遗传算法在参数辨识中的应用进展

系统地讨论遗传算法在参数辨识中的应用.总结了简单遗传算法用于参数辨识的步骤,指出其可能出现的问题,并综述国内外学者在编码、适应值函数和遗传算子等方面所作的改进以及将遗传算法与其他方法结合所产生的新算法.最后指出了遗传算法存在的局限性.     

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.     

小生境遗传算法的改进

为了避免小生境遗传算法存在的早期成熟和陷入局部极值点等问题,提出了一种改进的小生境遗传算法.该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,并在变异量的确定上引入了梯度的概念.通过在Shubert函数的全局最优化问题上的验证,并与常规遗传算法和小生境遗传算法比较,改进后的算法提高了搜索速度,能有效跳出局部极小值,并搜索到全局最优值.     

基于改进CGA的配电网重构

针对遗传算法易早熟收敛和易产生大量不可行解的问题,提出了一种基于改进的克隆遗传算法(CGA)的配电网重构方法.该方法对克隆遗传算法进行了3点改进:通过简化网络结构,缩短了算法中染色体的长度;采用基于环路的编码方式,避免了产生大量不可行解;改进克隆遗传算法的选择算子、基因移位和突变操作,克服了早熟收敛的问题,提高了算法的收敛速度.本文以网损最小为优化目标对算例进行了重构,同时与基于遗传算法及粒子群算法的配电网重构进行了比较,算例结果表明:改进的CGA具有较高的寻优性能,应用于配电网中可以起到减小网损的作用.     

用遗传算法求解GTSP的编码改进

在遗传算法的过程中,变异概率是很低的,相对交叉算子对于影响染色体的多样性更为重要。针对基于广义染色体求解GTSP的遗传算法,提出一种二进制与十进制混合编码,改进了交叉算子,具有更强的搜索能力。测试证明算法改进是有效的。     

改进的免疫遗传算法在优化问题中的应用

基于生物免疫系统原理,对人工免疫系统进行研究,提出了改进的免疫遗传算法.该算法的选择算子采用基于浓度和适应度的自适应式选择策略;引入免疫算子,抑制其优化过程中出现的退化现象.将改进的免疫遗传算法应用于TSP组合优化问题,仿真结果表明了该算法的有效性.     

基于遗传算法的数据库多连接查询优化策略

结合多连接查询的特点,提出了一种基于遗传算法的查询优化策略.在查询左深树策略空间上构造了遗传算法的一个原型,设计出查询优化问题的染色体编码方法,并基于该编码方法给出了选择策略及交叉、变异算子.     

一种改进的遗传算法解决旅行商问题

标准遗传算法在解决旅行商问题时效率不高，容易陷于局部最优解。为了解决这一问题，提出了一种改进的遗传算法。改进后的算法在选择操作时，采取了精英个体保留策略和锦标赛方法，扩大染色体的选择范围，加大了适应度好的染色体被选中的概率；交叉操作时加入父染色体中边的信息；在参数选择上，使交叉概率和变异概率与染色体的个体适应值联系，保护适应度好的染色体进入下一代。用程序实现了两种算法，通过比较，改进后的遗传算法提高了解决旅行商问题的效率。     

基于Moodle平台的组卷模块设计与实现

针对Moodle原生测试模块学生不能自主测试、组卷不够智能化、成绩反馈不全面等问题,给出一种基于遗传算法的自动组卷方案.设计遗传算法的染色体编码方案以及算法的选择算子、交叉算子和变异算子.对Moodle进行二次开发,使用PHP语言实现了自动组卷模块,扩展了Moodle平台测试模块的功能.     

