QoS路由技术的新方法

多约束QoS路由问题是NP完全问题，一般采用启发式算法求解。量子遗传算法和DNA计算技术是新型的软计算方法．是解决NP完全问题的有效途径。文章在介绍量子遗传算法和DNA计算基本原理的基础上．给出了利用量子遗传算法求解多约束QoS路由问题的算法过程以及利用DNA计算技术解决QoS路由问题的算法模型，为多约束QoS路由技术的求解提供了新方法和新思路。     

快速求解多选择背包问题

本文对多选择背包问题的数学模型进行改进，然后基于动态规划提出了一种新的求解算法。在软件设计中采用了空间换效率的策略。然后对一个复杂的测试案例进行计算，并与遗传算法和传统的0-1整数规划求解法进行比较，发现这种新算法的计算速度得到较大较高。该算法的主要优势是：通过对数学模型的改进大大降低问题的规模、不用求解任何线性规划问题、能同时兼容几种背包问题的求解。     

遗传算法在多目标规划中的应用

利用遗传算法对项目群优选数学模型的求解进行了新的探索，并在单目标遗传算法程序的基础上，拓宽为多目标遗传算法。计算结果表明遗传算法是求解工程优化问题的一种有效方法。     

基于遗传算法的旅游商问题求解

旅游商问题是典型的NP完全问题，遗传算法是求解NP完全问题的一种理想方法，本文针对求解旅游商问题，设计了遗传算法的选择，交叉和变异算子等遗传子，最后给出算法的仿真结果。     

基于遗传算法的运输问题最优解研究

用表上作业法求解运输问题计算量很大,且收敛速度较慢.本文用遗传算法求解运输问题,通过选择恰当的编码方案和遗传算子,求运输问题的最优解.通过实例说明了基于遗传算法的产销平衡的运输问题及求解过程.     

非线性电路的ACNGA求解方法研究

在非线性电路的研究中，非线性电路的全解集的求解方法研究是非线性电路理论的重要研究领域之一。遗传算法是一种模拟生物进化的最优化搜索方法，因其稳定性好、不需要计算目标函数的能处理多维数值问题，遗传算法在科学研究和工程技术中得到广泛运用。针对非线性电路的全解集的求解要求，本文提出了一种改进的具有自适应交叉算子的小生境遗传算法，成功地应用于非线性电路的全解集的求解，结果表明了具有自适应交叉算子的小生境遗传算法（ACNGA）对非线性电路求解的有效性和实用性。     

基于MATLAB遗传算法工具箱的非线性电路求解

结合非线性电路,将非线性方程组的求解转化为用遗传算法求解目标函数的最小值问题,借助MATLAB的遗传算法与直接搜索工具箱(GADS)采用标准遗传算法较详细地介绍了其求解过程。结果表明,用该方法求解非线性方程组不仅方便快捷,而且近似解精度较高,突出了遗传算法在非线性电路数值计算中的优越性。该方法可以推广应用于其他非线性问题的求解。     

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.     

基于遗传算法的凸多面体间碰撞检测算法研究

将两凸物体间碰撞检测问题归结为一个带约束条件的非线性规划问题．对该问题进行适当的处理后．利用遗传算法对该问题进行求解．实例表明，遗传算法对该问题的求解比用传统的方法求解具有更高的计算效率和更快的计算速度．     

抽水蓄能电站优化运行方式的混合遗传算法

在建立抽水蓄能电站优化运行方式计算模型的基础上，将遗传算法与领域问题的算法相结合：选择机组运行状态作为编码变量，使机组的运行状态与二进制遗传编码具有简洁对应关系，采用符合问题本身特点的基因面式杂交算子和改造的变异算子，使遗传操作更适应问题的求解；根据领域问题的性质及算法求解承担系统基荷的机组运行方式，使问题的规模得到有效压缩，应用领域问题求解的等微增率原理计算各个体因子所对应的运行机组间最优负荷分配方案，并以此计算了个体适应值，由于在遗传编码设计，遗传操作改造，问题规律压缩以及适应值计算几个方面融合了问题所涉及的领域知识，提高了算法的计算效率和全局搜索能力，形成一种适合于求解复杂约束条件下抽水蓄能电站优化运行方式的混合遗传算法。     

多流股换热器网络综合问题的优化算法设计

多流股换热器网络综合问题是一个混合整数非线性规划问题（MINLP），这类问题规模大、约束条件多，严重的非凸非线性使得目标函数存在多个局部最优解．传统的基于梯度的优化算法在求解时极易陷于局部最优．有鉴于此，本研究采用遗传算法解决此类问题，通过对遗传算法进行改进，针对简单遗传算法存在的早熟和运行参数难以确定的问题，设计了多样性保持算子和多种群进化的算法结构；计算时运行参数自适应确定，并把模拟退火算法思想引入遗传算法子代的生成中去．实例证明，采用所构造的算法可有效求解MINLP问题，并有利于寻求到全局最优解．     

