遗传算法在方程求根中的应用

提出了一种新的求根方法,即将遗传算法应用于方程求根的领域之中,并在大量数值实验的基础上,将遗传算法与 常用的传统求根方法进行了比较,实验的结果表明,遗传算法具有一定的优越性。     

用遗传算法优化设计天线

遗传算法是一种新的搜索方法。本文介绍了遗传算法的基本原理和使用方法,并用遗传算法讨论了线天线阵的优化设计问题。     

基于改进遗传算法的平面交叉口信号优化控制法

本文对城市交通中单交叉口信号动态优化控制技术进行了深入研究,在此基础上设计了一种应用于单交叉口的智能信号控制优化算法,并在遗传算法的选择算子中对竞争法进行了改进,加入了希尔排序策略,将基本遗传算法改进成了一种新的基于二进制编码的遗传算法. 且计算机模拟复杂度较高的四相位交通控制仿真对比实验取得了良好的效果. 实验结果证明,遗传算法可以较好地应用到交通控制领域,且改进式遗传算法在中、重度交通需求的情况下依然能在很短的计算时间内使控制周期内路口的总延误和排队车辆数明显减少.     

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.     

遗传算法与其他智能算法的耦合及其应用研究

遗传算法是模拟自然界生物进化过程与机制求解极值问题的一类自组织、自适应人工智能技术,基于其全局寻优和隐含并行性的特点,在函数优化、自动控制、数据挖掘、机器学习、符号处理等领域都有着广泛的应用。结合函数优化问题、神经网络优化问题、离散时间系统最优控制问题,提出基于遗传算法与其他智能算法的混合算法,数值实验结果表明提出的几种新的混合算法性能显著优于遗传算法。     

基于附加隐性遗传效应遗传算法的约束优化问题研究

遗传算法是一种模拟生物进化论的自然选择和遗传学的基因遗传机理而发展出来的一种全局优化算法.本文作者提出附加隐性遗传效应遗传算法,通过具体算例,对基本遗传算法与附加隐性遗传效应遗传算法的优化结果进行比较分析,证明了附加隐性遗传效应遗传算法在求解优化领域的约束优化方面,表现出更好的算法性能.     

基于邻域粗糙集与量子遗传算法的人脸表情特征选择方法

人脸表情特征选择是人脸表情识别研究领域关注的一个热点。基于量子遗传算法与邻域粗糙集理论,文章提出一种新的人脸表情特征选择方法(Feature Selection based on Neighborhood Rough Set Theoryand Quantum Genetic Algorithm,简称FSNRSTQGA),以邻域粗糙集理论为基础,定义了最优特征集的适应度函数来评价表情特征子集的选择效果;并结合量子遗传算法进化策略,提出了一种表情特征选择方法。Cohn-Kanade表情数据集上的仿真实验结果表明了该方法的有效性。     

遗传算法在多目标规划中的应用

利用遗传算法对项目群优选数学模型的求解进行了新的探索，并在单目标遗传算法程序的基础上，拓宽为多目标遗传算法。计算结果表明遗传算法是求解工程优化问题的一种有效方法。     

基于遗传算法的移动机器人路径规划方法

机器人路径规划是机器人领域的一项重要课题,不同于以往在遗传算法过程中考虑路径平滑度的方法,本文提出了一种将遗传算法过程与路径平滑过程分开的机器人路径规划新方法。先设计可变长编码方式的简单遗传算法产生较优的折线路径,再引入一类新的带形状参数的回旋螺线对其进行平滑操作,以抚平较大转角。整个路径规划过程,只需输入障碍物坐标即可自适应地选择参数以产生机器人行走路径。仿真结果表明,将遗传算法过程与路径平滑过程分离的做法能降低遗传算法本身复杂度,所以设计的平滑操作不仅提高了路径平滑度,还可以减少路径长度。     

遗传算法的特点及应用领域研究

遗传算法是一种基于概率意义的随机搜索算法,它的思想是构造一个问题的解的初代种群,经过选择,交叉和变异产生新的最优解集种群。遗传算法的特点具有自组织、自适应和自学习性,遗传算法提供了一种求解复杂系统优化问题的通用框架,在工程设计、演化硬件电路设计以及人工智能等方面应用前景广阔。     

遗传算法研究现状与应用

本文在对遗传算法及其特点进行简单介绍的基础上,重点阐述了遗传算法的研究现状及其应用领域,以及遗传算法在自动指纹识别方面的应用实例。实践证明,遗传算法作为一种非确定性的拟自然算法,为复杂系统的优化提供了一种新的方法。     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.     

