两级递阶遗传算法

针对遗传算法在应用过程出现的收敛过慢和封闭竞争问题,本文提出一种两级递阶遗传算法ＴＨＧＡ（Ｔｗｏ－ｌｅｖｅｌＨｉｅｒａｒｃｈｉｃＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）。仿真结果证明了该算法的有效性和实用性     

Chance Constrained Integer Programming and Stochastic Simulation Based Genetic Algorithm

ＣｈａｎｃｅＣｏｎｓｔｒａｉｎｅｄＩｎｔｅｇｅｒＰｒｏｇｒａｍｍｉｎｇａｎｄＳｔｏｃｈａｓｔｉｃＳｉｍｕｌａｔｉｏｎＢａｓｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ⒇ＺＨＡＯＲｕｉｑｉｎｇＣｏｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｒｉｎｇ,Ｓｈｉｊｉ...     

Understanding the Nature of Predatory Pricing in Large-Scale Market Economy with Genetic Algorithms

ＵｎｄｅｒｓｔａｎｄｉｎｇｔｈｅＮａｔｕｒｅｏｆＰｒｅｄａｔｏｒｙＰｒｉｃｉｇｉｎＬａｒｇｅ－ＳｃａｌｅＭａｒｋｅｔＥｃｏｎｏｍｙｗｉｔｈＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓTXＵｎｄｅｒｓｔａｎｄｉｎｇｔｈｅＮａｔｕｒｅｏｆＰｒｅｄａｔｏｒｙＰｒｉｃｉ...     

Using Genetic Algorithms to Improve the Search of the Weight Space in Cascade－Correlation Neural Network

ＵｓｉｎｇＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓｔｏＩｍｐｒｏｖｅｔｈｅＳｅａｒｃｈｏｆｔｈｅＷｅｉｇｈｔＳｐａｃｅｉｎＣａｓｃａｄｅ－ＣｏｒｒｅｌａｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ￥Ｅ．Ａ．Ｍａｙｅｒ，Ｋ．Ｊ．Ｃｉｏｓ，Ｌ．Ｂｅｒｋｅ＆Ａ．Ｖａｒｙ（...     

改进遗传神经网络及其对碎石桩复合地基承载力的预测

针对遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ,ＧＡ）及人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ,ＡＮＮ）优缺点,提出了改进遗传神经网络,并把它用于求解碎石桩复合地基承载力的计算,结果表明该方法是可行的,从而为地基承载力计算开辟了一条新的途径     

Mechanical Model of Unconstrained Optimization and Unified Scheme of Their Algorithms

ＭｅｃｈａｎｉｃａｌＭｏｄｅｌｏｆＵｎｃｏｎｓｔｒａｉｎｅｄＯｐｔｉｍｉｚａｔｉｏｎａｎｄＵｎｉｆｉｅｄＳｃｈｅｍｅｏｆＴｈｅｉｒＡｌｇｏｒｉｔｈｍｓ￥ＷＡＮＧＲｉｓｈｕａｎｇ（ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔ...     

遗传算法的收敛性分析及收敛速度估计

本文６应用齐次Ｍａｒｋｏｖ链仔细分析了标准遗传算法（ＳＧＡ）趋近于稳态的过程，给出其稳态分配的具体表示形式；同时得到了更广泛和严格意义上的、与ＳＧＡ控制参数相联系绵、到达稳态的速度估计。其结果对于其他全局收敛ＧＡ的收敛性和收敛速度研究都有借鉴意义。     

A Genetic Algorithm for Estimations of Parameters under Partial Order Restrictions

ＡＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｆｏｒＥｓｔｉｍａｔｉｏｎｓｏｆＰａｒａｍｅｔｅｒｓｕｎｄｅｒＰａｒｔｉａｌＯｒｄｅｒＲｅｓｔｒｉｃｔｉｏｎｓＺＨＡＯＲｕｉｑｉｎｇＣｏｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｒｉｎｇ，Ｓｈｉｊｉａｚｈｕａｎｇ０...     

A Genetic Algorithm for Optimal Design of Model Output Following Control

ＡＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｆｏｒＯｐｔｉｍａｌＤｅｓｉｇｎｏｆＭｏｄｅｌＯｕｔｐｕｔＦｏｌｌｏｗｉｎｇＣｏｎｔｒｏｌ￥ＺＨＡＮＧＸｉａｏｊｕｎ；ＹＡＭＡＮＥＹｕｚｏ（ＡｓｈｉｋａｇａＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ａｓｈｉｋａｇａ...     

Primal Dual Algorithms for the Lexicographically Optimal Base of a Submodular Polyhedron and Its Relation to a Poset Greedoid

ＰｒｉｍａｌＤｕａｌＡｌｇｏｒｉｔｈｍｓｆｏｒｔｈｅＬｅｘｉｃｏｇｒａｐｈｉｃａｌｌｙＯｐｔｉｍａｌＢａｓｅｏｆａＳｕｂｍｏｄｕｌａｒＰｏｌｙｈｅｄｒｏｎａｎｄＩｔｓＲｅｌａｔｉｏｎｔｏａＰｏｓｅｔＧｒｅｅｄｏｉｄＫａｋｕｚｏＩｗａｍｕｒａ（Ｓａｎｂ...     

