三角函数选择算子的遗传算法在梯级水库优化调度中的应用

针对遗传算法求解水库优化调度时传统选择算子无法克服适应度非负问题,提出了一种三角函数选择算子遗传算法的梯级水库优化调度求解方法,并通过实例对正弦函数轮盘赌选择与单纯轮盘赌选择的自适应遗传算法做了比较．结果表明,由于基于正弦函数的选择算子克服了轮盘赌对适应值非负的要求,非常适用于求解水库优化调度,且能够很好地保持种群多样性,因此在进化后期能够找到更加优良的解．在实例的选择上,选用“以水定电”的三峡梯级调度模型,并采用由大量实测资料建立的三峡出库流量和葛洲坝入库流量变系数线性回归方程来处理水库间流量传播问题．本文提出的梯级水库优化调度求解方法,有效地改善了遗传算法的收敛性能,而且由于考虑了流量演进,提高了模型精度,具有较高的实用价值．     

半确定性的遗传算法

在采用遗传算法进行函数优化的过程中存在的一个严重的缺陷是：算法能很快地收敛到最优点附近，但要达到最优点需要很长的时间。针对这一缺点通过如下3个新的遗传算子构建了一个新的遗传算法：半确定性的变异算子，Hamming-decreasing和设计变量的自适应定标，以加强遗传算法的局部搜索能力。该算法充分利用基于概率的遗传算子的全局搜索能力和新算子较强的局部搜索能力。算例表明，新的遗传算法具有很强的鲁棒性和较快的计算速度。     

基于遗传算法的人体穴位阻抗特征优化

为消除人体穴位的阻抗信号特征集中存在的冗余和不相关分量的问题,提出了一种基于遗传算法的人体穴位阻抗特征子集选择与优化算法.通过分析穴位阻抗信号的自回归（AR）模型谱图建立了穴位原始特征样本集,利用类内-类间距离判据构造遗传算法的适应度函数并改进遗传算法的特征优化算子.经人体穴位的电阻抗特征选择与优化实例分析表明：该方法具有较好的寻优性能和适应度稳定,在不增加原始信息的情况下,能够有效地减少分类识别的特征数和提高信号识别的准确率,且将穴位阻抗特征的平均状态辨识率提高9%左右.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

遗传算法的多样性与收敛性

从遗传算法的选择算子研究多样性和收敛性对求解速度和质量的影响. 通过遗传算法解决TSP问题, 介绍了具有多样性的轮盘赌算子和具有收敛性的标准锦标 赛算子, 在综合考虑多样性和收敛性的基础上, 通过改进提出保留上代锦标赛算子和新锦标赛算子, 并得出结论, 增加其多样性, 会使收敛速度变慢; 加快其收敛速度则会破坏其种群多样性, 从而影响在限定的代数内找到最优解的机会, 并影响最终解的质量. 为更好地解决实际问题, 需折衷考虑多样性和收敛性.     

融合遗传算法改进的蚁群算法

针对蚁群算法存在停滞现象及收敛速度慢的缺点,提出了一种融合遗传算法改进的蚁群算法,在蚁群算法中引入路径遗传运算.对蚂蚁发现的路径进行染色体编码,通过适应度函数对蚂蚁的路径做适应度评价,进行路径交叉和路径变异运算,设计了新的信息素更新策略.以对称TSP测试集为对象,将改进算法与现有算法进行测试比较.实验结果表明,改进后的算法具有优良的全局优化能力,有效防止了停滞现象.     

改进的遗传算法选择算子

为了进一步提高遗传算法选择算子的选优能力,本文在传统轮盘赌的基础上提出了一种基于排序的多轮轮盘赌选择算子,加入了多轮转盘的思想,并利用对上代种群进行排序增加优秀个体的选择概率,从而在提高了算子的选优能力同时也减少了随机性所产生的误差;随后本文将此算子与最佳个体保存法的思想相结合,进一步提出了无放回的基于排序的多轮轮盘赌选择算子,达到了既能够选出最好个体又能够保证种群多样性的效果.实验表明,与传统轮盘赌算子相比较,新方法能够有效地提高遗传算法的收敛速度.     

实数编码最优子种群遗传算法及结构优化

遗传算法(GA)是利用自然选择和进化思想在高维空间中寻优的方法,其寻优过程始终保持整个种群的进化.本文提出了实数编码最优子种群遗传算法理论,通过从种群中选出适应值最高的若干数量的个体,组成该代最优子种群,将最优子种群中的个体与种群中其它个体进行交叉变异、最优子种群中的个体间也进行交叉变异,从而产生新的种群.该遗传算法使得遗传过程中落入局部最优解的几乎不可能,对于多极值问题非常有效,收敛速度也非常快.     

