遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

基于粒子群优化和两性二倍体的遗传算法及其应用

分别采用粒子群生物进化原理和自然界生物两性繁殖原理，对传统遗传算法进行改进，得到两种新型的遗传算法，并分别应用于背包问题和标准测试函数上。实验结果表明，这两种算法在全局搜索能力和收敛速度上比传统遗传算法都显示出了绝对的优越性。     

自适应最优保存的模拟退火遗传算法及应用

在分析遗传进化的基础上,提出了一种自适应最优保存的模拟退火遗传算法,自适应地保存最优个体,并对其进行模拟退火,与简单最优保存遗传算法（MOSGA）进行了性能比较,结果表明本算法明显比MOSGA搜索能力更强,有极强的跳出局部成的能力,有效地解决了MOSGA的早熟现象。     

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.     

遗传算法综述

遗传算法是一种自适应全局优化概率搜索算法,在各种科学工程领域得到了广泛的应用,文章介绍了遗传算法的发展历程、理论研究和应用研究状况.     

一类自适应遗传算法

简要介绍了徐宗本教授新近提出的可分解／可拼接遗传算法编码,并证明了一个得用对偶适应函数判定已知个体是否为相对全局最优解的判据,基于新的编码与判据,分别在种群层次与基因层次发展了动态变异与动态选择操作,进而提出了一类自适应遗传算法,对其原理的分析表明,新算法可用于求解所给问题的任意精度解,且在很大程度上可避免遗传算法早熟现象,此工作是对模拟演化自适应计算技术的有效探索。     

一类改进的遗传算法

采用赌轮法和保留最优法相结合的方法，改进了自适应遗传算法，保证了算法的收敛性．     

一种新的模糊遗传算法

将模糊控制思想引入到遗传算法中,进行交叉概率P6和变异概率Pm的整定工作,并在此基础上提出了一种基于模糊控制的遗传算法－模糊遗传算法,仿真结果表明：该算法不仅能提高解的质量,而且能加速解的收敛速度。     

基于引入学习过程的遗传算法的PID参数整定

在遗传算法中引入一个学习过程,实现进化过程中同代个体之间相互竞争与学习的结合,并将其应用于PID控制中参数的整定.仿真结果表明此算法具有较好的寻优能力,初步验证了其引入学习过程的意义.     

基于遗传算法的极值问题求解

遗传算法是一种颇具生命力的算法，用遗传算法的思想来求解一函数取得最大值时的解，并给出了用遗传算法解此问题的详细过程。最后，对实验的结果进行了分析，并给出改进该算法性能的一些建议。     

Seasonal Time Series Analysis Based on Genetic Algorithm

Pattern discovery from the seasonal time-series is of importance. Traditionally, most of the algorithms of pattern discovery in time series are similar. A novel mode of time series is proposed which integrates the Genetic Algorithm （GA） for the actual problem. The experiments on the electric power yield sequence models show that this algorithm is practicable and effective.     

基于遗传算法的高校排课数学模型

排课问题是一个有约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题。针对高校排课过程中存在诸多约束因素的问题,提出将遗传算法与约束条件算法相结合的排课算法,由约束条件算法确定排课任务的优先次序,遗传算法解决单个排课任务时间片分配的优化问题。实验结果表明,该算法能够改进算法性能,提高排课效率。     

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。     

基于遗传算法的Kriging空间分析及其应用

半变异函数是Kriging空间分析法中的重要数学模型，在得到实际变异函数图的基础上用遗传算法来估计半变异函数中的参数比用传统的线形回归方法更精确更自动化。介绍了用遗传算法拟合Kriging空间分析法中变异函数的模型的方法，并以分析某区域煤层厚度分布情况为例介绍了该方法的应用。     

基于遗传算法的旅游商问题求解

旅游商问题是典型的NP完全问题，遗传算法是求解NP完全问题的一种理想方法，本文针对求解旅游商问题，设计了遗传算法的选择，交叉和变异算子等遗传子，最后给出算法的仿真结果。     

基于遗传神经算法优化的汉语分词模型

针对目前汉语分词系统中BP算法收敛速度慢等难题,本文将基于遗传的BP神经网络算法用于汉语分词模型,此模型结合了遗传算法和BP网络的优点.实验结果表明:该优化模型完全达到了汉语分词要求,并且在分词速度上也明显优于传统的BP神经网络,具有高精确性、收敛速度快等特点.     

一个求解离散网络平衡设计问题的新算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法。在模型求解中,上层问题采用遗传算法,而下层采用仿射尺度内点算法求解平衡交通分配问题。数值试验结果表明,本文提出的算法是有效的,能够较快地求解这类网络平衡设计二层规划模型。     

基于共轭梯度法的函数优化混合遗传算法

综合遗传算法的全局搜索能力和共轭梯度法的局部搜索能力,提出了一种混合算法,该算法具有全局最优性和收敛性。同时,数值仿真表明算法是有效的。