基于遗传算法的最优小波滤波器构造

本文基于遗传算法对小波滤波器的构造方法进行了研究 ,重点在于解决对图象进行压缩处理所需要的最优小波滤波器的构造 .有效的染色体编码方案和适应值函数以及遗传算法的全局寻优性能 ,使得该方法在处理图象压缩优化问题上有其独特的优点     

采用混沌变异演化算法在边坡稳定分析中的应用

提出利用混沌变异的演化算法结合基于适应值大小顺序的选择算子 ,确定边坡最危险滑动面及其对应的安全系数的方法。混沌变异算子采用混沌变量进行解空间的遍历搜索 ,搜索过程按混沌的自身规律进行 ,具有很强的爬山能力。每个染色体被选取的概率只取决于它在群体中大小顺序 ,从而在一定程度上避免了经选择后染色体过于集中的情况。该方法收敛迅速 ,可有效克服局部收敛。对一个工程边坡实例进行了计算分析 ,并与理正边坡稳定分析软件的结果进行了比较 ,说明了方法的有效性     

基于适应度继承的航空发电机比例-积分-微分参数优化算法

三级无刷交流发电机系统运行过程复杂，很难用明确的数学公式进行表达，其PID参数的优化过程需要用模型的运行结果(而不是简单数学公式计算)来确定，这就导致传统的优化算法因仿真过程时间过长而不可行。针对该问题，提出了一种基于适应度继承的遗传算法。该算法首先将PID参数定义为种群内的个体，将上升时间及调节时间组合定义为优化目标，接着在寻优过程中将种群聚类为P个子类，对子类中精英个体利用航空发电机仿真模型运行结果进行适应度计算，对非精英个体利用日志分析器进行适应度估计，最后利用适应度值来对种群内个体进行下一轮循环的选择、交叉、变异等操作，从而实现了估计值与精确值的结合、提高了利用仿真工具进行PID参数优化的效率。仿真分析表明，在保证寻优质量的前提下，提出的基于适应度继承的遗传算法能显著缩短寻优时间，为航空发电机系统仿真设计提供了有效的研究手段和参考依据。     

改进的DNA遗传算法在指派问题中的应用

提出了一种基于优秀基因片段思想的DNA遗传算法,将这段基因片段提取出来并将它遗传到后代中,可以加快收敛速度.给出了DNA遗传算法的结构,讨论了选择、交叉和变异算子的具体操作,并将其运用到指派问题最优解的求解中,给出了具体的实现方法.仿真实验验证了算法的有效性和实用性.     

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.     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

改进遗传算法在天然气管网设计中的应用

针对树状管网问题,基于图论的基本原理,结合遗传算法的特点,应用改进遗传算法,对具体问题设计了相应的适应度函数、单亲换位算子、倒序算子以及重组算子,并建立了可行解判别矩阵。通过计算发现,改进算法能够获得最优解,证明改进算法可行有效。     

装配线多技能作业人员优化配置模型

人员配置是影响装配生产效率的重要因素。针对装配人员岗位能力描述问题,提出了岗位适应度的概念,以技能等级和给定时间段内人员执行装配作业的累计时间为参数对岗位适应度进行描述,建立了以人员岗位适应度最大和装配线各工位之间作业人员岗位适应度差异最小为目标的装配线人员优化配置模型,设计了一种基于岗位适应度矩阵的启发式求解算法,通过举例分析验证了方法的可行性。     

基于反向传播神经网络的遗传算法在酒类气体识别中的应用

把基于反向传播神经网络的遗传算法用于酒类气体识别实验中的传感器阵列的筛选,通过评价传感器组合对反向传播神经网络识别酒类气体结果的影响,建立一种挑选传感器阵列的方法,该算法选出的变量与用统计方法得到的结果一致     

基于遗传算法的车间调度技术研究

分析了车间调度问题，通过设计解空间的编码方式，提出基于置换的遗传交叉算子并讨论适应度函数的实现方式，给出了解决车间调度问题的基于遗传算法的模型。     

遗传算法的原理及组成分析

本文简单讨论了遗传算法的特点、组成，即介绍了算法的交叉及常用的交叉算子、变异，其中进一步说明算法的编码原理、适应度函数设计，最后提出该算法的不足之处和改进．