基于相对下限的遗传算法

使用一种新的重组算子和适值函数尺度变换，提出了基于相对下限的遗传算法，并理论分析了该算法的收敛性。实验表明，该算法能较好地平衡种群多样性和选择压力的关系。     

基于细分变异算子策略的遗传算法

针对基本遗传算法局部搜索能力不强以及早熟的问题,提出基于细分变异算子的遗传算法(Genetic Algorithm Based on Subdividing Mutation,SMSGA).SMSGA将变异算子依据进化历程分成大步前进算子和最优调教算子.大步前进算子防止遗传早熟现象的发生;最优调教算子加强局部搜索的能力.同时,为加快算法收敛速度,对遗传操作实施策略进行优化,引入了路由选择操作.选用3个典型的测试函数在MATLAB平台中对该算法与基本遗传算法以及采用双变异率的改进遗传算法进行比较分析,结果表明,SMSGA可以有效的避免遗传算法中存在的局部搜索能力差和早熟现象的出现.     

一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.     

基于Tsallis相对算子熵的不等式

目的 为了研究信息熵之间的关系.方法 利用一个函数的数学性质和矩阵Tensor积的性质.研究了关于Tsallis相对算子熵的性质和不等式的问题.结果 得到了Tsallis相对算子熵的上界和下界,同时讨论了Tsallis相对熵关于n个算子Tensor积的次可加性.结论 所得结果是Tsallis熵的次可加性的推广.     

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.     

带混合算子的自适应遗传算法的收敛性研究

针对标准遗传算法存在搜索效率不高以及过早收敛的问题,利用自适应遗传算子提高算法的优化性能,并结合混合算子增加种群的多样度,设计了一类带混合算子的自适应遗传算法,给出了该算法的具体实施步骤,利用Markov链理论研究了该算法的收敛性问题,并通过模拟实验分析了该算法的性能。实验及分析表明,该算法切实可行,可操作性好,具有一定的通用性。     

基于三角函数的遗传算法选择算子

遗传算法的选择算子对算法的早熟收敛及算法性能有重要的影响。为避免算法早熟收敛和提高算法性能,提出基于三角函数的选择算子,分析基于三角函数选择算子的可行性,并通过实验比较基于三角函数的选择算子与其他选择算子的性能。实验表明,三角选择算子能有效地避免早熟和提高算法性能。     

引入适应值曲面结构的小生境遗传算法初探

遗传算法是一种有效的全局优化算法，但存在收敛速度慢和早熟收敛的缺陷。本提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和受控交叉算子GC，定性地分析了它们的作用。引入适应性PCS和GC的改进遗传算法在不增加计算开锁的前提下，其全局收敛速度和可靠性显地优于标准遗传算法，并具有良好的鲁棒性和稳定性。     

基于概率阈的冗余多故障诊断策略

针对冗余复杂系统的多故障诊断问题,为减小计算量和期望测试费用,设定一个概率值作为概率阈,忽略发生概率低于这个值的多故障状态,提出了一种基于概率阈的冗余多故障诊断策略。该策略首先对相关矩阵模型进行转化,并舍弃概率低于概率阈故障状态,然后用Rollout算法对基于信息熵的诊断策略进行优化,并给出了计算步骤与方法。实例表明,与文献中方法相比该策略虽然降低了一定的准确度,但减少了更大比例的期望测试费,而且降低了相关性矩阵模型的规模,缩短了计算时间。     

用于求解TSP问题的遗传算法比较研究

针对基本遗传算法收敛速度慢、易早熟的现象,提出了基于贪心交叉算子的改进型遗传算法,利用贪心思想引导交叉操作,加快寻优速度。利用新算法进行了30城规模的TSP问题求解,并且与基于部分匹配交叉算子和顺序交叉算子的遗传算法进行了比较研究。通过在不同种群大小、迭代次数、交叉及变异概率、代沟等参数设置下对三种算子的性能影响进行深入分析。结果表明:基于贪心交叉算子的改进型遗传算法具有收敛速度快、寻优效率高的特点。     

基于遗传搜索算法的码激励线性预测编码

如何快速有效地搜索出激励码书中的最佳激励矢量是码激励线性预测编码(CELP)得以实际应用的关键问题之一．作者结合遗传算法的优点，将遗传算法应用于CELP的码字搜索，利用遗传算法的优越性，较快地搜到码书中的最佳激励码字．阐明了将遗传算法应用于码字搜索的具体思路，并给出了软件仿真结果.     

基于遗传算法的直觉模糊C均值聚类算法

 针对一般直觉模糊C均值聚类算法在寻优过程中易陷入局部最优解的问题,利用遗传算法具备全局寻优的优点,提出了一种基于遗传算法的直觉模糊C均值聚类算法。在该算法中聚类中心为直觉模糊数,这使得遗传过程中个体信息变得复杂,进而增大了约束问题的处理难度。本文对产生的个体采用适时分段的归一化方法,很好地解决了该问题。仿真结果表明该算法所得聚类结果不仅准确而且更为细致。     

基于遗传算法的嵌入式系统软硬件划分算法

针对嵌入式系统软硬件协同设计中的软硬件划分问题,提出了一个基于基本调度块图的软硬件划分模型,并给出了一个基于遗传算法的软硬件划分算法.通过采用自适应的适应度函数和演化策略,提高了算法的稳定性、搜索效率和求解质量.实验结果说明了该算法对解决软硬件划分问题是有效的.     

基于遗传算法的背包问题求解

背包问题是计算机算法研究中NP完备类的一个困难问题,对这个问题国内外很多学者已经研究出了不少经典的方法,但是这些传统的优化方法存在一些缺点。本文介绍了近年来兴起的一种机器学习算法——遗传算法解决背包问题的基本思路,并通过实例计算证明了此方法的可行性和有效性。     

一类改进的杰出者记录策略的遗传算法

利用适应度乘幂尺度变换的方法,从算法的性能和收敛速度改进了普通的杰出者记录策略的遗传算法,从理论上给出了收敛性的证明,最后给出了数值实例的验证.     

基于网格法的遗传算法及其应用

在基本的遗传算法(sGA)中,初始群体是随机产生的.为了增加个体的遍历性和多样性提出-种用网格法来产生遗传算法的初始群体,并对网格法的遗传算法的优化效率进行了定量的评价.同时与基本的遗传算法一起应用在DeJong的测试函数F1上便于进行对比.评价结果和实验结果表明网格法在提高遗传算法的优化效率上是可行的.     

基于遗传算法的车间调度技术研究

分析了车间调度问题，通过设计解空间的编码方式，提出基于置换的遗传交叉算子并讨论适应度函数的实现方式，给出了解决车间调度问题的基于遗传算法的模型。