基于正逆序策略求解Job Shop的遗传调度算法

针对标准遗传算法在求解车间作业调度问题中易陷入局部极值点的缺点,提出了一种基于领域知识的动态双种群遗传算法. 由于最优调度必定是活动调度,算法利用活动调度技术来进行空间缩减;两个子种群分别采用正、逆序调度策略来提高种群的多样性. 算法采用一种新的染色体编码来表示活动调度方案,并给出了相应子种群的初始化策略、遗传操作,以及子种群之间的交叉方式. Benchmark算例的仿真实验与分析表明,该算法在计算时间和求解质量上均具有较好的效果.     

遗传算法研究综述

遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度有效的随机搜索算法.近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注.本文介绍了遗传算法的主要特点、基本原理及其设计步骤,并指出了相关的研究方向.     

基于粗糙集和小波的遗传算法图像分割

粗糙集理论是一种新的处理模糊和不确定问题的数学工具,小波分析具有良好的时频局部化特性,遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法.提出了一种基于粗糙集去噪和小波细节增强,利用遗传算法进行图像分割的方法.实验结果表明,方法十分有效.     

基于遗传算法和粗糙集理论的增量式规则获取方法

规则获取的增量式算法是数据挖掘领域的一个热点问题.基于粗糙集理论,从规则获取和优化两方面研究了基于遗传算法的增量式规则挖掘方法,它具有结构简单、搜索效率高、求解速度快等优点.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识,并且将遗传算法和规则挖掘算法相结合,建立了新的优化方法,提出了一种基于遗传算法的增量式规则挖掘的方法.在原有规则集的基础上进行规则和规则参数的增量式更新,避免了为更新规则而重新运行规则获取算法.试验结果表明,执行增量式GA的能够有效地获取最优规则.     

基于多群体遗传算法的非线性最小二乘估计

由于非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性,以及简单遗传算法易陷入局部最优的问题,提出了一种多群体遗传算法,它采用多个群体执行遗传算法搜索解,并且能根据各个群体在较少迭代次数中找到的最优解动态调整参数域,提高了遗传算法的性能及搜索到的解是全局最优解的可靠性.实验结果表明:新的算法是一种有效的非线性...     

基于改进遗传算法的BP神经网络及应用

结合遗传算法及神经网络各自的优点,利用改进遗传算法对BP神经网络的连接权进行优化,并提出了一种新的编码方式.通过与时间序列模型对比,基于改进遗传算法的BP模型效果更好.     

基于矩阵运算加速的改进社区发现遗传算法

社区发现算法是复杂网络领域的重要研究工具,然而传统的社区发现遗传算法在大规模网络下存在初始种群质量不佳和运行效率低下的问题。为此,本文提出一种基于矩阵运算加速的改进社区发现遗传算法。针对初始种群质量不佳的问题,提出一种新的初始化算子,采用闭包系数有偏向地选择节点构建高质量初始社区;针对计算效率低下的问题,基于矩阵运算重构了传统社区发现遗传算法各个算子,使得算法能使用GPU加速,提升计算效率。仿真实验结果表明,在不同规模的真实网络和LFR合成网络下,本文算法既能保证良好的划分精度,又展现出较其他主流同类算法更高的计算效率。     

一种基于基因遗传算法的诊断问题求解方法

基因遗传算法是一种基于达尔文进化论思想的新的优化算法，它是对生物进化过程中繁殖、变种和自然选择等规律的模拟。作为一种进化论的数学模型，基因遗传算法在解决大空间的搜索和组合优化问题等方面具有独到的功效。本文在概率因果诊断模型的基础上，应用基因遗传算法解决了诊断中具有组合瀑炸数的多故障同时性诊断问题。