遗传算法求解组合优化问题研究

利用遗传算法（ＧＡ）的机理分析，提出了求解旅行商问题（ＴＳＰ）的一整套进化策略，并对算法对有效进行了分析，计算机模拟结果表明ＧＡ是求解组合优化问题的一种有效方法。     

改进的多目标遗传算法及其在PID优化设计中的应用

该文提出一种多目标遗传算法,采用新的拥挤距离计算方法,改进非支配性的比较方法,并引入双重精英策略,提高了进化效率和解的质量,更有效地保持了解的多样性. 将该算法应用于PID优化设计,使系统可同时兼顾快速性、稳定性和鲁棒性,决策者可根据当前工作需求在所得的Pareto解集中选择最终的满意解. 仿真结果表明提出的设计方法有效.     

遗传算法在排课系统中的优化研究

本文对高校排课的双目标问题进行研究、分析,对排课问题按照遗传算法进行编码,定义好适应值函数后进行选择交叉,并用禁忌搜索算法进行代替变异操作,实现了遗传与禁忌搜索算法相结合的排课系统算法设计.     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

改进遗传算法及其在平面度误差评定中的应用

针对平面度误差评定的特点,提出了一种新颖的基于实数编码的改进遗传算法.该算法采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子,算法简单、鲁棒性强,优化效率高.同时给出遗传算法评定平面度误差时目标函数数学模型的建立方法.最后,通过不同评价方法对同一平面的平面度误差进行评定,结果证明该方法不仅能收敛到全局最优解,而且具有较快的收敛速度.     

自适应遗传算法在桁架结构优化设计中的应用

交叉算子与变异算子是遗传算法中产生新个体的主要手段。针对简单遗传算法中交叉概率与变异概率随进化过程恒定不变的缺点，采用自适应的交叉、变异概率研究了针对离散变量结构优化设计的遗传算法。以在应力约束条件下的静定桁架与超静定桁架结构为算例，比较了改进交叉、变异算子前后的优化结果，并将计算结果与满应力设计方法所得结果进行了比较。结果表明，自适应遗传算法对离散变量结构优化是有效的、可行的。     

遗传算法及其在化学领域中的应用

简要地介绍了遗传算法的基本原理、理论基础及其在化学领域中的若干应用.指出遗传算法是基于自然选择和基因遗传学原理的随机的搜索算法,它无需体系的先验知识,能在许多局部较优中找到全局最优点;它以其解决非线性问题的鲁棒性、全局收敛性具有独特的吸引力,正引起越来越多的研究及应用.     

遗传算法在高校排课系统中的应用

给出了高校教务管理系统中排课问题的数学模型,提出基于遗传算法的解决方案.结果表明,该算法能比较有效地解决排课问题.     

BP人工神经网络与遗传算法在型材挤压模具参数优化中的应用

基于MATLAB平台,将BP人工神经网络与遗传算法应用于型材挤压模具参数优化设计.首先利用BP神经网络来训练已有实验值,然后将训练后的神经网络作为知识源,通过曲线拟合与逼近求得设计变量与目标函数值的函数关系表达式,最后将这一函数表达式作为遗传算法的适应度函数进行遗传迭代寻找最优解.采用曲线拟合方法将其知识源转化成为了具体的函数表达式,直观地体现了神经网络的知识源,为后继的遗传算法提供了明确的适应度函数.数值模拟分析表明,对挤压模具结构的优化是合理的.     

基于改进遗传算法的多元函数优化计算

研究了基本遗传算法在多元函数优化问题中存在的缺陷,提出了一种改进的遗传算法,使用适应值比例变换方法,在交叉与变异算子,染色体基因解码方式等方面做了改进,通过对难以优化的多元函数的优化计算,证明了该算法有良好的全局搜索能力和较快的收敛速度。     

基于遗传算法的关系数据库查询优化策略

介绍基本遗传算法的基本思想和工作流程,针对数据库管理系统中最难处理和优化的连接操作,讨论在左深连接树的计划集合和浓密连接树的计划集合上的基于遗传算法的查询优化策略。同时通过具体的查询实例说明其左深度连接树和浓密连接树的染色体编码方法,并基于该编码方式进一步确定了基本遗传算法中其它的七个变元。     

带界约束条件min-max问题的混合遗传非光滑算法

利用遗传算法和非光滑算法给出带界约束条件Min-max问题的一个混合算法,这种方法综合了2种方法的优点,从数值算例可以看出算法的有效性.     

基于个体的双机械手离散随机合作任务规划算法研究

对于基于个体的双机械手离散、随机合作任务规划问题,先以各任务间的最短移动距离(时间)为优化函数,将其简化为一个具有三角属性的双TSP问题的组合来研究,用统计方法进行单机械手任务划分,再用解决TSP问题的近似算法求解得到两个机械手任务规划的哈密尔顿回路.然后针对任务规划回路中的交叉网络采用动态规划的方法进行合理优化,从而得到双机械手一个较优的任务规划序列.该算法的时间效率为O(n2),其任务规划的最短距离(时间)代价比近似算法平均优化15%.     

单机交错排序问题的复杂性证明

关于共同宽容交货的单机排序问题,对于宽容区间大小给定,位置不固定的情况,给出了5条性质,证明该问题是NP-困难的.     

基于遗传算法的维修人员培训模型

在对维修工作量定量分析的基础上,针对维修人员素质的不同,建立了化工厂下年度的培训模型,采用遗传算法对其求解,验证了模型的有效性、实用性.     

蚁群算法求解函数优化的算法设计

为了求解一般的函数优化,文章在对标准蚁群算法的基础上,引入遗传算法的编码方式,并对蚁群算法的信息素更新进行改进.通过对几个经典测试函数的求解,证明了算法的有效性.     

一种改进的Hopfield神经网络对TSP问题的求解方法

论文对Hopfield神经网络的能量函数进行重构,使得新能量函数具有参数少、表达式简洁、计算效率高等特点;并引入遗传算法中的变异算子,使得改进后的Hopfield神经网络的具有自适应调整的功能.同时,针对有效解易陷入局部极小值等问题,运用数据转换技术、贪心算法等对有效解进行优化.最后对不同规模的TSP问题仿真,结果表明这些改进方法和技巧是可行的.     

Multi-agent技术在供应链管理中的应用

研究了基于遗传算法的Multi-agent技术在供应链管理中的应用。首先利用Agent技术建立了一个由多模块构成的供应链模型;重点研究了利用遗传算法实现供应链管理过程的优化,并给出实例分析。研究结果表明,对于这类复杂非线性系统的优化问题,运用Multi-agent技术,并结合遗传算法,可以取得较好结果。