求解多变量优化问题GAs方法的实现与改进

用Ｃ语言实现了遗传基因算法求解多变量优化问题，在基础上，对单点交叉与多点交叉、单点变异与多点变异进行了比较研究。在采用较好的交叉和变异方法的基础上，研究了在ＧＡｓ的迭代循环中如何适时进行区域收缩，引入适值调整，找到了一种循环次数少、计算时间短、求解结果令工满意ＧＡｓ算法。     

GA－Simplex与区域收缩的研究

在实现标准基因算法的基础上，用ＧＡ－Ｓｉｍｐｌｅｘ代替ＧＡｓ中的交叉和变异构成一种新算法，详细探讨了以何种方式在群体中选取个体进行ＧＡ－Ｓｉｍｐｌｅｘ操作，找到了一种较理想的方式，并从基因操作的内在机制进行了分析．进而构造了一种混合式方法，使计算速度和效果大为改善．然后详细研究了在ＧＡｓ的迭代循环中如何适时进行区域收缩．最后引入适值调整，找到了一种循环次数少、计算时间短、求解结果令人满意的ＧＡｓ算法     

一种基于Memetic算法的非线性方程组求解算法

提出了Memetic算法求解非线性方程组的策略,在Memetic算法流程中,采用自适应多点交叉和随机点变异策略,在交叉和变异后均通过拟牛顿局部搜索策略对染色体种群进行优化,以提高算法的求解性能.仿真结果表明,所提算法在求解非线性方程组时是有效的.     

改进遗传算法在配电网重构中的应用

：配电网络重构是降低网损、提高电网运行经济性和供电可靠性的主要途径之一．在满足各种运行约束条件下,以网损最小或可靠性最高为目标的配电网重构问题是一个典型的非线性整数组合优化问题．根据配电网特点,提出了改进的遗传算法（ＩｍｐｒｏｖｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ－ＩＧＡ）,ＩＧＡ采用新型编码方案,在编码阶段即防止了环网和“孤岛”出现,提高了求解效率,并在此基础上改进了交叉和变异算子．此外ＩＧＡ引入了模拟退火算法以提高算法局部搜索能力．算例结果表明,ＩＧＡ在配电网重构中是可行、有效的．     

指派问题的遗传算法研究与实现

提出了用遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）进行运筹学中指派问题（ＡｓｓｉｇｎｍｅｎｔＰｒｏｂｌｅｍ）优化的新方法。根据优化问题的性质，设计了两种编码方案，以及适合此类问题的复制、交换、倒位、变异四种遗传操作符。在此基础上，完成了整个优化算法及程序框图，并用Ｃ语言实现。计算结果表明，算法设计正确，程序灵活可靠，是解决此类问题的一种行之有效的方法。     

求解线性代数方程组的一种松驰失代算法及其收敛性

对于线性代数方程组Ａｘ＝ｂ的求解，Ｇａｕｓｓ－Ｓｅｉｄｅｌ迭代算法并不能保证对所有的ｎ×ｎ矩阵Ａ都收敛。本通过向Ｇａｕｓｓ－Ｓｅｉｄｅｌ算法中加入松驰因子而导出一种松驰迭代算法，并且给出了收敛性定理及其证明。该算法对所有的对称正定矩阵Ａ都具有收敛性，拓宽了Ｇａｕｓｓ－Ｓｅｉｄｅｌ方法的使用范围。     

MEMETIC算法在非线性方程组求解中的应用

将非线性方程组求解问题转化为函数优化问题,在Memetic(文化基因)算法的框架下,采用了拟牛顿局部搜索与自适应多点交叉、随机变异相结合的策略进行求解,充分发挥Memetic算法的群体搜索和全局收敛性,有效克服了拟牛顿法的初始点敏感问题. 选择了几个典型的非线性方程组进行求解,实验表明Memetic算法在求解非线性方程组应用上具有较高的收敛可靠性和精度.     

Potts－Glass模型算法的软件实现与应用

Ｐｏｔｔｓ－Ｇｌａｓｓ模型与算法改进了Ｈｏｐｆｉｅｌｄ模型与算法。本论文就Ｐｏｔｔｓ－Ｇｌａｓｓ模型与算法的软件实现与应用进行了研究，并在微机ＩＢＭ３８６上用Ｃ￣（＋＋）语言基于该算法求解了我国３１个城市ＴＳＰ部，获得了目前最好的结果。     

MEMETIC算法在多峰连续函数优化问题中的应用

根据多峰连续函数优化问题的特点,在Memetic算法的框架下,采用了爬山局部搜索与自适应多点交叉、随机变异相结合的策略对染色体群体进行优化,有效避免算法陷入局部最优,提高了算法的效率。数值计算表明Memetic算法在求解多峰连续函数优化问题上具有很好的效果。     

遗传算法求解TSP的进化策略

本文提出用遗传算法（ＧＡ）求解旅行商问题（ＴＳＰ）的一整套进化策略，包括染色体的编码、反向运算、循环运算、交换运算．其中除反向运算外，均与通常的ＧＡ算法所采用的策略不同．文中解释了它们的几何意义．用该算法求解中国３１个城市的ＴＳＰ问题得到了１５４０４公里的新的路径长度．计算结果表明整个算法是有效的     

