开放式遗传算法及其在水资源优化配置中的应用

在分析遗传算法求解过程中对不可行个体处理方法的基础上,提出开放式遗传算法,即在传统遗传算法中加入一个必要的基本过程——修正,用来处理交叉、变异产生的不可行个体.介绍了开放式遗传算法的基本流程,并使用两个优化模型进行算法性能测试.采用开放式遗传算法对南水北调中线河南受水区内郑州市水资源进行优化配置,结果表明,该算法能够有效地处理不可行个体.     

一种求解约束优化问题的遗传算法

约束优化问题是工程领域中常见的数学模型,求解难度主要来自变量的约束和目标函数的复杂性.本文针对约束优化问题,提出了一种基于双向信息搜索的遗传算法.首先,通过启发式信息在种群中产生至少一个可行个体;其次,对于每一个杂交父代个体,基于概率分布选择一个可行解和一个目标函数值好的个体,杂交后代由这三个点的矢量和产生.最后,仿真实验及比较结果表明,提出的遗传算法是可行有效的.     

免疫遗传算法及其对资源受限工期最短问题的应用

依据免疫机理及遗传算法,设计免疫遗传算法解决项目计划管理中资源受限、工期最短问题。算法设计中,记忆池用于搜集算法进化获得的优秀个体,并使记忆池中的个体参与交叉;基于群体多样性特征,设计浓度方案调节进化群体的多样性,并用于群体更新;利用自适应变异及修补思想增强进化群体的散布性和修正非可行解。数值实验及比较表明,该算法具有很好的搜索性能,在搜索效果上较为稳定。     

修正克隆遗传算法在配电网络重构中的应用

运用克隆遗传算法重构配电网络.在分析传统遗传算法应用于电力系统的不足之处的基础上,提出了一种针对电力系统的遗传算法,即提出一种配电网络的简化、染色体编码策略和修正克隆遗传算法.该方法的使用能减少配电网络重构中不可行解,提高有效候选解的比例,从而使GA算法的收敛速度大为提高.算例结果表明作者提出的方法具有较高的计算效率.图2,表3,参11.     

采用元胞遗传算法的无线电能传输网路径寻优

为快速寻找无线电能传输网中传输效率最大、能量损耗最小的传输路径,提出了使用元胞遗传算法对传输路径进行寻优的方案。通过对无线电能传输网数学模型的分析,分别建立了有源注入和无源注入无线电能传输网的目标函数,并将目标函数作为元胞遗传算法的适应度函数,采用重复消除的修复方案将不可行解转化为可行解,以提高种群中的有效个体比例,从而提高搜索效率。元胞遗传算法将遗传算法和元胞自动机进行有效结合,中心个体和邻居之间形成一个小生境,优良个体得以在种群中缓慢扩散,算法能够有效突破局部最优解的限制,迅速收敛至全局最优解。仿真结果显示,在有源注入和无源注入无线电能传输网中,元胞遗传算法都能准确找到最优路径,表明元胞遗传算法用于无线电能传输网路径寻优具有可行性。     

改进的遗传算法在优化设计中的应用

针对实际机械优化设计中大量的非线性规划问题,提出一种改进的遗传算法.在对单纯形搜索与算术交叉思想进行分析的基础上,将二者相结合,提出了改进的交叉算子以提高遗传算法的局部寻优能力,将种群逐步向极值点引导,实现算法的快速寻优.同时,为了更好地引导非可行个体趋近可行域,改善解的可行性,将惩罚策略与修复策略相结合提出修复算子,对不可行解进行修复操作,加快个体趋近可行域的速度,提高算法搜索效率以及对非线性约束的处理能力,从而达到改善算法整体性能的目的.实际机械工程优化设计问题的应用研究验证了这种方法的有效性.     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法,文中针对遗传算法较快的找到最优解并防止"早熟"收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度,最后实验表明,改进的算法是可行和有效的.     

基于遗传算法KMV模型的公司债券违约风险度量研究

基于遗传算法对KMV模型进行了修正,并运用修正的KMV模型对样本债券在2017—2018期间的违约风险进行度量。结果表明:基于遗传算法改进的KMV模型在预测公司债券违约风险方面有着不错的表现,拟合正确率远高于改进前的原模型;并且公司债券所属行业的不同会影响模型违约点的选择,从而影响KMV模型度量违约风险的效果。     

遗传算法在机组启停中的应用及改进

提出了一种遗传算法应用于机组启停的新思路。针对一启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。     

基于遗传算法的协同优化方法

针对协同优化的系统级优化可行域可能不存在的问题,采用遗传算法,并借鉴逐步增强约束强度的思想,提出了基于遗传算法的协同优化算法.该算法利用各子学科返回的优化值,计算种群中个体的不可行度,根据不可行度和阈值来判定该个体是否为可行解.提出利用循环迭代次数调整阈值的方法,保证了系统级优化向一致性等式约束不满足度减小的方向进行,达到了有效增强子学科间一致性的目的.最后,利用减速器典型算例对该方法进行了验证,结果表明该方法的优化性能良好.     

