用基于快速排序的MOGA求解MOKP

0/1背包问题是一类典型的组合优化问题,且属于NP完全问题.多目标遗传算法通过一次运行可以搜索到多个解,同时具有比规范遗传算法更强的求解问题的能力.该文将基于快速排序的多目标遗传算法应用于多目标0/1背包问题中,可以快速、高效地找出多个最优解.实验表明该方法能够获得满意的效果.     

基于Pareto Front的多目标遗传算法

多目标优化是非常重要的研究课题，基于Pareto Optimum的多目标遗传算法非常适合于求解多目标优化问题．本文讨论了不带参数的多目标遗传算法，提出了用排除的办法来构造进化群体的非支配集，同时给出了新群体的构造方法。实验结果表明，本文所讨论的方法比较国际上已有的方法具有更快的收敛速度。     

一种求解H2/H∞控制问题的局部正交多目标遗传算法

针对H2/H∞多目标控制问题的求解,提出一种新的混合多目标遗传算法,以解决遗传算法局部搜索能力差的不足.此算法首先运行多目标遗传算法,以便使解集快速地达到Pareto最优解附近,然后运用一个新的局部优化算法对先前得到的外部Pareto解集进行进一步的局部优化.实例仿真表明,此算法有较强的全局和局部搜索能力,可以提高搜索的效率,适用于绝大多数H2/H∞多目标问题的求解.     

基于混沌克隆的混杂多目标免疫优化算法

针对遗传算法求解高维多目标问题时易于早熟、陷入局部搜索等缺点.本文借鉴生物免疫系统的混沌现象及其自适应性和并行性,提出一种混杂多目标免疫优化算法(HMIOA).算法基于混沌映射产生初始抗体群并利用混沌规律克隆优秀抗体;根据抗体的被控度和抗体间的拥挤距离设计抗体的亲和力;算法在进化过程中对不同子群采取不同突变方式;借助Average linkage聚类法更新记忆细胞等.数值实验中,选取两种著名的多目标进化算法和一种克隆选择算法,应用于4种不同类型的高维多目标优化问题,比较结果表明:HMIOA所获Pareto有效面较大的控制其他算法所获Pareto有效面,且有效面的分布较均匀.     

一种改进的遗传算法及其在电梯群控中的应用

以电梯群为群控对象,提出了基于改进的遗传算法系统解决方案;采用权向量整体优化方法,得到最优目标函数值,并由此确定了群控对象目标评价函数,提出了一种基于保存策略进化模型（ElitistModel）的遗传算法求解电梯群拉问题的方法．算例及仿真结果对比表明,该方法在小规模应用中,与以往算法相比并无明显优势;但在较大规模的电梯群控仿真中,能效降电梯乘客的等待时间和电梯系统能耗．     

遗传算法在计算机网络优化设计中的应用

针对计算机网络优化问题,研究重点普遍集中在算法研究上,遗传算法是适用于求解多目标优化问题的智能优化算法.计算机网络优化问题本质上一个非线性0-1问题,并且是有多约束条件的.阐述了计算机网络概念,介绍计算机网络的特性,分析了计算机网络优化的影响因素,重点分析了计算机网络的可靠性.针对计算机网络优化问题,构建计算机网络优化问题的数学模型,介绍解决0-1问题的遗传算法在计算机网络优化中的操作步骤.采用遗传算法对计算机网络数学模型求解.在计算机网络优化设计实例中,实验计算结果表明:遗传算法可以在计算机网络优化设计的数学模型中求得最优解,很好的调解了网络设计中各性能之间的矛盾,提高计算机网络的计算精度,降低计算时间和成本.     

