一种改进的遗传算法

传统的遗传算法有两个严重的缺点，即不能有效地克服过早收敛现象，以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法，它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合，提出模拟退火遗传算法。实验结果表明，该算法在性能上有较大的提高。     

一种基于人机交互的退火遗传算法

针对工程中存在的许多具有大规模、非线性、非凸等复杂特性的全局优化问题，在退火遗传算法的基础上，通过将人工方案和算法方案相结合，提出了一种基于人机交互的退火遗传算法，算法首先通过人机合作方式产生初始群体，并在随后的演化过程中，根据个体的适值自动地将人工个体从移民池中引入到算法群体中，引入的人工个体在同其他个体广泛交叉后，按Metropolis法则形成新群体，从而改善群体的质量并引导算法向更富希望的方向搜索，改进的自适应算子提高了算法的整体搜索能力，该算法具备演化算法的优点，并能发挥人的主动性，显示了求解复杂优化问题的应用潜力，算例的仿真结果验证了算法的有效性。     

基于分区的改进的遗传算法求解TSP问题

针对解决大规模TSP问题的求解效果在时间以及路径寻优上所存在的问题,提出一种基于分区的改进的遗传算法,并对PR144城市的TSP问题进行求解,所得最优路径结果比TSPLIB公布的已知最好解更短,实验结果显示出了本文算法求解大规模TSP问题时能求解出最优解,时间性能也很好。     

简单遗传算法的一种改进算法

针对简单遗传算法收敛速度慢的问题,结合复合形法,提出了一种改进算法并将其应用于系统辨识,仿真结果表明,改进后的算法具有收敛快,精度高的优点。     

模拟退火改进遗传算法在股市投资决策中的应用

针对遗传算法的欺骗问题,指出了变异率对全局最优解获得及解的稳定性的影响,提出了模拟退火算法改进的遗传算法,并结合股市投资决策方案选择问题进行了实例验证。     

改进的混合级联遗传算法

将模拟退火算法和级联遗传算法相结合,提出了一种改进的混合级联遗传算法。模拟退火算法承认物种进化过程中的局部失败和倒退,它允许进化中的波折而不是非要物种进化一直是上升的、成功的,模拟退火算法能使搜索过程避免陷入局部最优解。级联遗传算法假设问题的最优解总是靠近于问题的局部最优解的,据此,级联遗传算法通过不断缩小解空间达到快速收敛的目的。综合运用这两种算法,可克服模拟退火算法收敛速度慢、级联遗传算法局部搜索能力差的缺点。利用本算法构造CL多小波前置滤波器的实验结果表明,本算法不仅计算速度快,而且稳定性也得到了显著提高。     

一种应用于负载均衡的模拟退火遗传算法

提出了一种基于模拟退火遗传优化算法,求解流量工程中的网络负载均衡问题。这种新型算法不仅能够均衡网络业务流量,相对于其它遗传算法,还具有收敛速度快、简单高效的特点。通过理论分析详尽说明算法的设计思想和相对于现有算法的优越性。     

一种新的改进的判定图同构的遗传算法

针对判定图同构的遗传算法存在收敛速度慢和误断率高的问题,提出了一种新的改进的判定图同构的遗传算法。算法设计了新的适应值函数,通过设计交叉算子避免亲近繁殖,设计变异算子对变异的无方向性进行优化。实验表明,新算法具有合理性和高效性。     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

遗传算法的改进及应用

通过分析遗传算子对全局收敛性的影响，提出有条件的最佳保留和遍历匹配以及动态变异相结合的算法，并选择标准测试函数对其检测。实验证明，该算法能够迅速找到全局近似最优解。在求解计算机通信网的时延和路由选择问题时有较好的效果。     

基于模拟退火遗传算法的IIR数字滤波器参数优化设计

结合模拟退火算法的思想和遗传算法的思想,提出模拟退火遗传算法,并用此算法进行滤波器参数整定与优化,同时使用自适应交叉率和变异率,以及适应度拉伸方法对传统遗传算法进行改进。该算法有效抑制早熟,又具有收敛性快、全局寻优与局部寻优能力。仿真结果表明,基于此算法寻优设计的滤波器控制器具有更好的滤波特性。     

基于模拟退火的混合遗传算法

分析了遗传算法和模拟算法的优缺点,并将两种算法进行混合,提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足,理论分析和仿真实验表明该方法的有效性和可行性。     

基于遗传算法模拟退火算法解决修边损耗问题

纸箱包装行业是一个传统的产业,在纸箱生产中需要拼单来降低修边损耗以减少成本。本文根据生产上的实际经验提出了问题的数学模型,针对该模型,本文将遗传算法和模拟退火算法结合,解决了遗传算法的收敛过快以及局部搜索能力不强的问题。在选择操作中直接保存优秀个体,来增强算法的收敛性。在变异和交叉操作中采用自适应的变异和交叉概率,增强了搜索解空间的均匀性,并引入了记忆功能,最终获得问题的近似最优解。     

遗传算法在结构损伤模式识别中的应用

研究了遗传算法在结构损伤诊断中的应用。将结构的损伤诊断问题等价为结构的损伤模式的识别问题,并应用遗传算法的全局搜索功能来实现损伤状态的优化识别。其中应用结构的第一阶振型变化率作为结构的损伤诊断标识量,从而减小遗传操作的种群规模,极大的提高了遗传算法的计算效率。四边固支板结构的单位置以及多位置损伤诊断算例说明了该方法是可行的,具有较高的识别精度。     

一种改进的模拟退火算法求解0-1背包问题

从增强算法收敛性和减少参数依赖性的角度出发,提出应用改进的模拟退火算法求解0-1背包问题.对模拟退火算法有所改进,并有效地克服它的弱点,使其在优化性能,优化效率和可靠性方面有明显的优越性.阐明了用该算法求解0-1背包问题的具体实现过程,并通过实际数值计算和结果比较表明,该算法在求解0-1背包问题优于传统的模拟退火算法,并且得到更有效的近似解.     

基于模拟退火算法的最优码本设计

分析了矢量量化码本设计基本算法及其不足，给出了完善的局部最优的改进算法及其实现．简介了模拟退火算法的基本原理，并利用模拟退火算法进行全局最优码本设计，文中给出了具体的算法实现和实验结果．     

模拟退火算法在图片优化排版中的应用

图片优化排版是一种特殊的二维下料问题,属于NP-Complete.传统算法只考虑直线切割,不考虑更复杂的套裁方式.本文针对排版问题的特殊性,在几何数据结构上,采用空闲块算法描述复杂的套裁方式;在优化算法上,使用模拟退火算法进行迭代.实践表明,算法的优化效果是令人满意的.     

遗传算法的并行处理分析

随着高性能计算机与网络的发展,将遗传算法与并行处理相结合,可大大提高遗传算法的执行效率.分析了遗传算法并行化的动因和实现模型.     

基于混合模拟退火算法的内窥镜布局优化设计

工程中存在着大量的布局设计问题,很多都是NPC问题,很难求解。提出了以启发式方法和模拟退火算法相结合的混合算法,可用于带性能约束的布局优化设计问题。在实例中将胶囊式内窥镜空间布局问题转化为轴向截面和横截面两个平面问题分别求解,对于轴向截面的离散变量问题,首先采用启发式方法进行元件层初始序列的排布,再采用模拟退火算法进行布局优化;在横截面上对连续变量则直接进行优化。优化结果经验算合理有效,该算法也可供旋转舱等工程布局优化问题借鉴。