常微分方程组初值问题的离散多分裂AOR波形松弛算法及其收敛性分析

本文首先基于交叉块分解的多分裂ＡＯＲ方法给出了波形松弛算法的一个推广，其次对等距时间结点，用隐式Ｅｕｌｅｒ方法并行数值求解各子方程组，最后，证明了多分裂ＡＯＲ波形松弛算法在一个固定的包含有限个时间点的区间上有收敛性。     

一种基于数值编码的动态遗传算法

提出了一种基于数值编码的动态遗传算法．它采用实数值编码以解决待求解的精度受限问题,并引入独具特色的交叉和变异机制,有意识地引导交叉算子,最大限度地减少因变异盲目性导致的遗传基因丢失．此外,采用两个实例来验证算法的有效性和优越性．仿真结果表明：该算法可有效地实现快速全局寻优,并可有效地解决传统ＧＡ的饱和收敛问题．     

基于改进遗传算法的多维函数的优化计算

针对标准ＧＡｓ在多维优化中存在的弊端,提出了一种改进ＧＡｓ,在染色体基因解码方式,交换与变异算子、适应函数设计等方面做了改进。通过对极难优化函数的优化计算,说明该算法有良好的全局搜索能力和较快的收敛速度。     

NARMAX模型辨识的直交化最小二乘新算法

基于实际中常用的ＣＧＳ（ＣｌａｓｓｉｃａｌＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＭＧＳ（ＭｏｄｉｆｉｅｄＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＨＴ（ＨｏｕｓｅｈｏｌｄｅｒＴｒａｎｓｆｏｒｍａｔｉｏｎ）及Ｇｉｖｅｎｓ算法，给出了１类改进的直交化最小二乘新算法，分别称之为改进的ＣＧＳ、ＭＧＳ、ＭＨＴ及ＭＧＶ算法，改善了原算法的数值稳定性．将改进算法用于非线性ＮＡＲＭＡＸ模型辨识，构造出了１种新的模型结构与参数辨识的一体化算法．新算法基于逐步回归进行模型选项并消去模型中的冗余项，保证了最终模型的结构优化，并可给出比Ｂｉｌｉｎｇｓ等算法精度更高的参数估计．仿真结果证明了文章中算法的优越性     

注塑成型工艺多目标稳健设计及优化算法

在注塑成型过程单目标稳健设计的基础上,提出了成型质量特性均值及标准差的双目标稳健设计模型以及成型多质量特性的多目标稳健设计模型,提出了基于Pareto最优的混合交叉变异的多目标蚁群算法.在结合实例的研究中,针对某遥控器上下盖的注塑成型工艺参数设置分别建立了翘曲量均值及标准差的双目标稳健设计模型和最大翘曲量及最大体积收缩率的多目标稳健设计模型,再利用混合交叉变异的多目标蚁群算法进行求解,求解结果与non-dominated sorting genetic algorithmsⅡ(NSGAⅡ)算法比较,得出部分算法性能指标优于NSGAⅡ算法.利用多目标稳健优化得到的工艺参数进行实际注塑成型,得到的塑件制品成型质量好并且波动较小.     

单亲遗传算法及其应用研究

针对传统遗传算法（ＴＧＡ）在求解组合优化问题方面存在的不足,提出一种单亲遗传算法（ＰＧＡ）。ＰＧＡ不使用ＴＧＡ常用的交叉算子,而是通过基因换位算子隐含交叉算子的功能来实现进化操作,简化了遗传操作过程,并且不要求初始群体具有广泛多样性,不存在“早熟收敛”问题,仿真结果表明这种算法是有效的。     

关于旅行售货员问题的混合遗传算法研究

遗传算法（ＧＡ）是一类仿生算法，广泛应用于大型优化问题的求解，本文介绍孤原理和算法，并用简单遗传算法（ＳＧＡ）和混合遗传算法（ＨＧＡ）对旅行售货员问题（ＴＳＰ）进行了研究。     

分子束外延InAs量子点材料的透射电子显微镜研究

报道了利用分子束外延技术在（００１）ＧａＡｓ衬底上生长的单层及多层ＩｎＡｓ量子点材料的透射电子显微镜（ＴＥＭ）研究结果,并对量子点的结构特性进行了讨论。结果表明,多层量子点呈现明显的垂直成串排列趋势;随着ＩｎＡｓ量子点层数的增加,量子点的密度下降,其尺寸随层数的增加趋向均匀,在试验条件下,５层量子点材料的ＩｎＡｓ量子眯厚度和ＧａＡｓ隔离层的厚度的选择都比较合理,其生长过程中的应变场更有利于自组织量     

自适应杂交NGA及其在多值电路分析中的应用

提出了一种具有自适应交叉算子的ＮＧＡ算法（简记为ＡＣＮＧＡ），以解决具有多模态函数的参数优化问题，ＡＣＮＧＡ能随着解空间参数结构的变化，自适应地选择不同的杂交算子并确定相应的杂交率，使解群在保持多样性的前提下，以较收敛率得到最优解集。该算法可求解非线性方程组，并主解具有任意约束关系的非线性电阻电路的所有解。     

常微分方程组初值问题的离散多分裂AOR波形松驰算法及其收敛？…

本首先基于交叉块分解的多分裂ＡＯＲ方法给出了波形松驰算法的一个推广，其次对等距时间结点。用隐式Ｅｕｌｅｒ方法并行数值求解各子方程组，证明了多分裂，ＡＯＲ波形松驰算法在一个固定的包含有限个时间点的区间上有收敛性。