一种新环境选择策略的多模态多目标优化算法

为了获得多模态多目标优化问题较优解集，本文针对差分进化算法提出了一种新的环境选择策略，一方面通过保留种群中非支配解确保目标空间的收敛性，另一方面通过和参考向量关联获得目标空间分布性较好的种群，通过同时考虑目标空间收敛性和决策空间多样性来选择下一代父代个体。在11个多模态多目标测试函数上的结果表明，本文算法在求解多模态多目标优化问题上是有效的。     

遗传算法用于UWB天线设计

运用遗传算法研究一种超宽带微带对数周期天线,程序中采用了低电压驻波比和高增益多目标函数. 对比分析了遗传优化结果和传统方法设计结果,制作了实物天线并进行测试,获得了很好的结果. 所设计的天线能以较好的电特性和场特性工作在L和S两个波段,验证了遗传算法在此类型超宽带天线设计中的有效性.     

有模糊目标的可靠性设计一个混合遗传算法

给出了求解带有模糊目标的可靠性设计问题的一个混合遗传算法．该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度、具有加权指数的协调满意度函数形式；通过加权函数再将各子目标的协调满意度函数综合成统一的单目标优化模型，然后用遗传算法求解模型，用Hooke-Jeeves方法改进遗传算法的群体，得到一个混合遗传算法，最后给出实例验证该方法的有效性．     

运输生产中的数学模型

运用“分层多目标最优化”思想进一步研究了露天矿生产的车辆安排问题,建立了层次多目标最优化问题的数学模型,运用分层单纯形法求解,得到了很好的结果。     

用混合遗传算法求解N皇后问题

N皇后问题是NP难题,一般求解的方法为回溯法.当问题规模较小时用回溯法能有效求解,但当问题规模较大时其求解时间耗费非常巨大.该文提出用局部搜索与简单遗传算法(SGA)相结合的混合遗传算法(HGA)来求解N皇后问题,用N皇后的约束条件作为遗传算法的适应值函数.设计了高效的染色体编码、初始化种群方法、遗传算子以及局部搜索算子,使它们符合求解问题的需要.通过与回溯法和相关的遗传算法比较,实验证实了用混合遗传算法求解N皇后的有效性.     

浅析遗传量子算法与遗传算法在函数极值问题中的比较法

遗传算法是一种模拟生物进化的算法．它被广泛利用在信号处理、模式识别、人工生命等领域.遗传量子算法是将量子计算和遗传算法相结合算法．采用量子位染色体的表示形式．该算法具有量子计算的量子位和量子位的迭加特性,同时加入了量子旋转门干涉策略,使得进化染色体更好的呈现多样特性．实验表明,遗传量子算法在解决一般函数极值问题中,比遗传算法更具有优势．     

遗传算法在设计洪水过程线推求中的应用

针对分时段同频率放大法的不足，通过目标函数建立推求设计洪水过程线的优化模型，并采用具有人工智能的基因遗传算法求解，不仅完全控制了设计洪水洪峰和洪量，而且保持了典型洪水模式，同时还避免了徒手修匀工作，减少了人工参与带来的任意性 。     

求解矩形物体布局问题的分布评估算法

介绍了分布评估算法的主要特点,通过对矩形物体基于布置点的布局方法进行改进,在引入新的个体表达方式和物体布局规则的基础上,提出了求解矩形物体布局问题的分布评估算法.实例表明该算法优于传统的遗传算法.     

虚拟企业伙伴选择的灵活优化系统的设计与实现

伙伴选择是虚拟企业建立过程中的核心问题。本文针对传统的选择伙伴企业方法的不足，提出了一个虚拟企业环境下的伙伴选择的灵活优化框架，并采用遗传算法实现了供应商伙伴选择。     

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.     

狭义遗传算法的遗传机理分析

根据狭义遗传算法(RGA)在区域搜索中的特点，讨论了RGA在同一搜索区域上遗传选择操作的封闭性，同时讨论了RGA在邻接区域和非邻接区域上遗传交叉算子的一些重要性质。这些性质确保新群体中个体之间的距离水断缩小，并使分布在不同搜索区域上的个体逐步聚集到某一个目标搜索区域上。