利用自适应遗传算法优化滤波电路参数

利用自适应遗传算法,在典型滤波电路结构下跟踪进化进程的遗传参数并调整相应策略.从一种基本滤波电路结构出发,根据设计目标自动优化元件取值,最终获得符合预期功能的实用电路.研究结果表明,只要结构选择得当,通过引入常规设计方法的经验和规则,利用遗传参数自适应来提高进化效率和优化程度,经过一定世代的进化均可得出满足设计要求的进化结果.     

遗传算法中的连锁与变异

通过分析生物对人工选择响应的实验 ,应用遗传及进化理论对遗传算法的连锁与变异中的问题进行了讨论 ,并提出了以增加初始种群有利于进化方向的连锁和采用基因流的方法提高遗传算法的效率及解决早熟收敛问题 .     

遗传进化方法在岩土工程中的应用现状与展望

介绍了遗传进化算法在岩土工程中的应用情况,并对其发展方向进行了展望,今后的遗传算法在岩土工程中应用的发展方向计算理论要突破简单遗传算法（SGA）。程序编制也应走上通用化,独立化之路,遗传进化算法在岩土工程中还有广阔的应用前景,这有待进一步努力探求。     

基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。     

基于并行遗传算法的KNN分类方法

针对KNN的K值难以确定的问题,提出一种基于并行遗传算法的KNN分类方法.该方法采用粗粒度模型的并行遗传算法进行设计,通过种群内的遗传、变异和种群间的并行进化、联姻得到优化的K值和分类结果.实验结果表明,该方法有效的提高了KNN算法的分类效果,是一种精确高效的分类方法.     

基于可进化性的快速遗传算法

给出三类可进化性较强的个体的定义,提出充分重视个体的可进化性并对可进化性强的个体加以引导,来提高遗传算法搜索效率的思想·同时考虑算法全局收敛性能而采用一种并行群体进化结构,设计了旨在提高遗传算法寻优效率的基于可进化性的快速遗传算法,仿真结果验证了这种快速遗传算法的良好性能     

离散变量桁架结构拓扑优化的杂交算法

为了加快遗传算法的进化过程,提出了遗传算法和拟满应力算法相结合的杂交算法,并将它应用于离散变量桁架结构的拓扑优化问题·在对桁架结构受力分析的基础上,提出一种启发式方法对随机生成的拓扑结构形式作必要修正,以快速产生符合机动性要求的拓扑结构形式·利用遗传算法进行桁架结构拓扑优化,用拟满应力算法进行截面优化,并将截面优化的结果传递给遗传算法作为拓扑优化中遗传操作的根据,这样大大减少单纯用遗传算法进行优化的解空间,从而加快搜索进程·算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的·     

解决影片递送问题的改进混合遗传算法

影片递送问题(简称FDP)是一个典型的NP-Hard组合优化问题.遗传算法是一种生物自然选择与遗传机理的随机搜索与优化方法.论文针对影片递送问题的特点,在遗传算法中引入新的交叉算子,同时对进化个体进行可行化及结合2-opt邻域搜索也提高了运算效率,设计出一种改进的混合遗传算法.具体实例测试表明在解决FDP时新算法的有效性.     

具有反向学习的多目标元胞遗传算法的空间桁架结构优化设计

为了解决具有多约束的桁架结构问题,提出一种具有反向学习的多目标元胞遗传算法应用于空间桁架结构多目标优化设计中。根据分析元胞遗传算法特点,引入一种反向学习策略、差分进化策略和约束处理技术。通过标准测试函数对比分析,算法能很好地保持Pareto解集的收敛性和均匀性。针对空间桁架结构优化的数学模型,采用实数编码和个体修正方法,将该算法对72杆空间桁架优化问题进行求解,并与MOCell的优化结果进行比较。结果表明,新算法获得的Pareto解集更加均匀,极端点值域更宽广,具有一定的工程实用性。     

进化算法初步探讨

进化算法是由生物进化规律而演化出的一种搜索和优化的计算方法。它包括遗传算法、遗传规划、进化策略和进化规划四种。本文简要介绍了进化算法的概念以及四种方案之间的相互联系与区别。     

一种新型的基因编码与基因算法

研究和发展模仿生物体行为和功能的计算理论和方法是现代信号与信息处理领域非常迷人的方向之一,神经计算和基因计算正是在这一方向上的杰作。科学家们至今对生物进化复杂性和脑功能复杂性的理解还很不全面和深入,但是人们模仿其机制的计算在许多工程应用问题中已取得良好的效果。本文论述了生物体的基因编码和译码的基本原理,据此提出了基因计算的新框架和途径。     

遗传算法及其工具构造

结合遗传算法的基本原理,讨论了利用面向对象方法构造遗传算法工具的相关问题,并给出了具体的运算实例。实例表明,该工具构造有效,可靠,具有较好的通用性和扩展性,对遗传算法的实际应用有积极作用。     

遗传算法中遗传算子的分析

本文首先分析了遗传算法（GA）中复制算子、交叉算子、变异算子等三种主要遗传算子及特性,然后总结了遗传算法所具有的一般性原则。     

一种改进的混合遗传传算法

从约束最优化问题的混合遗传算法出发,针对混合遗传算法不足,提出有利方向概念,并用之对变异算子加以改进,同时用模拟退火思想对罚因子加以改进,用改进后的算法进行仿真试验,试验结果表明改进后的算法有效 .     

一种新的伪并行遗传算法

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。     

单亲遗传算法及其应用研究

针对传统遗传算法（ＴＧＡ）在求解组合优化问题方面存在的不足,提出一种单亲遗传算法（ＰＧＡ）。ＰＧＡ不使用ＴＧＡ常用的交叉算子,而是通过基因换位算子隐含交叉算子的功能来实现进化操作,简化了遗传操作过程,并且不要求初始群体具有广泛多样性,不存在“早熟收敛”问题,仿真结果表明这种算法是有效的。     

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.     

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.