遗传算法矩阵编码的研究

遗传算法是一种基于自然选择和遗传变异等生物进化机制的全局优化搜索算法。文章对矩阵编码的机制进行了研究，讨论了矩阵编码的算法框架及特点，对矩阵编码中的选择、交叉和变异算子进行了比较全面的形式化描述，并介绍了其未来研究方向。     

遗传算法矩阵编码评述

遗传算法是一种基于自然选择和遗传变异等生物进化机制的全局优化搜索算法．文章阐述了其矩阵编码研究的有关工作进展，对矩阵编码的机制进行了研究，讨论了矩阵编码的算法框架及特点，并介绍了其未来研究方向．     

基于矩阵编码遗传算法的PCB生产线元件分配优化

PCB组装生产线上元器件的分配是影响整条生产线组装时间的关键因素.在分析实际工程问题的基础上,建立了PCB组装连续生产线上元件分配优化模型,在改进遗传算法中,提出了基于矩阵编码的方式,针对提出的编码方式,结合表上作业的最小元素法实现了种群的初始化,并采用了双点交叉以及改进的局部变异和自适应变异概率操作.最终,通过工程实例求解,得到了较优的结果,提高了PCB组装生产线的效率,从而证明了此算法的有效性.     

遗传算法基础上矩阵编码自动组卷及优化研究

基于遗传算法,针对考试系统的自动出题问题,在遗传算法基础上,利用属性约束和分段编码的方法优化矩阵编码方法应用于自动组卷.     

遗传算法的编码研究

本文以分析药物分子活性为基本方法和手段 ,探讨了遗传算法在具体应用中可能遇到的对重要基因位的破坏性 ,从拓展遗传算法应用的角度 ,提出了针对结构编码的改进     

遗传算法中二值编码与多值编码的比较

编码是遗传算法首先要解决的问题。传统的编码方式是二值编码,但对于很多问题,使用多值编码,具有许多的优点。本文对二值编码和多值编码作了比较,并指出多值编码所具有的特点,为遗传算法在编码的选取上提供指导。     

遗传算法编码策略研究

遗传算法是—类基于自然选择和自然遗传机制的自适应全局优化概率搜索算法,编码策略是设计遗传算法的一个重要步骤,通过研究二进制码和格雷码的编码策略,分析了编码差异、个体差异和适应度差异之间的关系,得到了两种不同编码对遗传算子搜索能力的影响和它们的特性。     

网格中基于结构分类和位矩阵编码并行遗传算法的蛋白质二级结构预测

蛋白质二级结构预测是后基因组学的重要内容,是能准确预测蛋白质分子三维空问结构的关键步骤,它被证明是个NP难问题.同时,蛋白质数据库中的数据是巨量的,每天以指数形式在增长,而且不同的数据库位于不同的地域,受不同组织管理.提出一个网格中基于结构分类和位矩阵编码的并行遗传算法,有效地解决这个NP难问题,并且充分利用网格强大的并行计算能力,提高预测效率和准确率.     

基于实数编码的遗传算法收敛性研究

基于群体搜索的遗传算法求解复杂优化问题具有独特的优势,现有遗传算法的研究大多集中在算法的设计和数值实验效果的比较上. 该文给出了求解一类复杂优化问题的遗传算法(RFGA)的基本框架,并用概率论的有关理论对RFGA的收敛性进行了研究,结果表明RFGA以概率1收敛到问题的最优解.     

矩阵在编码理论中的应用

编码理论的出现是由于传送信息或数据时出现错误的可能性，在这篇文章中浅谈纠错编码理论中的数学方面，尤其是矩阵理论在编码理论中奇迹般的应用。     

前馈网络的遗传混沌搜索耦合学习算法研究

针对神经网络的BP算法易陷入局部极小的问题,提出了遗传混沌搜索耦合的学习算法。其原理是在遗传操作中加入混沌替换因子以防止算法早熟,而后对由遗传算法进行"粗搜索"所得的结果进行混沌"细搜索",有效地利用了遗传算法和混沌寻优的全局性的优点。普通的遗传编码是以一条长字符串为染色体,该方式存在搜索时间长、破坏了神经网络权值和阈值的整体性的缺点,提出的基于矩阵的细胞体编码方式克服了这一缺点。     

最优子种群实数编码遗传算法的研究

提出了最优子种群实数编码遗传算法理论，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．该遗传算法对于示例中多极值的问题非常有效，收敛速度也非常快．     

利用遗传算法求解大学课表问题

课表问题是一个多因素的优化决策问题,在分析大学课表问题的基础上,设计了一种全新的、基于三维数组的二进制编码方式及几个优化目标评价函数,用遗传算法求解,并通过实验证明这种方法大大提高了遗传算法的效率。     

退火遗传算法及其在一维切割问题上的应用

针对标准遗传算法在解决优化问题中存在的问题,提出了改进标准遗传算法的退火遗传算法,并把该算法应用于一维最优切割问题上。通过与标准遗传算法求解一维切割问题的比较,验证了退火遗传算法的有效性。     

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.     

图同构的遗传算法

根据图同构遗传算法，提出了“保留最优，凋节中间，淘汰最差”的确定型遗传算子策略.用实例说明了图同构遗传算法的过程，仿真汁算结果也证明了该算法的有效性。     

离散变量结构优化设计的复合形遗传算法

对离散复合形法提出了一种新的初始点产生办法,并基于满应力思想,对离散复合形法的优化结果进行进一步搜索,提高了离散复合形法的局部寻优能力·为了弥补遗传算法自身的不足,把改进的复合形算法作为复合形算子嵌入到遗传算法中,以提高遗传算法的局部寻优能力;同时对遗传操作过程做了改进,如在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近,从而建立了一种离散变量结构优化设计的混合遗传算法·算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法,是可行和有效的·     

机组组合的混合编码遗传/tabu搜索组合算法

通过对遗传算法和tabu搜索的各自运算特性进行分析,文章提出了一种混合编码遗传算法与tabu搜索策略结合的组合算法,并运用组合算法对机组优化组合问题进行了求解。组合算法较好的结合了遗传算法的大规模寻优特性与tabu搜索的强局部搜索能力的特点,较大地减小了算法陷入局部最优的概率,能快速搜索到高质量的系统优化解;而且算法所采用的混合编码策略避免了每一迭代步上的负荷经济分配计算,大大地减少了计算量,提高了搜索速度。实例仿真结果表明,这种组合算法是有效的。     

遗传算法中两种编码的比较

遗传算法中二进制编码通常用来解决最优解问题,引入了BCD编码来解决最优解问题。通过逐步计算的方法对两个实例进行了比较,并给出二进制编码和BCD编码的特点。结果表明:BCD编码比较容易与十进制数据转换,实现机制简单。