遗传算法矩阵编码的研究

遗传算法是一种基于自然选择和遗传变异等生物进化机制的全局优化搜索算法。文章对矩阵编码的机制进行了研究，讨论了矩阵编码的算法框架及特点，对矩阵编码中的选择、交叉和变异算子进行了比较全面的形式化描述，并介绍了其未来研究方向。     

矩阵编码的遗传算法

针对遗传算法在求解矩阵运算的优化问题时,会出现编码过长或编码、解码复杂的现象。提出一种新的矩阵编码方式,同时也详细给出在矩阵编码下的交叉算子、变异算子和解码公式,可有效地解决编码过长和编码、解码复杂的问题。矩阵编码的遗传算法既可以保持二进制编码的交叉和变异的灵活性,又能适合于矩阵优化计算。     

遗传算法基础上矩阵编码自动组卷及优化研究

基于遗传算法,针对考试系统的自动出题问题,在遗传算法基础上,利用属性约束和分段编码的方法优化矩阵编码方法应用于自动组卷.     

基于矩阵编码遗传算法的PCB生产线元件分配优化

PCB组装生产线上元器件的分配是影响整条生产线组装时间的关键因素.在分析实际工程问题的基础上,建立了PCB组装连续生产线上元件分配优化模型,在改进遗传算法中,提出了基于矩阵编码的方式,针对提出的编码方式,结合表上作业的最小元素法实现了种群的初始化,并采用了双点交叉以及改进的局部变异和自适应变异概率操作.最终,通过工程实例求解,得到了较优的结果,提高了PCB组装生产线的效率,从而证明了此算法的有效性.     

实数编码遗传算法离散重组算子分析

用组合数学分析了实数编码遗传算法的一点交叉、多点交叉和均匀交叉等三种离散重组算子的组合能力，算子的组合能力算子组合出新染色体数目的大小衡量，分析表明，对同一父染色体对交，一点交叉最多可组合出2(n-1)个新的染色体，多点交叉为2C^kn-1个，均匀交叉为2（2^n-1-1)个，函数优化实验研究表明，在算法中采用何种离散重组算子较为合适与算子的组合能力有关，也与优化问题有关。     

实值编码遗传算法的行星齿轮传动优化

角度变位２Ｋ－Ｈ行星齿轮的优化设计是一个多峰函数优化问题,用传统确定性的、计算式方法容易陷入局部最优解．为达到全局优化的目的,采用实值编码遗传算法进行优化．首先给出了一个通用性强、以体积最小为优化目标的２Ｋ－Ｈ传动机构的优化模型,然后描述一种实值编码遗传算法的实现,并将之应用于角度变位行星传动的优化设计．其优化结果与单纯形的比较表明,遗传算法更能脱离局部解而取得更优解,在工程设计中具有一定的应用价值．     

遗传算法的编码研究

本文以分析药物分子活性为基本方法和手段 ,探讨了遗传算法在具体应用中可能遇到的对重要基因位的破坏性 ,从拓展遗传算法应用的角度 ,提出了针对结构编码的改进     

遗传算法与故障诊断的结合研究

介绍了遗传算法在故障诊断中的种种应用,指出了将遗传算法应用于故障诊断可减少运算量、缩短平均诊断时间、提高诊断效率和故障识别精度.     

遗传算法编码策略研究

遗传算法是—类基于自然选择和自然遗传机制的自适应全局优化概率搜索算法,编码策略是设计遗传算法的一个重要步骤,通过研究二进制码和格雷码的编码策略,分析了编码差异、个体差异和适应度差异之间的关系,得到了两种不同编码对遗传算子搜索能力的影响和它们的特性。     

遗传算法中二值编码与多值编码的比较

编码是遗传算法首先要解决的问题。传统的编码方式是二值编码,但对于很多问题,使用多值编码,具有许多的优点。本文对二值编码和多值编码作了比较,并指出多值编码所具有的特点,为遗传算法在编码的选取上提供指导。     

遗传算法及其仿真

介绍了遗传算法的基本概念,并提出了一种基于MATLAB遗传算法与直接搜索工具箱的遗传算法仿真方法.仿真实验证明,该方法是简单、实用、高效的.     

