基于遗传算法的一体化通风网络优化算法

概括混合型一体化通风网络优化的模型,分析目前混合型通风网络优化的4种求解方法优缺点。针对混合型通风网络优化的要求,提出混合型通风网络风量分配和风流调控一体化的优化思路。在通风网络理论和图论的基础上,引入遗传算法随机产生2个动态网络的邻接矩阵和余树弦风量值,使用附有条件的最小支撑树算法产生2个最小支撑树,进而求得相应的回路矩阵。通过余树弦风量值和回路矩阵等分别计算通风网络风量分配值和风阻调节值,基于通风总功率和约束条件构建广义最小化目标函数,依此对分风和调风方案进行评价,使用遗传算法中进化算子对分风和调风方案实施进化操作,最终得到满意解。研究结果表明：该算法是严格数学意义上全局优化算法,解决调风地点约束的通风网络优化问题,利用网络结点流量平衡的等式约束条件,减少最优化模型中变量数目,提高算法效率。     

用遗传算法求最小生成树

以图论和遗传算法为基础,给出了一个改进的求最小生成树的算法,提出了＂无性生殖＂的方式,舍弃了逆转算子,改进了换位算子,调整了选择算子,更简单,因而编程更容易,效率更高.使用该算法可以在较短的时间内以较高的概率获得一组最小或次小生成树,而传统算法一般只能得到一个最小生成树.     

网络最小费用最大流双目标遗传优化算法

针对将网络最小费用最大流问题转化为单目标优化问题进行求解的缺陷,提出网络最小费用最大流的双目标优化模型,并引入多目标遗传算法.对最小支撑树对应的余树弦流量初始值进行编码,通过解码和回路矩阵计算流量网络树枝的流量.在网络最小费用、最大流量双目标函数和网络结点容量、网络分支容量约束条件基础上,按照多目标优化理论构建增广最小...     

遗传算法在最小 steiner树问题中的应用

在对遗传算法、最小生成树和最小steiner生成树的概念作简单介绍之后,给出了一种改进后的求解最小steiner生成树问题的遗传算法。通过实例通信网络构建的仿真实验,说明改进后的算法能够更好地收敛到局部近似最优解,并分析了算法的优缺点。     

基于遗传算法优化多出口疏散路径问题

提出了一种基于遗传算法来优化疏散路径问题的方法．首先将疏散路径图转换为等价的距离完全图,将目标点、源点和中间点分离,随机选取中间点构造最小生成树,最终用遗传算法得到最优路径．通过数值实验,验证了算法的有效性,并与传统方法进行了比较．     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

网络划分优化的退火遗传算法

通过将退火机制引入遗传算法物选择运算中,提高了收敛速度,克服了传统遗传算法容易早熟的问题,较好地解决了网络划分优化问题,实验证明此算法在网络划分优化中行之有效。     

采用遗传算法的网络优化技术

针对树型网络的拓扑结构和数学模型,从个体编码、种群初始化、种群进化、适应度函数等方面构建基于遗传算法的网络优化方法.实验结果表明:所构建的方法进一步修正了适应度函数,增强了弱势个体被选择的概率,避免遗传算法优化过程的过早收敛问题,缩短了执行时间,取得了较佳的网络优化结果.     

遗传算法在网络最短路径问题上的应用

将网络最短路径问题抽象为求最小生成树问题,分析了最小生成树在解决实际问题时的局限性,引入了节点的度的概念;针对一般遗传算法在求解某些工程问题时存在的一些不足,提出了用量化约束条件来改进适应值函数、节点与度约束相结合编码的二进制编码方式、基于节点域的交叉和变异运算的策略.通过对公路交通网络的仿真表明,采用一般遗传算法与普通遗传算法分别求解,数值计算结果证明了改进后的遗传算法的可行性.     

Fuzzy网络中生成树的优化问题

生成树的优化问题在网络理论中，是一个具有广泛应用的重要课题，本文将Ｆｕｚｚｙ网络中有关生成树的优化问题推广到Ｆｕｚｚｙ网络中，建立了三个Ｆｕｚｚｙ网络生成树的优化问题模型；α－ＭＣ模型、ＭＦＣ模型和ＭＦＥＣ模型，并给出了相应问题模型的救解算法以及算法复杂性分析。     

遗传算法在神经网络设计中的应用

通过对正被广泛应用的、智能的、并行的全局优化方法—遗传算法的性能分析，并与其它算法比较，阐述了遗传算法在神经网络设计中的优越性.     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题,较难得到全局最优解．而采用改进的遗传算法,并运用数据库,通过对大量实际运算结果的统计分析表明：改进后遗传算法,能显著提高全局最优解的成功率．研究中发现,该类问题适应度的动态缩放技术具有最好的效果,并就该类问题提出了合适的参数取值．     

基于遗传算法的神经网络分类器优化设计

依据神经网络分类器的设计原理，设计了一种有效的遗传算法，实验结果表明：算法优化后的神经网络分类器不但学习速度快，还能保证分类精度．     

一种参数自调整多种群遗传算法

在借鉴海明距离、爬山法思想的基础上 ,提出了通过划分种群 ,采用不同的自适应参数 ,在保持快速收敛于最优的同时不失种群的多样性 .新方法提高了搜索精度 ,较好地克服了未成熟收敛现象 ,并通过多元多峰数学函数对新方法和基本遗传算法进行比较评估 ,验证了新方法具有较满意的优化效果 .     

遗传算法在数据内部排序上的应用

用遗传算法进行数据内部排序，可以打破传统排序算法在时间复杂度方面所存在的下限，因为求适值部分可并行处理，对包括适值函数、杂交、变异等在内的一些关键问题进行了研究，尤其就不同适值函数的设计对算法性能等方面的影响进行了对比讨论。     

改进的遗传算法及其仿真

从分析标准遗传算法存在的缺陷入手,提出了一种自适应选择交叉概率、变异概率以及交叉位置非等概率选取的改进的遗传算法并予以仿真,在仿真的基础上对标准遗传算法与改进遗传算法进行性能比较．     

自适应遗传算法

自适应遗传算法采用自适应的适应度函数、交叉概率及变异概率代替固定的适应度函数、交叉概率及变异概率,与基本遗传算法相比,结果证明改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力.     

一种改进的自适应遗传算法

在对自适应遗传算法中选择、交叉、变异算子作用分析的基础上,提出一种新的自适应遗传算法,新算法基于实数编码机制,选择操作采用精英选择与轮盘赌相结合,变异和交叉操作采取根据适应度自适应地非线性调整变异和交叉概率的策略,同时提出进化的后期采取先变异后交叉的操作次序.仿真实验表明,新算法有效防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力.     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法是求解大规模任意目标函数优化问题的强有力工具,二者各有优势,又都存在不足,本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法自身的优势与不足,提出一种将二者混合使用的求解网络优化问题的算法．这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法应用于实际的网络设计问题．最后用香港２００６ 年规划数据进行实例研究．