基于遗传算法的模糊关系确定方法及仿真

模糊系统的模糊推理方法常依赖于一系列由主观决定的参数,如模糊隶属函数、模糊关系矩阵等．如何确定这些参数会直接影响系统的性能．为了能对这些参数进行优化,文中采用一种新型的模糊推理方法,在此基础上,利用遗传算法产生出模糊推理方法中的最优参数．同时,在进化演变的搜索过程中,使用不断调整适应函数的手段,解决了遗传算法过早收敛于次优解的问题,提高了遗传算法的搜索精度．     

遗传算法及其实现

介绍遗传算法,并进行了实现.通过对 CHN144城市的数据进行测试,测试表明:遗传算法具有较强的全局搜索能力.     

遗传算法中算子的性质

讨论了遗传算法中的两个主要算子－杂交与变异，得到了杂交算子的四个变量及一个平行四边形法则，给出了决定杂交搜索的充要条件及杂交搜索的范围，对变异算子，指出了它的可迁性，建立了变异基因数与Ｈａｍｍｉｎｇ距离的关系。     

多障碍离散路径规划的遗传算法求解

使用遗传算法求解多障碍离散路径规划问题时,容易产生大量无效解.通过计算个体的有效路径,评价个体,并在遗传操作中不断累积局部优势模式,可以对无效解进行遗传操作并最终生成有效解.无效解往往在有效路径的尾部陷入障碍.针对此变异操作,使得个体不仅可以保留前端累积的局部优势模式,同时可通过尾部变异跳出环境障碍.     

配电网综合规划的遗传算法

以遗传算法为基础，提出一种将变电站容量、位置的选择和馈线布线综合考虑、一体优化的方法。该方法虽然使模型结构变得更加复杂和庞大，但是由于考虑全面，模型精确，用遗传算法来探索变电站的供电范围，能代到传统方法难以找到的优化解，具体算例证明了本文算法的有效性。     

生产管理中一类排序问题的遗传算法

生产定理系统中经常会遇到一系列排序问题。本文讨论将ｎ个任务安排在ｍ台设备上完成的一类排序问题。对该类排序问题的其他模型进行了进一步讨论,扩展了模型的适用范围,在建立通用模型的基础上,用遗传算法求解。     

遗传算法在数据内部排序上的应用

用遗传算法进行数据内部排序，可以打破传统排序算法在时间复杂度方面所存在的下限，因为求适值部分可并行处理，对包括适值函数、杂交、变异等在内的一些关键问题进行了研究，尤其就不同适值函数的设计对算法性能等方面的影响进行了对比讨论。     

途径节点不确定的MTSP路轨规划模型及其遗传算法研究

一般的路径规划问题假设道路网络是确定的,并且采用实时优化的方法建立优化路径,这种方法的结果不具有实用性。在高速发展的中国,道路网络实际上变化很快,而路网的电子地图往往无法实时更新;即使实时规划的路径本身是可行的,各配送点也会因为对新道路缺少经验而导致实际行驶时间大大超出预计,尤其对多个司机的情况。根据途径节点,考虑不同途径节点的不确定性,阶段性地产生稳定线路,是可行的方案。能够在路径成本和时间取得综合的平衡,多配送点工作量的相对均衡。利用MTSP问题的解决,提出了具有不确定途径节点的多目标路径规划模型,并且设计了随机遗传算法。仿真研究表明,该模型是有效的,该算法具有良好的求解性能。该成果有望集成在配送或运输决策支持系统中,为阶段性路径规划提供支持。     

改进遗传算法求解文化旅游线路规划问题

针对旅游线路规划问题的非确定性多项式难题(nondeterministic polynomially problem,NP)特性,顾及文化旅游景点文化内涵的多样性,提出了一种可有效保持种群多样性的遗传算法以求解旅游线路规划问题.为了解决传统遗传算法的局部最优问题,改进的算法利用Jaccard系数产生初始种群以提升种群质...     

一种新的模糊遗传算法

将模糊控制思想引入到遗传算法中,进行交叉概率P6和变异概率Pm的整定工作,并在此基础上提出了一种基于模糊控制的遗传算法－模糊遗传算法,仿真结果表明：该算法不仅能提高解的质量,而且能加速解的收敛速度。     

图同构的遗传算法

根据图同构遗传算法，提出了“保留最优，凋节中间，淘汰最差”的确定型遗传算子策略.用实例说明了图同构遗传算法的过程，仿真汁算结果也证明了该算法的有效性。     

改进的遗传算法及其仿真

从分析标准遗传算法存在的缺陷入手,提出了一种自适应选择交叉概率、变异概率以及交叉位置非等概率选取的改进的遗传算法并予以仿真,在仿真的基础上对标准遗传算法与改进遗传算法进行性能比较．     

自适应遗传算法

自适应遗传算法采用自适应的适应度函数、交叉概率及变异概率代替固定的适应度函数、交叉概率及变异概率,与基本遗传算法相比,结果证明改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力.     

遗传算法在神经网络设计中的应用

通过对正被广泛应用的、智能的、并行的全局优化方法—遗传算法的性能分析，并与其它算法比较，阐述了遗传算法在神经网络设计中的优越性.     

一种改进的自适应遗传算法

在对自适应遗传算法中选择、交叉、变异算子作用分析的基础上,提出一种新的自适应遗传算法,新算法基于实数编码机制,选择操作采用精英选择与轮盘赌相结合,变异和交叉操作采取根据适应度自适应地非线性调整变异和交叉概率的策略,同时提出进化的后期采取先变异后交叉的操作次序.仿真实验表明,新算法有效防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力.     

一种快速寻优的新型改进遗传算法

在现有几种遗传算法(GA)的基础上,对GA中的适应度函数、交叉策略和变异策略做了进一步的设计,从而提出了一种新型改进GA。新型改进GA以群体的多样性与算法的收敛速度、全局与局部搜索能力的综合均衡为设计重点,较好地解决了一般GA收敛速度慢和局部搜索能力差的缺点。仿真结果表明:该算法与常用的标准GA和采用算术交叉算子的实值编码改进GA相比,有更快的收敛速度,更高的收敛精度及全局收敛概率。     

优化网络布置费用的遗传算法

【目的】针对网络布置费用的优化问题,利用基本遗传算法的良好搜索性能,设计出优化网络布置费用问题的遗传算法。【方法】通过分析网络布置费用的优化问题,抽象出网络模型,并将该问题转化为求解无向图中最小生成树的问题。【结果】基于遗传算法基本原理和抽象出的网络模型,设计出一种优化网络布置费用的遗传算法。【结论】应用遗传算法解决网络结构优化问题,可以让用户在短时间里获得一个比较满意的结果。     

用遗传算法解决下料问题

“下料问题”在工程技术和工业生产中有着重要和广泛的应用。解决此问题的经典方法需要很大的计算量,为了减少计算量,提出基于块组合的树形表示和一种很好被采用的遗传算法,即在使用树形表示切割方式的同时也结合别的不同的切割方式,并通过组合交叉、变异算子来实现混合切割。最后提出了这种方法的实现形式。