这两个参数随串的适应度值而变化，极大地增强了算法的性能。实验结果表明，遗传算法应用于聚类分析能够搜索到更为精确的聚类中心值，在模式识别、数据压缩等领域有着广泛的应用前景。