生态遗传算法在模糊系统辨识中的应用

给出一类模糊系统的模糊神经网络模型 .提出一种实用的生态算子 ,构建的生态遗传新算法有效解决了基本遗传算法的“早熟”问题 .采用新算法实现模糊神经网络模型的辨识 ,提高了辨识精度 .实例仿真结果验证了新算法在模糊系统辨识中的有效性     

一种求解非线性方程组的算法

为满足理论研究与工程实践对非线性方程组求解的需求，综合遗传算法和牛顿迭代法各自的优势，提出了能够充分发挥遗传算法大范围搜索全局解、牛顿迭代算法在局部细致搜索的新算法。实例证明，该算法搜索效率高，求解速度快，并能获得全局近似最优解。     

均匀试验设计在遗传算法中的应用

介绍了在遗传算法中运用均匀设计产生初始种群的方法，指出由于遗传算法的交叉机制是完全依赖于初始种群的，所以初始种群的多样性对于遗传算法的收敛性是至关重要的．同时通过算例采用De Jong提出的验证方法验证了运用均匀设计产生初始种群能够增强遗传算法的收敛性．     

解非线性极大极小问题的格雷码加速遗传算法

引进求解非线性极大极小问题的格雷码加速遗传算法（GAGA），给出GAGA算法实施的详细步骤，建立了GAGA相应的收敛定理。对GAGA的有效性和可行性进行了理论分析和实例分析。与一般的格雷码遗传算法（GGA）相比，GAGA具有准确、快速和适用性强等特点，是一种既可以较大概率搜索全局最优解，又能进行局部细致搜索的优秀非线性优化方法，可广泛应用于各种优化问题中。     

利用遗传算法辅助设计数字滤波器

介绍了一种改进的遗传算法，并讨论了其特性和运行机理．主要研究了利用此算法辅助设计低通数字滤波器的方法和步骤．仿真实验结果表明，遗传算法用于数字滤波器设计具有良好的优越性和潜在的应用前景     

机械系统动态优化设计的混合遗传基因方法

融合复合形法和基因算法提出一种可以有效地解决机械系统动态优化设计问题的随机优化算法－混合遗传基因法。该法以遗传基因方法实现代间进化，以复合形法改进代间较差个体以加速进化。数值分析结果表明，该方法结构正确，算法简洁。     

基于遗传算法的变结构神经Petri网模型

将Ｐｅｔｒｉ网理论引入到神经网络模型的研究中，依据生物学神经系统的可塑性，通过适当扩展规范Ｐｅｔｒｉ网，建立了人工神经元状态转化的Ｐｅｔｒｉ网模型，在此基础上给出了利用遗传算法设计变结构神经Ｐｅｔｒｉ网的方法，该方法不仅可以得到满足要求的网络参数，而且能对网络的拓扑结构进行优化，仿真结果验证了该方法的可行性。     

基于遗传的一种Job—shop调度方法

着重讨论了遗传算法的参数值的优化问题，然后结合遗传算法和Ｊｏｂ－ｓｈｏｐ调度的特性，构造解Ｊｏｂ－ｓｈｏｐ调度问题的自适应遗传方式，仿真实验表明了此法用于大规模复杂实际生产过程中工件加工调度的优势。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

分类器系统综述

分类器系统(Classifier System)是一种基于遗传算法(GA)的规则系统,本文综述了分类器系统的基本原理和研究状况,并提出了需进一步研究的问题.