基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

一类遗传退火算法的函数优化性能分析

针对复杂函数的最优化的遗传退火算法,此文提出了一种基于邻域函数的尺度参数自寻优和多操作的基于概率接受思想的变异操作及竞争生存的种群数量控制策略的改进遗传退火算法.基于典型算例的仿真结果验证了本文算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法以及遗传-ALOPEX算法.     

基于模拟退火遗传算法的土地利用结构优化模型

将模拟退火方法引入遗传算法中,对多参数问题进行优化。该算法克服了SGAs的过早收敛的问题以及算法易陷于局部极小点的问题,使得搜索沿着全局最优方向进行。将该算法应用于解决土地资源优化分配的问题中,优化结果同样具备上述特点。参3。     

一种新的免疫遗传算法及其在TSP问题中的应用

基于生物免疫理论,提出了一种新的免疫遗传算法,在遗传算法的基础上引入了新的免疫算子,这些算子包括接种疫苗、各基因座多样性调整及免疫选择。结合TSP问题,提出了通过计算基因座信息熵来得到群体多样性的方法及多样性判断、调整方案,提取疫苗及接种的方法及免疫选择机制,讨论了控制参数在进化过程中的作用。理论分析及对75座城市TSP问题的仿真结果表明,该算法能有效避免遗传算法的不成熟收敛,提高收敛的快速性和准确性。     

遗传算法及其在船舶运动控制器优化中的应用

采用十进制基因编码的遗传算法,优化模糊控制器的隶属度函数。同时引入不同思路的变异、选择方法对模糊控制器的隶属度函数位置进行优化,由Matlab编程实现对某货船航向控制的多方面仿真。并作了种群规模、进化代数对模糊控制器性能影响的对比仿真研究。仿真实验表明,遗传算法用于优化船舶运动控制器效果明显。     

并行遗传算法在一类计算机网络可靠性优化问题中的应用

对于成本约束下的网络可靠性优化这一个 NP难题 ,针对已知的网络拓扑结构 ,提出了在 k种交换设备和 m种传输介质中选择合适的设备组合方案的粗粒度并行遗传算法 ,在满足成本预算的同时 ,优化网络的可用性 .仿真结果表明 ,对比传统的串行遗传算法 ,粗粒度并行遗传算法不但加速比高 ,而且能有效地提高优化质量.     

VFP＆VRP联合优化模型及其多目标遗传算法

单车型非满载问题是十分典型和重要的物流配送问题之一．单车型非满载问题通常包括物品装车（VFP）和车辆路径安排（VRP）2个紧密相关的子问题．研究同时考虑VFP和VRP讲两个因素的联合优化问题，建立了多目标优化模型，设计了模型的多目标遗传算法，并结合实例验证模型和算法的有效性．     

量子遗传算法及在模糊控制器参数优化中的应用

提出了一种基于实数编码的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异。针对量子旋转门的旋转角方向的选择,提出了一种简易快捷的新方法。基于适应度函数的梯度信息,构造了旋转角大小的计算公式。该方法将每一量子位的两个概率幅,看作上下两个并列的基因,每条染色体包含两条并列的基因链,每条基因链代表一个优化解。在染色体数目相同时,可显著加速优化进程,提高获得全局最优解的概率。模糊控制器参数优化问题的仿真结果表明,该方法在搜索能力方面明显优于普通量子遗传算法。     

基于置换的对偶遗传算法及其在动态排序优化问题中的应用

提出关于属性的对偶思想,将对偶机制的遗传算法推广到顺序编码动态优化问题中;引入群论中置换的概念表示对偶的属性,并提出基于置换的对偶遗传算法,该算法根据置换的性质构造学习算子和不完全对偶算子,在保持种群多样性的同时兼顾搜索精度.算法应用于交货期动态变化的单机总权重拖期时间最小化问题,取得了满意的结果.     

