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。     

基于最大类间方差遗传算法的图像分割方法

分析了最大类间方差阈值图像分割算法的基本原理，结合遗传算法及其特点提出了一种自动阈值选取的图像分割算法，在本算法中对传统晨大类间方差图像分割的算法及遗传算法进行了改进，提高了传统算法的速度，改善了遗传算法的收敛速度与最优解的协调关系，最后从速度及性能上进行了分析比较，并对实际图像分割做了反复实验，结果表明，本遗传算法的图像分割方法在图像分割过程中具有速度快，效果好的特点。     

遗传算法与微粒群算法的比较

通过几个测试函数对遗传算法和微粒群算法进行了比较.结果表明在寻找最优解的最优值和速度方面,微粒群算法优于遗传算法.     

一种改进的基于实数编码的遗传算法

对传统遗传算法在编码方案及遗传操作中存在的局限性以及非成熟收敛现象，提出一种改进的基于实数编码的遗传算法，该方法以实数编码代替二进制编码，有效地解决了传统遗传算法中海明悬崖，计算精度等问题，根据适应度值父染色体进行变异操作，减轻传统遗传算法中变异操作所存在的盲目性，并对遗传算法可能出现的非成熟收敛现象进行预测，从而能极大的避免非成熟现象的产生。     

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。     

遗传算法在PID自整定控制中的应用

提出了一种基于遗传算法和单神经元的自整定PID控制器的设计方法，该控制器首先利用遗传算法对PID的3个参数作离线优化，搜索到一组准最优的PID参数，作为PID控制器参数的初始值，然后利用改进后的单神经元梯度下降法在线调节PID参数，以使系统获得最优的动态性能和稳态性能．仿真结果表明：与传统PID控制算法比较，该控制方法响应速度快，具有更好的控制效果．     

基于遗传算法的最优小波滤波器构造

基于遗传算法对小波滤波器的构造方法进行了研究，重点在于解决对任意特定图像进行压缩处理所需要的最优小波滤波器的构造，有效的染色体编码方案和适应值函数以及遗传算法的全局寻优性能，使得该方法在处理图像压缩优化问题有其独特的优点。     

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。     

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。     

渐变式路径优化在GIS中的应用

为了解决传统算法收敛速度慢、搜索区域盲目等问题，提出了一种新的算法——渐变式路径优化算法该算法是结合Dijkstra算法和遗传算法的优点，采用启发式搜索和自适应禁忌等策略进行优化而形成的一种混合算法对新算法和传统算法进行了比较，同时将该算法应用于GIS路径规划中，对新算法中的关健参数σ、β因子进行了测试仿真结果表明该算法极大地加快了搜索速度，提高了搜索效率，取得了良好的效果     

基于agent的并行GA

采用遗传进化技术和多智能体技术相结合的方法，实现了基于粗粒度的并行GA，该方法有利于改进遗传算法的性能，提高遗传算法搜索的效率，文中讨论的并行模型，最大的特点是通讯开销小。     

基于改进遗传算法的Volterra核辨识研究

本研究提出了一种基于改进遗传算法辨识Volterra级数模型的方法.该方法根据Volterra核与系统输出的相关程度来调整模型结构,利用重启策略与自适应搜索范围解决进化停滞与算法早熟收敛等问题.通过仿真试验将改进遗传算法与标准遗传算法、量子粒子群算法进行比较.结果表明,该方法在辨识精度、收敛速度及抗噪性能等方面明显优于...     

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。     

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.     

基于遗传算法的多路径测试数据自动生成

遗传算法作为现在启发式搜索算法的理论和实验基础,在测试数据生成方面显示出较大的优越性。由于适应度函数设计是应用遗传算法进行测试数据生成的效率的关键,因此本文综合考虑现有适应度设计的因素,设计出一种新的基于遗传算法的多路径算法。该方法是首先设计一种衡量两条路径相似度的算法,然后在此基础上设计了一个针对多路径的算法。通过与现有方法的生成效率进行比较发现:对于基于遗传算法的测试数据生成问题,该方法的测试生成效率有较大提高。     

换热器网络系统优化的实现方法

用遗传算法对换热器网络系统的结构与操作参数同时进行优化，解决了换热器网络的最优组合问题。     

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。     

基于遗传禁忌混合算法的静态电压稳定裕度计算

提出一种基于遗传禁忌混合算法的静态电压稳定裕度计算的新方法．该方法将全局搜索能力强的遗传算法和局部搜索能力强的禁忌搜索算法结合在一起，通过改进的连续潮流法计算，可快速而准确地获取系统最大静态电压稳定裕度，并在一定程度上弥补遗传算法和禁忌搜索算法单独使用的不足．应用该混合算法对IEEE14节点系统进行仿真计算，验证了该方法可行且有效．     

遗传算法中的重组操作

针对传统遗传算法中交换操作的局限性，提出了一种根据适应度对父染色体重组的操作方法，并以Ｎ－皇后问题和求解自然对数为例验证了该方法的有效性。     

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。