解全局优化问题的遗传算法的一些新进展

本文综述了求解全局最优化问题的遗传算法的一些新进展，提出了该方向进一步研究的问题。     

基于遗传算法的全局优化及在团簇结构搜索中的应用

遗传算法是研究复杂体系特性时经常采用的一种高效的全局优化方法.以开发出的程序为基础,介绍了遗传算法的基本特征、操作步骤、技术细节及在团簇结构优化中的运用.通过在富勒烯和铋团簇两类代表性团簇结构优化问题中的具体应用,所得结果与已有的理论和实验数据符合较好,印证了所提出的操作方案的有效性、高效性和通用性.     

过程综合的全局优化改进遗传算法

针对过程系统综合和蒸汽动力系统优化的复杂非线性规划问题，提出了改进和连续化全局优化的遗传算法，算例表明，该方法用于求解复杂优化问题是非常有效的，而且具有获得全局最优解的能力。     

求解静态 Stackelberg 决策问题全局优化方法

将静态Ｓｔａｃｋｅｌｂｅｒｇ问题转化为目标函数带有罚函数子项的非线性优化问题的基础上，提出了基于遗传算法求解该问题的优化方法，分析了算法的全局收敛性。示例仿真表明，该算法是有效的。     

改进遗传算法在齿轮减速器优化中的应用

以一个标准齿轮减速器体积（中心距）最小为优化目标的优化模型,描述一种改进遗传算法的实现,并将之应用于两级圆柱齿轮传动的优化设计。其优化结果与单纯形的比较表明,遗传算法更能脱离局部解而取得更优解,在工程设计中具有一定的应用价值。     

求解无约束全局优化问题的新型混合遗传算法

目的更好地解决遗传算法在求解全局优化问题时易陷入局部最优点的缺陷。方法将传统优化的无约束搜索和黄金分割法应用到局部搜索阶段,提出一种改进算法局部寻优能力的新型混合遗传算法（NHA）。结果与结论测试函数的数值实验结果表明该算法对改进遗传算法的缺陷是十分有效的。     

采用新杂交运算的遗传算法在求解优化问题中的应用

以遗传算法为基础，提出了一种利用混沌模型产生随机控制开关，以此控制杂交运算，从而能快速地求解０－１规划问题，并获得全局最优解。     

复杂工程问题全局优化算法研究

分析了遗传算法,模拟退火算法与神经网络等近年来广泛应用于复杂工程问题优化的全局优化算法各自的特点与其全局优化能力,指出如何针对其特点进行改进以达到更佳效果,深入研究了复杂工程问题优化的关键技术－目标函数与约束条件建立方法,最后,展望了全局优化算法与复杂工程问题优化技术的发展趋势。     

遗传算法的改进及其在电机全局优化中的应用

在描述遗传算法（ＧＡ）过程的基础上，指出了遗传算法所存在的缺点，并提出了改进措施．算例表明，按照文中提出的改进思路进行优化，效果是明显的，成本得到更进一步的下降，运算时间大为缩短．     

改进遗传算法在过程系统工程中的求解策略

针对过程系统综合问题的多峰、奇异等特性 ,将遗传算法同可行域序贯搜索技术结合起来 ,实现对混合整数非线性规划问题 (MINLP)的有效求解。为克服遗传算法在可行域边界搜索效率较为低下的弊病 ,将惩罚函数同个体的生成函数有机地结合起来 ,利用惩罚函数将跨越可行域的不可行点拉回到可行域内。对过程系统综合中典型的MINLP问题的求解 ,表明该方法在求解过程中能有效地实现全局浏览 ,得到全局最优解或近优解。     

解全局优化问题的有向演化算法

提出了一种新的求解全局优化问题的演化逼近。这种技巧是基于一类搜索和优化的演化策略，计算结果表明，该算法能有效地找到整体最小点，具有高精度和计算时间短的特点。     

遗传搜索优化算法

简述了多峰优化的主要问题及遗传算法的基本概念及算法.在传统的优化方法基础上,引入遗传算法的思想,提出以优化搜索方向向量为研究对象,在连续空间进行优化的遗传搜索优化算法;给出了算法中关键参数的选取方法;最后,给出了该算法的计算实例,结果表明,用该算法能较稳定地找出全局最优点.     

全局最优化问题的全局最优性条件研究

给出了全局最优化问题的全局最优性条件并证明了相应的结论。     

全局智能优化集成算法研究

针对遗传算法、模拟退火算法等智能全局优化算法的集成问题开展研究,分析归纳了智能全局优化算法和局部搜索算法的一般规律和特性,给出了全局智能优化算法进行集成的统一框架--全局智能优化集成算法(IGIOA),及IGIOA的设计要素,还给出了评价算法的优化性能指标、时间性能指标、鲁棒性能指标,以及将三指标综合的综合性能指标,为智能集成算法的选取和性能比较提供了依据.     

一种新型快速的直接随机优化算法

 针对常用优化算法求解时实时性较差且易陷于局部最优解的问题, 提出一种新型快速的直接随机优化算法(DROA). 该算法直接利用随机搜索过程寻找最优解, 减少了额外计算, 降低了计算复杂度; 其搜索过程分为全局搜索和局部搜索两个阶段, 各阶段选用不同的调节参数公式和搜索方式. 先将递增参数的3个随机优化模块串接构造全局优化子, 并将多个全局优化子并行搜索构造全局优化器以获得全局最优解; 再将多个局部优化模块串接在一起运行构造局部优化器使优化解更精确. 测试结果表明, 该方法快速高效, 优于目前的全局优化算法.     

基于遗传算法的超声速二维进气道优化设计

首先介绍了基本遗传算法,并由基本遗传算法演化出小生境遗传算法.应用简单的测试函数对两种遗传算法进行测试,对两种遗传算法进行比较.然后应用小生境遗传算法对二维超声速进气道进行优化设计.在单目标优化设计中,以最大总压恢复系数为优化目标,在多目标优化设计中分别顾及到总压回复系数要求最大和增压比也要很高.在对进气道的优化设计之后,对单目标优化和多目标优化的结果进行比较.     

求解全局优化问题的一种新方法

局部最优性必要条件是用来设计局部优化算法的一个主要工具。本文将介绍求解全局优化问题的一种新的方法：利用全局景优性器件（最优性必要备件[NC]和最优性充分备件[SC]）来研究一类{0,1}双值混合二次规划问题的一些最优化算法。首先利用其全局最优性必要条件[NC]来研究这类双值混合二次规划问题的局部最优化算法,然后针对于这类{0,1}双值混合二次规划问题,研究一类特殊的辅助函数Fr,x（x）来克服现有的局部极小点,最后利用所碍到的辅助函数Fr,x（x）和局部优化算法LOMMQP以及全局最冼性充分条件[SC]来得到具有一定终止准则的全局最优化算法（GOM）。