两种快速的密码子检索方法

许多生物信息学软件涉及将核苷酸序列翻译成对应的氨基酸序列的操作.密码子检索表的结构及检索算法强烈地影响蛋白质翻译的速度.本文提出了2种快速的密码子检索方法.一是平均检索长度约为7,最大检索长度为9的分块检索;二是没有空间冗余和地址冲突的哈希表检索,其平均检索长度和最大检索长度均为3.对几种密码子检索方法的检索效率进行比较,结果表明哈希表的检索速度最快.     

遗传搜索优化算法

简述了多峰优化的主要问题及遗传算法的基本概念及算法.在传统的优化方法基础上,引入遗传算法的思想,提出以优化搜索方向向量为研究对象,在连续空间进行优化的遗传搜索优化算法;给出了算法中关键参数的选取方法;最后,给出了该算法的计算实例,结果表明,用该算法能较稳定地找出全局最优点.     

基于遗传算法的神经网络算法研究

针对神经网络存在许多局部最小点，在某些初值的条件下，算法的结果会陷入局部最小等问题．文章将遗传算法和神经网络相结合，用遗传算法替代BP算法学习网络权值，并将其应用于聚类分析．计算结果表明，遗传算法和神经网络的结合将具有良好的全局搜索能力。     

一种融入小生境技术的遗传禁忌算法

针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢,禁忌搜索强烈依赖于初始解等问题,根据遗传算法和禁忌搜索算法自身的特点,分析两者的优势和不足,提出了一种融入小生境技术的遗传禁忌算法.该算法采用融入了小生境技术的遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,同时可以抑制早熟现象,避免过早收敛到局部最优.分析和实验结果表明,该算法能很好地抑制早熟收敛,同时在计算速度和计算结果方面都有改进,是一种快速有效的优化算法.     

基于遗传算法和Best-First图搜索的约减集求解算法

提出了两种新的约减算法,分别运用遗传算法和Ｂｅｓｔ－Ｆｉｒｓｔ搜索方法求约减集,前者利用了遗传算法的寻优特性从种群中获得一最优及一组次优个体,进而获得一组约减;后者采用Ｂｅｓｔ－Ｆｉｒｓｔ搜索方法,相对于Ａ算法可扩大搜索空间,并可从ｏｐｅｎ表前部获得一最优及一组次优的状态节点,进而获得一组约减。实验结果表明,文中提出的算法是有效且合理的。     

基于混合编码的多智能体遗传算法

为了提高多智能体遗传算法的收敛速度和全局寻优能力，将量子编码引入多智能体遗传算法中，对每个智能体同时采用量子编码和实数编码，以基于这两种编码方式的遗传算子同时进化来获得更快的收敛速度和更好的全局收敛性。仿真结果表明，此算法能更快地收敛到全局最优解。     

多峰函数优化的混合遗传算法

研究了2种基于最速下降法和遗传算法的求解多峰函数优化问题的混合遗传算法,以Schaffer函数的全局优化问题和收敛概率、平均收敛时间和平均收敛值等评价指标检验了混合算法的性能.结果表明混合算法的性能优于单独的遗传算法或最速下降法,采用随机方式选择局部优化个体的混合遗传算法性能在总体上优于从每代群体中选择适应度高的个体进行局部优化的混合遗传算法.     

基于网格法的遗传算法及其应用

在基本的遗传算法(sGA)中,初始群体是随机产生的.为了增加个体的遍历性和多样性提出-种用网格法来产生遗传算法的初始群体,并对网格法的遗传算法的优化效率进行了定量的评价.同时与基本的遗传算法一起应用在DeJong的测试函数F1上便于进行对比.评价结果和实验结果表明网格法在提高遗传算法的优化效率上是可行的.