两类非数值优化方法在飞机方案设计中的比较研究

将遗传算法（GA）和模拟退火（SA）应用于飞机方案优化设计，给出了算法实现过程。对同一算例进行了优化实验，对二者进行了对比分析。实验结果表明SA达到收敛所需迭代次数及方案分析次数远较GA为多，但其优化结果要好于GA。这两类非数值优化方法应用于实际的飞机方案优化问题，必须首先解决由于所需方案分析次数太多而导致的计算效率低下问题。相对而言GA较SA在实际飞机方案设计中有更好的应用前景。     

改进遗传算法及其在背包问题中的应用

介绍了一种改进的遗传算法,给出了应用该算法的具体步骤。该算法通过使用二元染色体编码方式,利用基因处于不同状态的概率来表示等位基因,既使染色体具有了更多的信息量,又能够保证遗传算法的收敛性。通过旋转变换实现了染色体的进化,提高了算法的全局搜索能力和收敛速度。并利用组合优化中典型的背包问题对算法进行了验证,并和基本遗传算法的结果进行了比较,验证了算法的有效性     

活动网络费用优化问题及其遗传算法

首先给出了活动网络费用优化问题的数学模型,并提出了用于描述活动网络工序约束关系的条件矩阵的概念,然后讨论了与费用优化问题遗传算法相关的几个问题,如可行解编码,适应度函数,迭代终止条件等,最后有示例和理论分析表明该方法明显优于网络优化问题的传统算法,尤其是在大规模的网络计算中,优势将更为显著。     

遗传算法在企业铁路取送调车作业优化中的应用

如何合理安排企业铁路取送车作业是企业铁路调车作业中的一个重要环节.本文针对调车作业方式＂送取分离＂的企业铁路货运站,参照3车列的取送车仿真时序,建立了取送车作业优化问题的数学模型.同时,提出一种带启发式知识的进化增强型遗传算法用以求解这类大规模组合优化问题.算法一方面通过启发式知识产生优良个体并有效保存,加速算法寻优;另一方面通过有效的交叉和变异操作保证算法的多样性,避免算法早熟;从而最终有效提高算法的寻优效率.实例计算结果验证了模型和算法的有效性和工程实用性.     

遗传算法在Job-Shop调度中的应用

本文介绍了近年来遗传在作业调度方面的成功应用,包括染色体的编码方法,用于调度问题的交叉、变异算子以及改进遗传算法性能主要措施。     

混沌遗传算法及其应用

本文利用混沌运动的遍历性,提出了一种求解优化问题的混沌遗传算法（Chaos Genetic Algorithm, 简称CGA）,该算法的基本思想是把混沌变量加载于遗传算法的变量群体中,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度。研究结果表明,该方法效果显著,明显提高了优化计算效率。     

禁忌遗传算法在TSP中的应用

提出了带有禁忌交叉、变异的改进遗传算法,并将其应用于典型的TSP问题的求解.在求解过程中引入禁忌信息减小生成子代的模板空间的同时,加入张驰效应使得在禁忌操作中不丢失问题的最优解,从而改善了遗传算法的收敛速度.仿真数据表明,禁忌遗传算法比传统遗传算法在TSP问题中算法运行初期具备更好下降性,扩展了遗传算法在中、大规模NP-Hard问题快速求解中的应用.     

遗传算法及其在RoboCup中的应用

从遗传计算、遗传编程和遗传学习等三个方面，概述了遗传算法在RoboCup（机器人世界杯足球锦标赛）应用领域中的研究进展。在此基础上，提出了一种采用混合智能的Agent结构，作为进一步研究的解决方案。     

区间分解优化的遗传算法及其在Internet环境下实现

为解决遗传算法面对复杂多模态函数优化问题时易陷入局部极值的问题,提出一种区间分解优化思想。通过区间分解,可以找到问题的多个局部最优解和全局最优解。同时,将算法在Internet环境下实现,既减少了算法的寻优时间,又节约了算法的运行成本。实验表明,区间分解优化方案能有效克服遗传算法陷入局部极值,大幅度提高算法的寻优性能。