遗传算法应用于二维微波成像研究

微波成像在生物医学等诸多领域中具有独特优势和远大的应用前景。 但在成像反演计算中，描述微波散射的算子方程通常是复杂的非线性方程，求解十分困难，同时面临着病态方程求解、计算耗时过多等诸多难题。作者试用遗传算法完成成像计算中逆问题的求解。对二维微波成像问题的数值计算结果表明，遗传算法能够对介质目标的位置、形状和介电常数进行准确的成像，并具有较高的计算效率。     

求解L_4(2~3)的遗传算法

通过分析正交阵列和遗传算法的特性,给出了正交阵列L4(23)的遗传算法的求解方案:确定编码的表示、选择算子、变异算子及适应度函数.实验表明,采用遗传算法求解L4(23)是可行的,有望求解更高阶的二元正交阵列,为正交阵列的求解问题提供了新的思路.     

求解整数规划的混合遗传算法

整数规划问题是NP困难问题，在决策变量和约束条件很多时，用常规的求解法效率很低。针对遗传算法存在的缺陷，提出了遗传算法和混沌的结合。在此基础上，设计了用于求解整数规划的混合遗传算法，算例表明，此算法能大幅提高计算效率。     

退火单亲遗传算法求解随机需求VRP问题

为了有效求解随机需求的车辆路径问题,在单亲遗传算法中加入模拟退火选择操作,构建了退火单亲遗传算法;并实现了以虚拟自然数代表中心点,可直接利用求解随机需求VRP问题的有效遗传算子。在选择操作中,采用三复本锦标选择的方式,保持了种群的多样性。计算结果表明,该方法可有效求解随机需求车辆路径问题,算法的搜索效率、收敛概率均得到大幅度提高,取得了比一般遗传算法更优的结果。     

基于NDP的遗传算法及其在JSP中的应用

遗传算法被广泛应用于求解车间作业调度问题(JSP),但遗传算法具有最优参数难以确定的问题。对此,该文提出了一种基于神经元动态规划(NDP)的遗传算法NDP-GA。该文将遗传算法用M arkov决策过程模型描述,建立了M arkov决策过程最优策略与遗传算法最优参数之间的联系。在此基础上,用神经元动态规划逼近M arkov决策过程的最优策略,并用学习到的策略指导遗传算法最优参数的选择。数值计算结果表明,该文提出的算法能自动收敛到最优遗传参数,并在求解JSP问题时能稳定地得到满意解。     

MT资料反演的一种实数编码混合遗传算法

设计了一种求解一维大地电磁测深反演问题的实数编码混合遗传算法,它是通过单纯形搜索与遗传算法结合而成。针对传统的遗传算法在优化应用中存在局部搜索能力弱、计算量大、对较大空间适应能力弱和早熟收敛,而基于局部线性化的单纯形法易使解陷入局部极小值,严重依赖初始模型的选择等问题,在遗传算法中加入一个改进的单纯形搜索算子,并采用最优群体保留策略。该新算法既具有遗传算法的全局收敛性,又具有单纯形法的快速收敛性。对各种类型的大地电磁测深理论曲线进行计算,结果表明:采用实数编码混合遗传算法进行反演具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释。     

多种运输方式模型优化及求解

对可阶段化运输网络，提出了将路径选择与交通运输方式相结合的组合优化模型．通过虚拟一个运输网络，转化为一个与原问题等价的最短路径问题，并设计了相应的遗传算法对其求解，通过实例计算表明，该算法对该问题是可行和有效的．     

基于改进多目标遗传算法的连铸二冷过程优化

采用一种改进的多目标遗传算法对二冷工艺进行优化.改进的多目标遗传算法应用概率法选取选择算子，根据适应度值来动态计算交叉和变异概率，能够得到更好的全局最优解，提高算法精度和整体性能.在基于凝固传热模型的二冷优化过程中，采用变间距差分法离散求解传热方程，对比粒子群算法、多目标遗传算法，改进的多目标遗传算法搜索效率高，得到的价值函数最小.在实际生产中，采用优化后的二冷工艺，使得总用水量减少约10%，提高了铸坯质量，达到了节能降耗的要求.     

基于遗传算法的波分复用网络保护容量优化设计

针对传统数学方法难以快速求得波分复用（VDM）网络保护容量优化问题的工程满意解，提出了一种基于遗传算法的全新求解方案，它具有结构简单，搜索效率高，求解速度快等优点，分析了交配概率和变异概率等控制参数对算法性能和求解精度的影响，为了加快遗传算法对链路分离型路径保护方法下WDM网络优化模型的求解过程，设计了一种简捷的问题解编码方式，它极大地简化了选择，交配和变异等遗传算子的执行，仿真结果表明，基于遗传算法的求解方案能够迅速地求出保护容量优化问题的全局近似最优解，且满足工程设计的精度要求。