遗传算法中遗传算子的分析

本文首先分析了遗传算法（GA）中复制算子、交叉算子、变异算子等三种主要遗传算子及特性,然后总结了遗传算法所具有的一般性原则。     

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，     

基因表达式编程中的遗传算子分析

基因表达式编程是一种用线性编码解决复杂问题的遗传算法,已经在多个领域中表现出优越的性能。本文介绍基因表达式编程的基本框架、并分析基因表达式编程中不同遗传算子对算法成功率和群体多样性的影响。     

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。     

基于拉普拉斯交叉算子的遗传匹配追踪

遗传匹配追踪算法可提高寻找最佳原子速度,但交叉算子降低收敛性,使算法的搜索速度降低。采用拉普拉斯交叉算子改进算法,将父代的拉普拉斯分布的密度函数系数引入算术交叉算子来实现父代控制子代的产生。仿真实验结果表明,这种改进的遗传匹配算法,从残差能量和搜索时间两方面的改进是有效的。     

初等矩阵的变化形式初探

给出了初等矩阵的变化形式的一般类型表示,并对其逆矩阵及行列式进行了简单的探讨,最后以四阶矩阵为例推广了相应的结果。     

GA算子的代数通达性分析

论述了GA算子代数通达性，建立了GA状态空间的代数通达关系，对算子的随机性与可行性作了代数描述，给出了遗传算法收敛性的代数基础。     

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。     

基于代数杂交算子的变异算子机理分析

利用布尔代数的理想将遗传算法 (GAs)中的个体空间进行等价分类后 ,本文利用代数杂交算子 ,对变异算子的运行机理进行了分析 ,并得出了若干结果。作为其应用 ,分析了遗传算法的过早收敛现象     

遗传算子作用机理分析及其改进

文中分析了遗传算子的作用机理 ,指出了随机性的标准遗传算法的不足之处 从遗传算法角度来看 ,虽然随机交叉方式增强了开辟新的、可能是有用的搜索空间的能力 ,但由于缺乏对可能的交叉效果 (子代质量 )方面的考虑 ,也会带来交叉的有效性以及优化效率不太理想等方面的问题 为此引入了基于交叉机制的小生境技术 对于提高交叉后子代的质量和拓广交叉后子代具有多样性有一定的意义 提出了共享函数和共享度的概念 所提出的共享函数的概念限制了群体内某一特殊“物种”的无控制的增长 ,对于预防过早收敛具有一定作用     

基于网络模型的节点阻抗矩阵的新算法

结合配电网结线图特点,建立了反映支路电流向节点分布规律的数学模型。在此基础上,根据节点阻抗矩阵各的元素的意义,提出了一种节点阻抗矩阵各元素的简单且准确的计算方法。     

基于网络模型的节点阻抗矩阵的新算法

结合配电网结线图特点 ,建立了反映支路电流向节点分布规律的数学模型。在此基础上 ,根据节点阻抗矩阵各元素的意义 ,提出了一种节点阻抗矩阵各元素的简单且准确的计算方法     

矩阵函数谱算子的几何性质

该文讨论矩阵函数谱算子的几何性质及其应用。     

一个收敛的线性正算子序列

考虑了一个正线性算子列的收敛性, 并由此得到了在自由形式曲面生成中常见的几种基函数.     

Fuzzy矩阵的秩与Fuzzy向量组的基

本文在文献的基础上，对于Ｆｕｚｚｙ矩阵秩的有关性质做了进一步研究；给出了Ｆｕｚｚｙ向量组线性相关的充分必要条件。提出利用拟基向量求Ｆｕｚｚｙ基的方法，使Ｆｕｚｚｙ矩阵的求秩运算得到改进。     

正定矩阵基与正交矩阵基及其应用

给出了正定矩阵基与正交矩阵基；证明了每个实二次型都可由基本正定二次型唯一线性表出，以及欧氏空间上的每个线性变换都可由基本正交变换唯一线性表出。     

基于MATLAB平台的遗传算法工具包

在分析遗传算法要素的基础上,编写了基于Matlab的遗传算法工具包（GAToolbox）,该工具具有运行稳定,结构灵活,扩展方便的特点,并易与Matlab的其他工具包结合使用,给出了Matlab遗传算法工具包的三个成功应用实例;1）采用遗传算法工具包构造递阶遗传算法,2）基于遗传算法的径向基径神经网络学习算法;3)遗传算法优化化工过程操作条件,说明Matlab遗传算法工具包的稳定性和实用性。     

L-缬氨酸生产菌的选育及基于遗传算法的发酵培养基优化

采用以黄色短杆菌TV10为出发菌株,经紫外线、硫酸二乙酯逐级诱变处理,在含磺胺胍(SG)、α-氨基丁酸(α-AB)、2-噻唑丙氨酸(2-TA)结构类似物平板上定向筛选,获得L-缬氨酸高产菌株TV230。运用遗传算法,对L-缬氨酸发酵培养基的优化进行了研究,用10组实验完成了8因素20水平的优化任务。实验结果表明,采用优化后的发酵培养基能使缬氨酸的产量提高19.4%。     

基于遗传算法的网格结构优化方法

为了加快遗传泊进化过程,提出了基于遗传算法和满应力准则进行网格结构优化的杂交算法,杂交算法能大幅度地减少单纯采用遗传算法进行网格结构优化的解空间,其结果表明杂交算法能明显地加快遗传算法的收敛进程。