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.     

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。     

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。     

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．     

基于管网监测点的水质工况复核

在已有水质模型和部分水质监测点实测数据的基础上,根据最小二乘原理,建立了给水管网水质(以余氯为对象)工况复核模型,并用改进遗传算法对其求解.通过实例证明用改进遗传算法对水质工况复核能快速、精确地确定供水管网某时刻各节点的余氯浓度.     

一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.     

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。     

自适应遗传算法在二维电磁波散射的MEI方法中的应用研究

MEI(Measured Equation of Invariance)方法是一种有效的用于边界截断的数值计算方法,已在计算电磁学领域得到广泛应用,其中MEI方程的病态性是值得关注的一个问题.该文采用有限元方法求解与二维电磁波散射问题相关的Helmholtz方程,重点研究将自适应遗传算法应用于MEI方程的求解.该文的研究结果表明,应用自适应遗传算法求解MEI方程是有效的.     

回溯遗传算法

提出了回溯遗传算法，较好地解决了传统遗传算法无助于求解某些优化问题中全部或大部分最优解的问题，并利用模拟实验验证了该算法的有效性。     

基于GCOA算法的带时间窗车辆路径规划问题研究

GCOA算法是对遗传算法的重大改良,不仅加快了遗传算法的收敛速度,而且从一定程度上避免了遗传算法陷入局部最优,并增大了遗传算法获得最优解的能力。本文首先介绍了GCOA算法,然后通过具体问题的解决对比传统遗传算法与GCOA算法,得出GCOA算法在收敛速度及结果优化两方面的有效性,最后将GCOA算法应用于求解VRPTW问题上,得出最优化结论。     

自然遗传算法及其性能分析

在为种群大小遗传算法的基础上引入“种群阈值”及“移民”等概念,并采用动态调节交配率及变异率等措施,提出了一种自适应的遗传算法。该算法通过模拟自然界的“生老病死”过程来实现问题求解,并力求解决遗传算法的参数控制及过早收敛等问题。且介绍了该算法的基本思路,并对其性质进行了分析。     

改进遗传算法在TSP组合优化问题中的应用

TSP组合优化问题随着问题规模的增大,其潜在解的搜索空间增长速度比指数函数增加的速度还快.TSP问题的NP-hard使得求解这些问题的最优解非常困难.提出了通过改进经典遗传算法来求解TSP问题近似解的一个算法.仿真结果验证了该算法的有效性.     

离散变量结构拓扑优化协同混合遗传算法

针对离散变量桁架结构拓扑优化问题,提出了将拟满应力法与遗传算法相结合的混合遗传算法,并引入了拓扑和尺寸协同演化的思想,使得桁架拓扑和尺寸的演化能够相互独立又协同进行.并给出算例证明该方法是非常有效的     

基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。     

基于并行遗传算法的舰艇编队防空火力分配方案

设计了一种并行遗传算法,并进行了仿真实验．结果表明,该算法可以有效求得舰艇编队防空火力分配问题的最优解或近似最优解．     

基于拟下降方法的遗传算法及其收敛性

在遗传算法中嵌入一个传统下降算子,且保留最好个体,利用最好个体的记忆信息对搜索过程进行指导,从而得到既有较快收敛速度,又能以较大概率得到全局极值的用于函数全局优化的混合算法.定义了适当的适应度函数和子代个体的选择算子,且从拟下降观点证明了算法的收敛性.数值计算结果表明了本算法显著优于遗传算法和传统下降算法.     

基于改进遗传算法的车辆路径问题研究

车辆路径问题是一个典型的组合优化类问题,而传统的算法无法满足顾客需求对物流运输提出的要求.遗传算法是求解此类问题的方法之一,针对遗传算法容易出现早熟收敛,以及车辆运送的时间限制,该文采用改进的遗传算法对有时间窗的车辆路径问题进行分析,实验验证了算法的有效性.     

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。     

一种新的多移动机器人协调路径规划方法

针对动态环境中多移动机器人路径规划问题,提出了一种基于知识的遗传算法。该算法路径表示简单,所设计的基于知识的遗传算子并入了领域知识和局部搜索技术,同时,把领域知识并入初始种群,大大提高了遗传算法的效率;将协调路径适应值矩阵引入基于知识的遗传算法,实现了多移动机器人协调路径规划。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。