一种改进型遗传算法及其收敛性分析

针对解决简单遗传算法 (SimpleGeneticAlgorithm ,SGA)在应用过程中出现收敛过慢和早熟现象的问题 ,提出了一种改进型遗传算法 (ModifiedGeneticAlgorithm ,MGA) ,并利用Markov链理论证明了该算法的全局概率收敛性。最后以雷达滑窗检测器第一门限的优化设计为例 ,说明了该算法的有效性和实用性。     

Optimization of HMM Parameters Based on Chaos and Genetic Algorithm for Hand Gesture Recognition

In order to prevent standard genetic algorithm (SGA) from being premature, chaos is introduced into GA, thus forming chaotic anneal genetic algorithm (CAGA). Chaos' ergodicity is used to initialize the population, and chaotic anneal mutation operator is used as the substitute for the mutation operator in SGA. CAGA is a unified framework of the existing chaotic mutation methods. To validate the proposed algorithm, three algorithms, i. e. Baum-Welch, SGA and CAGA, are compared on training hidden Markov model (HMM) to recognize the hand gestures. Experiments on twenty-six alphabetical gestures show the CAGA's validity.     

求解流量监测点最优部署问题的混合遗传算法

针对网络流量监测点最优部署(Optimal Deployment of Flow Monitors,ODFM)问题,提出了ODFM问题的通用模型。将遗传算法和模拟退火算法相结合,给出了求解ODFM问题的遗传模拟退火算法(GA-SA)。通过仿真实验,将GA-SA和标准遗传算法(Standard Genetic Algorithm,SGA)以及Suh等人提出的两步近似算法(Two-Stage Approximation Algorithm,TSAA)的求解性能进行了比较。实验结果表明,与SGA和TSAA相比,GA-SA可获得15%以上的求解性能提升。     

SGA(Simplex-Genetic Algorithm):一类求解Minimax问题的通用算法

在指出一般的迭代法不能保证收敛性之后,将注意力投向基于Stackelberg-NashEquilibrium的遗传算法(GA)的解决方法,并根据Minimax问题的特点指出该方法的不足之处.在此基础上,提出了SGA(Simplex-GeneticAlgorithm).仿真实例表明,这种方法速度和精度较之GA都有了很大提高,是求解最小最大问题的有效通用方法.     

广义遗传算法及其在水流参数反演中的应用

针对基本遗传算法难以实际应用的困难,吸收加速遗传算法的思想,提出一种考虑隔代遗传、模仿自然界中“附势”行为的广义遗传算法,它能够保持优秀个体的多样性,利用祖辈中的优秀个体变量变化空间作为下一代个体的繁殖空间.广义遗传算法概括了基本遗传算法和加速遗传算法,对它的参数进行不同设定时,可以设计出更多种类的遗传算法.将这种算法用于水流参数反演问题中,结果表明广义遗传算法收敛速度快,反演精度高,因此具有良好的应用前景.     

标准遗传算法的改进方案——加速遗传算法

针对标准遗传算法在实际应用中存在的问题 ,设计了简单遗传算法的一种改进形式——加速遗传算法 ( AGA) ,并对 AGA的有效性和可行性进行了理论分析和实例分析 .     

自调整非线性遗传算法

通过对简单遗传算法的理论分析，得出了复制、杂交、变异等算子的每次作用均相当于对所作用的个体进行一次线性变换。因此，通过对传统遗传算子进行修改，作者提出了非线性遗传算法。本文发现规范化操作对算法的计算效率有很大的影响，并且给出各遗传算子的一种等价线性表示。因此，如果针对不同的优化问题动态的进行规范化操作及遗传算子的选择，将会大大提高算法的效率。本文提出一种新的自调整非线性遗传算法(Self—Ajusting Nonlinear Genetic Algorithm,SANGA)，该算法通过规范化操作的动态选择，结合简单的遗传算子，对算法的效率有很大的提高。仿真结果表明该算法的有效性。     

基于免疫遗传算法的三维大脑图像分割

利用最大熵多阈值方法对三维大脑数据进行分割时,穷尽搜索法耗时长,而简单遗传算法的搜索结果又不够稳定和精确.针对该问题,提出了一种免疫遗传和模拟退火相结合的新算法来快速求解全局最大熵.与简单遗传算法相比,免疫遗传算法采用了更佳的选择操作,以确保更多不同个体被选择来保存种群的多样性,而模拟退火机制用于拉伸免疫遗传算法的适应度函数.算法给出了选择概率的一般表达式,并采用精英策略和自适应的交叉、变异机制以改善算法的收敛性.基于IDL平台的100次仿真结果表明,三维大脑数据被成功地分为:脑白质、脑灰质和脑脊液三部分,且与简单遗传算法和传统免疫遗传算法相比,本文算法在稳定性和精确性上更具优势.     

基于自适应遗传算法的脑电信号特征选择

针对脑机接口(BCI)研究中脑电信号的特征选择问题,本文提出了一种自适应的遗传算法(AGA).它与标准遗传算法(SGA)的区别在于对交叉和变异概率进行自适应选择.在SGA中,采用固定的交叉和变异概率,因而容易造成早熟和局部收敛; 而AGA对两种概率的自适应选择保留了种群的多样性,并且有利于全局收敛.为检验提出方法的有效性,将其与基于SGA的特征选择方法以及基于Fisher距离的滤波选择方法进行了比较,实验结果表明AGA的分类精度明显高于其它方法,获得了最好的模式识别性能.     

基于基因权重动态调整遗传算法的编码

针对标准遗传算法中交叉算子容易破坏定义长度较长的优良模式的弱点，提出了一种动态排序编码方法，以提高交叉算子的效率。首先对当前代种群确定基因权重，然后根据基因权重对基因位置进行动态排序，使优良基因变得集中，从而克服了标准遗传算法中交叉算子的弱点。为了避免陷入局部最优，对变异算子进行了改进。最后做了大量实验，并根据实验结果对该方法进行了评述。