遗传程序设计表示法新进展

主要介绍了自适应表示法 AR(Adaptive Representation)、通过学习自适应表示法 ARL(Adaptive Representation through L earning)、进化的“分而治之”EDC(Evolutionary Divide- and-Conquer)等算法基本思想。     

遗传程序设计及应用

介绍一种自动编程技术——遗传程序设计,及其在神经网络优化中的应用     

遗传程序设计及应用

介绍一种自动编程技术－遗传程序设计，及其在神经网络优化中的应用。     

遗传程序设计理论及应用研究进展

遗传程序设计是20世纪90年代基于遗传思想发展起来的具有概率本质和结构优化等特征的进化算法新分支．对其研究现状及进展作了介绍,并简要叙述了其理论与技术,同时对近年来的应用做了总结、分类及归纳,最后对其研究发展趋势做了展望。     

遗传程序设计中分布式染色体的一个应用

对一类遗传程序设计问题，提出了简单等长的分布式染色体，取代复杂变长的树结构染色体，使演化算子操作更方便，个体复杂度有效控制。用该染色体形式解决割草问题，分析了分布式染色体带来的一些性质，并给出了很好的计算结果。     

遗传程序设计及其在符号回归问题中的应用

介绍了遗传程序设计的基本原理,以及遗传程序设计的算法设计及其实现的几个关键问题。将遗传程序设计应用于符号回归问题,获得满意的结果。同时也表明其在复杂问题的自动求解上比遗传算法具有更强的复杂结构表达能力和解题能力。     

基于遗传程序设计的公式发现实践研究

对遗传程序设计进行分析,并就遗传程序设计的一个重要应用“公式发现”展开研究,同时给出了实现算法的关键技术描述和应用实例的最后运行结果,从实践的角度探讨了遗传程序设计应用于公式发现的可行性。     

脑干听觉诱发电位测试中的遗传程序设计

提出了脑干听觉诱发电位测试的遗传程序设计方法,对脑干听觉诱发电位进行了自动建模.实验证明, 该方法性能优于传统的拟合方法,可用于实际测试过程.     

浅谈程序设计中的递归算法

递归是数学和计算机科学中的一个基本概念,许多复杂问题的求解都可以用递归算法去解决.本文通过具体实例,讨论了一些问题的递归算法实现,并对递归算法进行了进一步的探讨。     

基于参数估计的遗传程序设计方法

在遗传程序设计算法中 ,针对应用传统的遗传程序设计方法 ( Genetic Programming,GP)解决符号回归问题所遇到的困难 ,嵌入一个基于模拟退火思想的参数估计过程 ,得到更为精确的参数和个体结构 .实验表明 ,此方法提高了 GP系统求解问题的能力     

基于遗传算法的多目标规划的求解

文章用遗传算法求解了一道数学建模竞赛题,并与其它算法进行了比较,体现了遗传算法解决多目标优化问题的优越性．     

多目标随机规划的交互遗传算法

利用遗传算法在处理过程中不依赖问题的种类,并具有较强鲁棒性等特点,提出了一种基于交互式的求解多目标随机规划的遗传算法,算法的意思是,结合小生境技巧和构造Pareto选优过滤器的手段,通过与决策者的反复交互对话,最后得到使决策者满意的问题的Pateto有效解集。     

求解整数规划的混合遗传算法

整数规划问题是NP困难问题，在决策变量和约束条件很多时，用常规的求解法效率很低。针对遗传算法存在的缺陷，提出了遗传算法和混沌的结合。在此基础上，设计了用于求解整数规划的混合遗传算法，算例表明，此算法能大幅提高计算效率。     

基于MATLAB的遗传算法程序设计及TSP问题求解

首先分析了用Matlab语言设计遗传算法程序的优越性,接着以遗传算法求解TSP问题为例,深入讨论了各个遗传算子的程序实现,并通过分析实验数据,得到各个遗传算子在搜索寻优过程中所起的作用,最后指出了用Matlab语言编码同用其它高级程序语言编程的差异所在。     

改进遗传算法求解TSP问题的Matlab程序设计

用改进遗传算法求解TSP问题,并编制了完整的Matlab程序予以仿真实现．程序中选择算子采用最佳个体保存与赌轮选择相结合的策略,最后分析了最佳个体保存比例对寻优效果的影响．     

基于遗传算法的公路网络设计的双层优化模型

针对现行公路网规划中存在的主观随意性和网络设计模型的缺陷,提出一种基于遗传算法的公路网络设计的双层优化模型,可一次性求出路段的技术等级与车道数,并利用一个简单的算例进行了仿真试验,结果表明,该模型与算法效果良好,具有较好的应用前景.     

求解一类非线性规划问题的混合遗传算法

提出了一种求解目标函数和约束条件均二阶可导的非线性规划问题的混合计算智能算法．该算法是把一种浮点数编码遗传算法和约束变尺度法相结合提高求取全局解的速度和概率．在该算法中，选择、交叉和变异等遗传操作算子是以非线性规划问题的一个惩罚函数为求解对象，目的是把解引向全局解附近，为约束变尺度算子提供初值；而约束变尺度算子直接以原非线性规划问题为求解对象，以发挥其局部搜索能力强的优点，数值实验表明，混合算法是一种可靠、高效的全局优化算法．     

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。     

基于非线性规划遗传算法的汽车动力传动系统参数优化研究

研究了兼顾动力性和燃油经济性的汽车动力传动系统优化数学模型,以改善燃油经济性和整车动力性为目标,采用非线性规划遗传算法对某款轿车的动力传动系统参数进行优化研究并进行了仿真试验验证.结果表明:优化后原地起步加速时间降低了3.96%,整车多工况百公里油耗降低了8.23%.表明运用非线性规划遗传算法进行动力传动系统参数优化是可行的.     

基于整数规划下遗传算法的P码直接捕获算法优化

P码直接捕获算法包含诸如平均点数、相干积累时间、非相干积累次数、频率步进量、唐检参数及快速傅里叶变换(FFT)运算单元数等10多个参数. 当在算法检测概率、虚警概率和捕获时间满足要求的约束下,对算法消耗的多种资源进行优化时,具有多约束、多变量、非线性和整数取值等难点. 为解决如此复杂的参数优化问题,提出一种整数规划下遗传算法应用于P码直接捕获算法. 该方法借鉴遗传算法的思想,并考虑P码直接捕获算法参数的整数取值要求,适合各种条件下的算法参数优化. 数值分析结果表明,该方法获得了最优的参数值,有助于实际应用.