遗传算法在食谱问题中的应用研究

食谱问题是一种多重约束目标的问题,文章利用已有的遗传算法,提出了一种独立编码和针对该编码的组内交叉算子、组内变异算子,降低了多重约束目标问题的复杂性和难度,为此类问题提供了一种有效的求解方式.     

遗传算法在求解含错方程组中的应用

找到含错方程组中满足方程个数最多的解一直是一个比较困难的问题,本文探讨了利用遗传算法进行求解的可行性,并通过一个实例比较了遗传算法采用两种交叉算子求解的差异,结果表明遗传算法解含错方程组是一种可行而有效的办法     

改进的自适应遗传算法在TDOA定位中的应用

提出了接收端在空间随机分布时,利用改进的自适应遗传算法解决TDOA定位估计中遇到的非线性最优化问题.采用浮点数编码遗传算法,引入自适应交叉率和变异率、非均匀变异算子,以TDOA方式进行最佳坐标搜索.仿真结果表明,在保证种群数量的情况下,该算法性能稳定,能找到逼近全局最优点的解,相对于其他算法精度更高.     

自适应搜索的改进遗传算法及其应用

提出了一种具有自适应搜索能力的快速收敛遗传算法。在计算过程中，设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整，并且通过引入进化策略中的自适应高斯变异算子，对变异算子进行改进，加速了算法的收敛性。为了验证算法的可行性和鲁棒性，对一个高维多峰函数的极小值搜索问题进行了求解，并将算法进一步应用于离心叶轮的形状优化问题。计算结果表明，该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷，在收敛性和鲁棒性方面均优于传统的实数编码遗传算法。     

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.     

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。     

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.     

一种改进的遗传算法在TSP问题中的应用

为了解决旅行商(TSP)不能够在多项式时间内求得最优解的问题,从仿生学的角度入手,重新设计了从问题域到算法域的编码和解码方法,应用"排列法"来初始化种群;并设计了两种染色体操作算子:顺序交换算子和合法交叉算子,保证了种群在进化过程中染色体的合法性;在种群进化选择方面,设计了一个新的更加仿生的选择算子——"灾难算子",并与经典算法的"轮盘赌"选择法相结合,作为改进算法的选择算子,进一步提高了算法的收敛速度。实验表明,改进后的遗传算法能更准确地找到最优解。     

遗传算法的改进及应用

针对遗传算法中存在的封闭竞争问题，本文提出一种线性交叉算子并通过在整数规划中的应用证明了改进遗传算法的有效性     

遗传算法在电力系统经济负荷分配中的应用

针对电力系统经济负荷分配问题的特点,应用极大熵理论将经济负荷分配问题转化为可微问题·在分析了遗传算法与传统数学优化方法的不同优势与特性的基础上,将遗传算法与传统数学优化方法相结合引入局部搜索算子实现快速搜索,提出了一种求解电力系统经济负荷分配问题的改进遗传算法·同时,应用多点均匀交叉算子提高遗传算法的全局收敛性能,将种群逐步向最优点进行引导·实例研究结果验证了方法的有效性·     

非接触电能传输系统参数优化的改进遗传解法

为了解决非接触电能传输系统设计中的参数优化问题,提出了一种混合改进遗传解法.首先建立了非线性规划数学模型,其中对频率稳定性约束条件进行了修正;其次在遗传算法中采用虫口模型产生优良的混沌初始种群,采用"两次归一化"来处理目标及约束函数,并利用可行性规则代替罚函数法来选择优良个体以减少额外的经验参数;最后设计了均匀变异加高斯变异的混合变异算子以提高算法的全局搜索能力.仿真及实验结果表明:改进后的算法能够较好地突破局部最优解的限制,较快地找到了系统的全局最优参数;优化后的系统达到了设计要求,且对于负载在约束范围内的动态大范围变化有较强的鲁棒性,如当负载增大为原来的2倍时,输出电压及原边电流的大小及频率基本保持不变.     

一种求解非线性规划问题的改进遗传算法

基于惩罚函数的思想，提出了沿权重梯度方向变异的遗传算法求解非线性规划问题。该方法既避免了惩罚函数法在计算上的困难。也无需传统遗传算法所要求的复杂的编码和译码过程。给出了收敛性分析，一些实例的仿真结果表明算法的有效性。     

基于改进遗传算法的线材排样优化

针对线材排样优化问题,在分析线材排样方案数学模型的基础上,提出了基于改进遗传算法的优化求解方案。该算法设计了一种新颖的遗传算子,包括顺序交叉算子、线性变异算子、扩展选择算子。实验表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了线材排样问题。     

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。     

一种求解非线性函数优化问题的混合遗传算法

结合单纯形法的混合遗传算法是将单纯形操作替代原来的交叉算子,并采用最优群体保留策略,算法可以很小的群体规模实现兼顾全局搜索和局部搜索的均衡搜索,大幅度提高搜索精度和效率,算法不需要梯度信息,不需进行编码操作,非常适合求解非线性函数优化问题。     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

改进遗传复合形算法及其在并行公差优化设计中的应用

提出了一种将遗传算法与复合形算法相结合而构成的遗传复合形算法．在遗传算法初始化之后，用复合形法选出较好的个体，再用遗传算法寻求最优解，并首次将加权制造成本和质量损失成本同时应用到公差并行设计的优化数学模型中．研制出面向公差并行设计的新的优化软件．经过试验验证较以前的算法有较大改进．     

改进的自适应遗传算法在结构优化设计中的应用

普通遗传算法经常出现易早熟、随机性较大、收敛速度较慢等问题,基于Sigmoid函数,提出了一种新的改进的自适应遗传算法.该算法可以有效提高收敛速度并防止算法陷入局部最优解,通过算例分析,证明了该方法的可行性和有效性.结果表明,提出的新型遗传算法可以为其在大型土木建筑结构的优化设计中的推广应用提供理论支持.     

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.