利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

基于拟下降方法的遗传算法及其收敛性

在遗传算法中嵌入一个传统下降算子,且保留最好个体,利用最好个体的记忆信息对搜索过程进行指导,从而得到既有较快收敛速度,又能以较大概率得到全局极值的用于函数全局优化的混合算法.定义了适当的适应度函数和子代个体的选择算子,且从拟下降观点证明了算法的收敛性.数值计算结果表明了本算法显著优于遗传算法和传统下降算法.     

基于蚁群信息素的混合遗传算法

针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.     

基于模式定理的遗传算法参数研究

为了解决遗传算法(GAs)的参数选择问题,分析了自然进化各阶段对物种的影响,探讨了影响模式生存的各种因素,引入了模式形成概率(PCS)的概念.通过分析模式的形成概率对算法性能的影响,从理论上建立了遗传算法参数与其性能之间的联系.提出了一种基于逻辑算子的遗传算法(GALO),并在实验中从多方面对GALO进行性能测试.实验结果验证了理论分析的正确性.     

改进型自适应遗传变异算子

通过分析二进制遗传算法中基因频率对种群多样性的影响，提出了一种新的能维持种群多样性，且具有自适应变异概率的变异算子，该算子染色体每一基因位上的变异概率由其基因位上的基因频率自适应决定．仿真实验表明该算子不但能保持种群的多样性．而且能有效提高算法的收敛速度．     

自适应遗传算法在桁架结构优化设计中的应用

交叉算子与变异算子是遗传算法中产生新个体的主要手段。针对简单遗传算法中交叉概率与变异概率随进化过程恒定不变的缺点，采用自适应的交叉、变异概率研究了针对离散变量结构优化设计的遗传算法。以在应力约束条件下的静定桁架与超静定桁架结构为算例，比较了改进交叉、变异算子前后的优化结果，并将计算结果与满应力设计方法所得结果进行了比较。结果表明，自适应遗传算法对离散变量结构优化是有效的、可行的。     

渐变式路径优化在GIS中的应用

为了解决传统算法收敛速度慢、搜索区域盲目等问题,提出了一种新的算法——渐变式路径优化算法.该算法是结合D ijkstra算法和遗传算法的优点,采用启发式搜索和自适应禁忌等策略进行优化而形成的一种混合算法.对新算法和传统算法进行了比较,同时将该算法应用于G IS路径规划中,对新算法中的关健参数σ、β因子进行了测试.仿真结果表明该算法极大地加快了搜索速度,提高了搜索效率,取得了良好的效果.     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．     

一种自适应的线搜索Levenberg-Marquardt算法

通过自适应的选择Levenberg-Marquardt(LM)算法的LM参数,结合Armijo线搜索技术给出一种自适应的线搜索LM算法.在局部误差界条件下,证明了新算法具有二次收敛性.用新算法求解非线性方程组,数值结果表明,新算法稳定,有效.     

基于遗传算子改进阈值的遥感图像分割算法研究

针对复杂背景遥感图像分割准确率不高的问题,提出了一种基于遗传算子改进阈值的遥感图像分割算法。通过对遗传算法中选择、交叉、变异等算子的优化设计,增强变异的多样性,加快搜索的收敛速度,以获取遥感图像分割的最佳阈值。实验仿真结果表明:该算法降低了阈值搜索时间,同时取得了良好的图像分割结果。     

一种求解代数方程组的混合遗传算法及工程应用

针对用遗传算法求解代数方程组时解的精度问题，提出了一种混合遗传算法，这种算法采用实数编码方法，在遗传算法的基础上，引入一种用适应度函数值构成动态变化的搜索步长的随机搜索算子，当遗传算法求解达到某一精度时，应用该搜索算子在最优个体附近进行随机搜索，使算法解较快地逼近到所要求的精度，实验表明用这种算法求解代数方程组，可以达到较高的求解精度，在工程中用于求解关节型机器人速度逆解，避免了矩阵求逆，取得了满意的效果。     

基于特征模式提取的教育信息构件检索

检索是衡量构件库管理系统的一个重要指标．本文侧重对构件库的检索进行了研究,介绍了已有的一些算法,并提出了一种基于样本模式特征提取的构件检索方法,最后分析了构件检索面临的问题和未来研究的发展趋势。     

基于非精确信息的QoS组播路由遗传算法

提出了一种新的启发式遗传算法以求解基于非精确状态信息的QoS组播路由选择问题.该算法以基于非精确状态信息的单播QoS路由算法PC-ISI (premise-controlled,inaccurate state information)为基础,将基于非精确状态信息的QoS组播路由问题与遗传算法有机结合,通过初始群体的筛选、自适应罚函数的运用以及启发式交叉和变异等一系列策略,能有效地提高算法的搜索能力和收敛速度.仿真实验也说明该算法性能良好.     

基于遗传算法的关系数据库查询优化策略

介绍基本遗传算法的基本思想和工作流程,针对数据库管理系统中最难处理和优化的连接操作,讨论在左深连接树的计划集合和浓密连接树的计划集合上的基于遗传算法的查询优化策略。同时通过具体的查询实例说明其左深度连接树和浓密连接树的染色体编码方法,并基于该编码方式进一步确定了基本遗传算法中其它的七个变元。     

对《遗传算法取代时间的分析》一文的补充

在遗传算法中，取代时间是评价选择算子的标准，对于基于比例的选择算子，[1]给出了取代时间的严格定义，并提出了取代时间的阶不依赖于适应度函数的选取和初始群体分布，为0（lnN)阶，但其理论证明有缺陷，中补充并证明了一个定理，从而完善了[1]的理论。     

关于遗传算法收敛性的分析

通过对遗传搜索过程的分析,认为在问题空间中某些个人体的存在是影响收敛的决定因素,因此定义了吸收串的概念,提出了证明了遗传算法收敛的充分分必要条件。文章最后介绍了一种衡量遗传算法困难程度的方法。     

遗传算法及其在化学领域中的应用

简要地介绍了遗传算法的基本原理、理论基础及其在化学领域中的若干应用.指出遗传算法是基于自然选择和基因遗传学原理的随机的搜索算法,它无需体系的先验知识,能在许多局部较优中找到全局最优点;它以其解决非线性问题的鲁棒性、全局收敛性具有独特的吸引力,正引起越来越多的研究及应用.