一种基于遗传算法的TTP问题求解算法

提出并实现了一种高校自动排课算法，利用遗传算法建立数据模型，定义一个四维的染色体编码方式和包含学生人数，教室座位、特殊课程、教师、班级、一门课的时间间隔等因数的适应度函数，通过切片算子，生成指数要求的基因型个体，用交叉算子和变异算子对基因型个体进行运算，再利用选择算子选择适应度函数值较高的染色体编码方案，最后对优化的染色体按指定方向切片，生成教师课表，学生课表和教室课表，对某高校的真实数据进行实验，结果显示无一例教室，教师，班级冲突，在PⅢ866PC机上运行，耗时为2323．573s，该算法可以推广到车辆调度，会议安排、超大规模电路板设计等应用领域。     

一种快速寻优的新型改进遗传算法

在现有几种遗传算法(GA)的基础上,对GA中的适应度函数、交叉策略和变异策略做了进一步的设计,从而提出了一种新型改进GA。新型改进GA以群体的多样性与算法的收敛速度、全局与局部搜索能力的综合均衡为设计重点,较好地解决了一般GA收敛速度慢和局部搜索能力差的缺点。仿真结果表明:该算法与常用的标准GA和采用算术交叉算子的实值编码改进GA相比,有更快的收敛速度,更高的收敛精度及全局收敛概率。     

遗传算法在多目标优化问题中的应用策略

遗传算法针对多目标优化问题,在适应度函数的选择、为防止遗传漂移和维持种群多样性等方面采用了相应的策略.在两杆构架优化的实例中,根据关系算子进行Pareto最优性排序,计算个体的适应度;引入分享机制以避免遗传漂移现象,保持种群的多样性;从种群池中独立保持Pareto解,使得最优解成为实际上的满意解.     

基于改进遗传算法的RTM注射速率优化

针对目前遗传算法初始种群大多数为随机产生,注射速率优化过程容易早熟或不收敛问题,提出了基于注射速率规则的改进遗传算法。在大量注射速率历史数据基础上,建立了注射速率影响因素决策表,提出了规则相似度计算模型。由基于规则的种群生成算子生成初始种群,以填充质量最优为目标,并构造适应度函数,然后进行遗传操作,最后采用面向对象编程语言实现该算法。实例表明该算法比标准遗传算法收敛更快,而且在用该算法优化得到的注射速率下的充填质量比在用标准遗传算法优化得到的注射速率下的充填质量更好,说明采用改进遗传算法优化注射速率更为合理和可靠。     

多资源约束的MLLS的遗传分解混合算法

对带有多资源的生产批量计划构造了遗传算法和线性规划混合算法，用遗传算法产生可行调整模式，对应每一调整模式，则将原问题变换为一个线性规划模型进行求解。通过遗传算子进行迭代和进化，从而获得近优解，分析和计算结果表明了算法的有效性。     

用单亲遗传算法解决影片递送问题

遗传算法(简称GA)是基于生物进化原理的普适性全局优化算法，是解决NP难问题的一种行之有效的方法．但是，序号编码的遗传算法不能在任意两条染色体的任意位置进行交叉，必须使用PMX，CX和OX等特殊的交叉算子，这些算子实施起来都很麻烦且效率不高．针对这一问题，采用单亲遗传算法，取消交叉操作，强化变异作用．这样既简化了遗传操作，又克服了早熟现象．较成功的解决了影片递送问题，文中的算例表明，该算法是实际有效的．     

基于优化极限学习机的非侵入式负荷识别

在极限学习机的非侵入式负荷识别算法中,由于输入权值和隐含层阈值的随机产生容易导致误判,鉴于此,提出了一种改进的遗传算法优化极限学习机方法.对遗传算法中选择算子进行改进,改进方法为求解出个体的适应度值,并按从小到大的顺序完成排序,将排完序的种群等分成4份,按照比例从4份中择优组成新种群,对新种群中剩余个体再从适应度较大的...     

基于聚类排序选择方法求解3-SAT问题的遗传算法

使用聚类排序选择方法的遗传算法,加入交叉算子和变异算子求解3-SAT问题。根据适应度函数及问题本身的特性,对阈值6进行调节,重新生成新的种群聚类,有效地抑制了算法延迟收敛的可能性及可满足性范式无解的可能性,使得与同类算法相比,在时间上有很大的改进。最后给出基本的求解算法并分析了该算法的复杂性。     

用适应度-距离选择机制遗传算法识别油气层

为提高遗传算法种群的多样性,在选择父辈串的时候通过综合考虑适应度值与彼此之间的海明距离确定选择机制,提出了基于适应度-距离(FD:Fitness-Distance)选择机制的遗传算法(GA:Genetic Algorithm).将该遗传算法与人工神经网络(ANN:Artificial Neural Network)技术相结合, 应用于油气层的识别问题中.通过对实际样本的验证,获得了较好的效果,达到了快速识别油气层的目的,对两个实例的训练精度分别比标准遗传算法提高了22. 6%和10.5%.     

润滑材料智能分析系统中BP神经网络权值的优化

探讨了运用遗传算法对润滑油智能分析系统中神经网络的连接权值的优化.在预先对网络结构进行优化后,对随机产生的网络权值及阈值进行编码,利用多种不同的初始连接权值分别对每个网络进行训练,利用误差函数确定适应度函数,利用交叉、变异等遗传操作算子对群体进行处理,从而得出最佳网络权值和阈值.     

对一类背包密码体制攻击中的遗传算法欺骗性分析

利用模式分析法从理论上说明了MH背包密码体制分析中存在严重的欺骗性,从而得出该算法的不可行性。     

新型PSGA算法在通航物流系统效能优化中的应用

为提升对时间效率要求较高的通航物流系统整体运行效能,设计和提出了一种新型变种群极搜索遗传算法(PSGA).通过在算法逻辑结构上对传统遗传算法(GA)进行重新设计,同时创新性地设计和引入一种适应度调和因子,使PSGA的算法效率较传统GA算法有了明显提升.经过2个不同复杂度的函数寻优测试显示,PSGA在效率上分别高出GA35.35%和43.50%;最后,通过实际案例应用表明,PSGA的收敛效率高出GA25代,优化精度高出GA1.46.测试与应用结果说明,PSGA算法在通航物流系统效能优化中具有较好的有效性和适用性.