并行遗传算法收敛性分析及优化

针对并行遗传算法（parallel genetic algorithms，PGA）容易出现收敛过快和陷入局部最优解的问题，综合多种不同进化策略遗传算法之所长，设计了一种混合的粗粒度并行遗传算法。该算法由多个独立的子群体组成，各个子群体并行的、独立的、按照不同的遗传进化策略进化，每隔一定的时间，在子群体之间进行最优个体的迁移，促进群体的共同进化，并抑制群体早熟。在PVM环境下，用该算法实现函数优化问题，仿真实验数据表明了其有效性．     

基于仿生进化的自动控制系统

介绍了基于仿生进化的优化理论与技术：遗传算法,进化规划和进化策略;概述了遗传算法中的编码机制,适应度函数的建立以及三种基因操作（选种,交配和突变）;叙述了遗传算法在模糊控制、自适应控制、神经网络控制、最优控制、多变量控制以及相关技术（系统辨识,故障诊断,机器人学习）中的应用;还简述了进化规划和进化策略的机理及其在自动控制中的应用。     

遗传算法中的逐级进化策略研究

基于反馈控制原理，通过对遗传算法寻优规律的分析，提出了一种逐级进化策略．计算结果表明，该方法可有效地改善遗传算法的寻优性能．     

伪并行遗传算法在供水管网优化调度中的应用

讨论了基于微观水力模型的多水源大型供水管网优化调度问题的主要特征，并提出了求解该问题的改进遗传算法．首先，针对决策变量的结构提出二进制-实数混合编码策略；其次，设计并实现了多种群进化的伪并行遗传算法．将本算法与单一群体进化算法同时应用于实际管网的优化调度求解，结果表明，通过个体迁移策略，伪并行遗传算法可以加速优化搜索的进程，显著改善解的质量，并有效节省运行调度费用．     

泊位调度问题的GATS混合优化策略

在集装箱港口的运作中，泊位调度系统是制约集装箱港口降低船舶在港时间和运营成本的主要瓶颈之一．泊位调度问题是NP难问题，本文分别应用遗传算法GA和混合优化策略GATS对泊位调度问题的非线性规划模型进行了求解，与遗传算法相比，混合优化策略GATS增加了种群多样性，加速了进化过程，避免陷入局部极小解。     

基于事例推理的装配顺序规划中的遗传算法改进设计

针对基于事例推理(CBR)的装配顺序推理的特点,建立了相应的遗传算法模型.通过大量的算法实验,分析比较了传统进化、阶段进化和自适应进化策略的优劣,以及算法参数对推理效率和推理质量的影响.在此基础上,设计了改进的遗传算法.最后的实例分析验证了该算法的有效性.     

乙基叔戊基醚合成反应动力学的改进进化算法

采用国产强酸性阳离子交换树脂为催化剂，进行了乙醇和叔戊醇为原料，在常压液相下合成乙基叔戊基醚的反应动力学研究，得出了一个13参数动力学模型，并用改进的进化算法计算了反应速率常数和水的阻害系数。在改进的进化算法中，模拟退火的方法被引入了交叉策略和变异策略之中，并且与地化策略相结合，开发了一种多进化模式的进化－模拟退火算法。通过与一般遗传算法的比较发现，该方法收敛速度快，估算精度高，并能有效防止计算陷于局部优化，所得到的有关动力学参数可靠，模型与实验结果吻合得较好。     

进化算法初步探讨

进化算法是由生物进化规律而演化出的一种搜索和优化的计算方法。它包括遗传算法、遗传规划、进化策略和进化规划四种。本文简要介绍了进化算法的概念以及四种方案之间的相互联系与区别。     

改进进化方向的遗传算法与结构遗传设计

基于Ｙａｍａｍｏｔｏ提出的一种新的进化策略,得到一种改进进化方向的遗传算法。该法用于桁架结构遗传设计,不仅能够提高收敛速度,而且提高桁架遗传设计精度,与梯度下降进化方向遗传算法相比,计算时间大大减少。     

噪声环境下进化算法

以球型模型为例, 讨论了环境噪声对遗传算法(GAs)和进化策略(ESs) 及进化算法(EAs)的影响.并采用重新采样的方法来抑制噪声,提高进化算法在复杂环境下的鲁棒性.     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

基于遗传算法的网格结构优化方法

为了加快遗传泊进化过程,提出了基于遗传算法和满应力准则进行网格结构优化的杂交算法,杂交算法能大幅度地减少单纯采用遗传算法进行网格结构优化的解空间,其结果表明杂交算法能明显地加快遗传算法的收敛进程。     

基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.     

一种基于PSO思想的改进量子遗传算法

文章提出一种基于PSO思想的改进量子遗传算法.将PSO中的合作机制和记忆功能引入到QGA中,构造种群个体与当前最优解的距离参量,根据每个个体与当前最优解距离大小智能地控制旋转角的大小,使旋转角能够根据个体的进化差异选择不同旋转角的自适应调整进化过程,从而使算法始终保持合适的搜索网格,加快算法收敛,同时也可以保证能够收敛...     

基于混合蚁群遗传算法的SAT问题求解

根据SAT问题的特点,通过分析传统蚁群算法和遗传算法在求解SAT问题上的不足,提出一种基于混合蚁群遗传算法的SAT问题求解方法。给出一种新的初始解的生成方式;在迭代过程中,根据较优解的累积信息提出进化算子;利用当前得到的最优解,通过改变不满足子句中文字的取值,增加变异算子。最后选取标准测试集中的20个实例对算法进行测试,实验结果表明:改进后的算法通常仅通过较少次数的迭代就能找到解,能够有效避免蚁群算法和遗传算法过早收敛的缺点,具有较强的寻优能力。     

善治视域下我国政府回应能力提升探析

传统的可控源音频大地电磁法(CSAMT)反演方法属于线性或者局部线性,大都依赖初始模型.而遗传算法因其不依赖初始模型的特点而应用到CSAMT反演中.但是,标准的遗传算法存在早熟、局部收敛等问题.针对这些问题,对标准的遗传算法进行改进,采用排序法和最优保留策略相结合的选择算子,增强其种群多样性并保证其收敛性;采用父子竞争策略和自适应概率法相结合的交叉算子,能够防止好的父代个体被淘汰,又具有适应性.通过理论模型进行算法仿真验证,证明其有效性,说明改进遗传算法较标准遗传算法在CSAMT一维反演中有明显的改善.通过对实测数据进行反演,其结果与地质资料吻合,证明了其适应性.     

基于遗传算法的主生产计划优化模型

文章针对生产与销售多种产品且每个产品具有多级装配结构的典型离散型生产制造企业,研究了其主生产计划调度优化问题;以全生命周期中生产与库存费用最小为目标,通过引入提前和拖期惩罚费用因子,建立了加工能力受限情况下的主生产计划优化数学模型;将遗传算法和启发式方法相结合,提出了一种新型的企业资源计划的主生产计划优化的求解策略;对典型实例进行仿真,并对求解性能进行了比较,结果表明该算法模型是有效和可行的。     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中， 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中, 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.