LHS抽样遗传算法

文献研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是：导向以高适应度模式为祖先的＂家族＂方向。以此结论为基础,利用拉丁超立方体抽样（LHS）的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。     

一种求解TSP问题的均匀设计抽样混合遗传算法

旅行商问题是经典的NP-hard组合优化问题,在许多领域有着重要应用。近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想。基于理想浓度模型的机理分析,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在旅行商问题特点的基础上,结合2-opt局部搜索策略,给出了一个解决旅行商问题的新的遗传算法。通过将该算法与简单遗传算法和佳点集遗传算法进行实例仿真比较,可以看出新算法在求解旅行商问题上提高了求解的质量、速度和精度,而且避免了其它方法常有的早期收敛现象。     

基于附加隐性遗传效应遗传算法的约束优化问题研究

遗传算法是一种模拟生物进化论的自然选择和遗传学的基因遗传机理而发展出来的一种全局优化算法.本文作者提出附加隐性遗传效应遗传算法,通过具体算例,对基本遗传算法与附加隐性遗传效应遗传算法的优化结果进行比较分析,证明了附加隐性遗传效应遗传算法在求解优化领域的约束优化方面,表现出更好的算法性能.     

一种基于遗传算法的图象矢量量化方法

描述了一种基于遗传算法的图象矢量量化方法．遗传算法基于自然进化原理可得到全局优化结果，把遗传算法用于码本设计，其运算简单，而且可避免传统方法如Ｋ－均值技术等所带来的局部优化局限．同时，由于其结构的规则性和并行性，较适于ＶＬＳＩ实现．文中主要讨论了遗传算法用于图象矢量量化的评价函数及操作过程，并与传统算法作了比较，给出实验结果．     

不同浓度赤霉素溶液对棉花幼苗发育的影响

赤霉素作为一种高效能的植物生长调节物质对棉纤维的分化和发育有着非常重要的影响。实验用不同浓度的赤霉素(GA3)溶液处理棉花幼苗,以期通过对其生根情况及茎叶发育情况的观察研究,寻找到最有利于棉花幼苗发育的最适GA3浓度。结果表明:不同浓度的GA3溶液对棉花幼苗主根、侧根及茎叶的发育均有显著影响。其中,0.2 mg/L的GA3溶液为棉花幼苗发育的最适浓度,该浓度可同时较明显地促进棉花幼苗主根、侧根及茎叶的发育。     

A software pattern of the Genetic Algorithm

The Genetic Algorithm (GA) has been a pop research field, but there is little concern on GA in view of Software Engineering and this result in a series of problems. In this paper, we extract a GA’s software pattern, draw a model diagram of the reusable objects, analyze the advantages and disadvantages of the pattern, and give a sample code at the end. We are then able to improve the reusability and expansibility of GA. The results make it easier to program a new GA code by using some existing successful operators, thereby reducing the difficulties and workload of programming a GA’s code, and facilitate the GA application.     

遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

遗传算法优化性能评价准则研究

为了克服传统遗传算法优化性能评价准则（如在线性能、离线性能）忽略随机因素对算法的影响，从而不能准确评价算法性能的缺点，提出了一种基于平均偏离距和偏离距标准差的新的遗传算法优化性能评价准则，给出了平均偏离距和偏离距标准差的数学定义，并分析了它们的泛函意义．由于平均偏离距和偏离距标准差采用遗传算法多次运行结果的统计参数来评价算法的性能，因此能够较好地消除随机因素对算法性能的影响．同时，应用所提出的评价准则研究了二进制码和格雷码对遗传算法优化性能的影响．基于F2函数的数值实验结果表明，与二进制码相比，格雷码的平均偏离距和偏离距标准差指标都比较低，因此能够更好地提高遗传算法的优化性能．     

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。     

含约束条件遗传算法在连续催化重整优化操作中的应用

介绍了通过惩罚函数法解决含约束条件遗传算法的实现问题。分别采用内点法和外点法,将有约束优化问题转化为无约束的优化问题,再利用Matlab编制遗传算法程序。通过对连续催化重整优化操作过程仿真计算,证明该方法具有快速收敛且优化结果好的特点。