遗传算法的交叉算子研究

介绍了编码方法基础上的各种交叉算子以及应用到复杂问题（如组合优化、调度问题）的交叉算子，     

遗传算法交叉算子的分析

交叉算子是遗传算法中最主要的遗传算子，对种群的搜索性能起着重要的作用。作者就维持种群多样性的角度，提出了有效交叉位置距和有效交叉点的概念，并分析了随交叉点位置不同一点交叉、两点交叉和一致交叉之间的关系，对3种交叉算子各自的搜索空间及交叉算子对模式的影响进行了分析，并给出了一些重要结论。通过函数优化验证了新交叉算子的有效性。     

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。     

实数遗传算子的作用与改进

从解空间的角度简单分析了实数遗传算子的作用；为更好地发挥变异开拓解空间的作用，设计了非重复一致变异方法，并从释放数值空间的角度提出了一种自适应群体置换策略以提高算法的搜索效率，各种改进方法通过对测试函数的寻优进行验证。     

遗传算法中交叉算子的配对策略研究

提出了一种称为“国王配对”的配对策略来选择进行交叉运算的父母体,在此基础上再执行改进的交叉运算.经过测试,证明国王配对策略比随机配对策略要优越,可以加速遗传算法的进化过程.     

一种改进型交叉算子和自识别高变异算子新型遗传算法的研究

为有效地解决遗传算法收敛性和多样性的矛盾,在分析算子结构的基础上,提出了一种新型的遗传算法.该算法的核心在于,一方面通过父子竞争保留优秀个体和改进型交叉算子保证收敛性,另一方面对参与交叉的基因段进行基于海明距离相似度检测提高交叉操作的有效性;最后,采用基于基因位多样度的自识别高变异率算子来改善种群的多样性.实验证明,改进的算子显著地提高了收敛速度和搜索全局最优解的能力.     

一种改进的自适应遗传算法

针对传统遗传算法存在的 "早熟"以及在后期搜索效率低的问题,分析了目前常见的几种种群早熟程度的评价指标,提出了一种新的种群"早熟"程度评价指标,并据此实现了一种改进的自适应遗传法算法.仿真结果表明,该算法不仅能加快遗传算法收敛速度,而且还能增强算法的稳定性.     

用遗传算法求解旅行商问题时遗传算子的设计

阐述了遗传算法的基本原理和实现步骤,重点介绍了利用遗传算法在解决旅行商问题时采用的交叉和变异算子的设计与实现.     

基于初等矩阵的遗传算子模型

选择、杂交及变异是遗传算法的核心随机算子，应用代数方法可使遗传操作过程得到简化。     

小生境遗传算法的改进

为了避免小生境遗传算法存在的早期成熟和陷入局部极值点等问题,提出了一种改进的小生境遗传算法.该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,并在变异量的确定上引入了梯度的概念.通过在Shubert函数的全局最优化问题上的验证,并与常规遗传算法和小生境遗传算法比较,改进后的算法提高了搜索速度,能有效跳出局部极小值,并搜索到全局最优值.     

实数编码遗传算法离散重组算子分析

用组合数学分析了实数编码遗传算法的一点交叉、多点交叉和均匀交叉等三种离散重组算子的组合能力，算子的组合能力算子组合出新染色体数目的大小衡量，分析表明，对同一父染色体对交，一点交叉最多可组合出2(n-1)个新的染色体，多点交叉为2C^kn-1个，均匀交叉为2（2^n-1-1)个，函数优化实验研究表明，在算法中采用何种离散重组算子较为合适与算子的组合能力有关，也与优化问题有关。     

遗传算法交叉算子性能对比研究

就交叉算子性能对比问题，提出了算子子代在海明距离上分布的分析方法，对遗传算法中常见的单点、双点和均匀交叉算子子代生成空间上子代生成特点进行了系统分析，并使用具有代表性的NK Landscape上两种基因关联模型(NK_R．ND和NK_ADJ)和两种遗传算法模型(SGA和SSGA)进行试验，试验结果表明不存在算子性能的绝对差异，实际问题基因间的关联紧密度及遗传算法模型对交叉算子性能有很大影响，当解空间基因位置关联紧密时应用双点交叉算子性能最好，而均匀交叉算子性能受SGA和SSGA的影响最小．     

基于基因调控的改进遗传算法

针对标准遗传算法存在个体多样性差,易陷入局部极小等缺陷,提出了基于基因调控的改进遗传算法。该方法具有结构简单、搜索速度快、操作方便等特点。典型函数测试实验及对比分析结果证明了该方法的有效性,为遗传算法的改进及智能优化方法的研究提供了一条新的途径。     

基于遗传算法的护士排班系统研究

护士排班问题是医疗系统中最重要的工作之一.科学地编制排班表,合理地进行人员搭配,适当地平衡护士负担,充分考虑护士的合理需求,对医院有效使用劳动力以及更好的满足人员需求起着非常重要的作用.采用遗传算法建立护士排班表,并且在Android平台智能手机上开发应用,方便护士人员随时随地查询排班等情况,实现了智能化、人性化的排班过程.     

求解非线性规划问题的混合遗传算法

本文针对一般形式的非线性规划问题，提出一种具有学习算子的混合遗传算法，该算法具有收敛速度快且能收敛于最优解等特点。     

支持向量机下机器学习模型的分析

首先概述了支持向量机的发展与应用,指出其在机器学习领域有较大的发展前景.分析了支持向量机的基本算法,进而阐述了基于支持向量机的机器学习模型构造思路.给出了其应用于机器学习模型的核函数和训练算法,最后给出了学习模型的具体分类效果.     

机器学习的研究

本文对机器学习进行了深入研究,从机器学习的发展历程、研究领域、系统构成及其在分类上的应用四个方面论述了机器学习的发展和应用。     

Support Vector Machine Ensemble Based on Genetic Algorithm

Support vector machines （SVMs） have been introduced as effective methods for solving classification problems. However, due to some limitations in practical applications, their generalization performance is sometimes far from the expected level. Therefore, it is meaningful to study SVM ensemble learning. In this paper, a novel genetic algorithm based ensemble learning method, namely Direct Genetic Ensemble （DGE）, is proposed. DGE adopts the predictive accuracy of ensemble as the fitness function and searches a good ensemble from the ensemble space. In essence, DGE is also a selective ensemble learning method because the base classifiers of the ensemble are selected according to the solution of genetic algorithm. In comparison with other ensemble learning methods, DGE works on a higher level and is more direct. Different strategies of constructing diverse base classifiers can be utilized in DGE. Experimental results show that SVM ensembles constructed by DGE can achieve better performance than single SVMs, hagged and boosted SVM ensembles. In addition, some valuable conclusions are obtained.     

程度上、下近似算子的乘积运算

主要探索了程度近似算子的乘积复合运算,定义了程度上、下近似算子的乘积运算,得到了其本质、基本结构与性质,为计算提出了宏观算法与结构算法,进行了算法分析与比较,得到了结构算法在算法时间、算法空间上优于宏观算法的结论.最后用实例进行了说明,并讨论了程度粗糙集模型与变精度粗糙集模型的关系.