一种改进的遗传算法交叉策略

适应值的逼近决定子代个体的位置,能快速找出最优个体,但容易陷入局部解.提出了一种改进方法,确定交叉的父代个体,使进化向高适应值区域搜索.通过引入进程实现个体不等几率地产生新个体,保持种群多样性.实验证明该方法可行有效,提高了遗传算法的收敛率和收敛速度.     

一种改进遗传算法

针对遗传算法(Genetic Algorithm,GA)存在的未成熟收敛现象,本文提出一种改进的遗传算法(IGA),该算法采用双变异算子,即正交变异和多位点变异两种变异算子联合作用,提高了算法的全局寻优能力。仿真实验表明,对遗传算法的改进是有效的,改进后的算法与标准遗传算法相比具有更高的全局收敛性,并在一定程度上克服了未成熟收敛。     

新的进化过程遗传算法

在分析遗传算法运行机理的基础上，指出传统的遗传算法存在的缺陷，提出了一种新的进化过程遗传算法。提高了算法的计算效率，并有效地解决了早熟收敛的问题。     

采用重复交叉操作及最优保留策略的遗传算法

基于有限次重复交叉操作和将父代的最好个体代替子代的最差个体的思想，提出了一种新的遗传算法（REGA）。该方法克服了基本遗传算法容易出现的早熟现象，并利用马尔可夫极限定理获得全局收敛性，求得基于有限次重复交叉操作的基本遗传算法（记为RSGA）的渐近性质，以及提供关于这两种算法吸收时间的数学期望的计算方法，仿真事例表明，它不仅克服了局部最优的缺点，而且适用于有多个最优解问题，同时群体的平均适应度增加较快，运行效率更高，因而，该方法对于优化问题具有一定的应用价值。     

一种改进的遗传算法

采用实数编码的遗传算法 ,在基于适应值比例和最优保留策略结合的选择、数值交叉及一致变异的基础上对算法作了两方面的改进 ,即对交叉操作采用剔除无效个体和保留父代进入选择 ,在算法出现未成熟收敛的趋势时插入混沌序列 ,增加群体多样性 ,以判断算法搜索特性。对函数优化仿真结果显示 ,新方法提高了搜索精度 ,较好地克服了未成熟收敛现象 ,取得了较满意的优化效果。     

用改进的遗传算法求解作业调度问题

作业调度问题JSP(Job Shop Scheduling Problem)是典型的组合优化问题.文中用改进的遗传算法来解决作业调度问题,在遗传算法中设计了一种调整算子,并证明了算法能够收敛到全局最优解;同时提出一种新的求解JSP问题的双目标函数、双种群遗传算子.每个种群侧重一个目标,各从不同侧面深度挖掘问题的信息,用以优化问题的解,两个种群再通过混合交叉得到更好的解,较大地提高了算法的收敛速度.     

一种改进的自适应遗传算法

针对传统遗传算法存在的 "早熟"以及在后期搜索效率低的问题,分析了目前常见的几种种群早熟程度的评价指标,提出了一种新的种群"早熟"程度评价指标,并据此实现了一种改进的自适应遗传法算法.仿真结果表明,该算法不仅能加快遗传算法收敛速度,而且还能增强算法的稳定性.     

小生境遗传算法的改进

为了避免小生境遗传算法存在的早期成熟和陷入局部极值点等问题,提出了一种改进的小生境遗传算法.该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,并在变异量的确定上引入了梯度的概念.通过在Shubert函数的全局最优化问题上的验证,并与常规遗传算法和小生境遗传算法比较,改进后的算法提高了搜索速度,能有效跳出局部极小值,并搜索到全局最优值.     

基于基因调控的改进遗传算法

针对标准遗传算法存在个体多样性差,易陷入局部极小等缺陷,提出了基于基因调控的改进遗传算法。该方法具有结构简单、搜索速度快、操作方便等特点。典型函数测试实验及对比分析结果证明了该方法的有效性,为遗传算法的改进及智能优化方法的研究提供了一条新的途径。     

一维全局最优问题的改进遗传算法

遗传算法是一种借鉴自然界生物自然选择和自然遗传机制的高度并行、随机及自适应的搜索算法,该算法对一般的全局最优有良好的鲁棒性。但是,对非线性较强的函数,简单的遗传算法的收敛速度较慢,稳定性差。本文提出了一种新操作：一点交换和两点交换相结合、普通变异和大变异相结合的操作。理论证明和数值计算结果表明,该算法是有效的。     

用遗传算法训练基于神经网络结构的控制器

介绍现在正被逐渐广泛的应用的新型的、随机性的全局优化方法－遗传算法,阐明它的基本方法、基本理论、特点,并将其与神经网络相结合,用于控制有纯滞后的对象,根据问题选择合适的具体实现形式,获得良好效果。     

基于遗传算法的产生式规则学习机制研究

本文研究了遗传处在应搜索策略在专家系统的误获问题上的适用性。     

利用遗传算法搜索全局最优的一种混合算法

把最速下降法与遗传算法相结合,提出了一种混合算法,该算法能使遗传算法离开“早熟收敛”状态,最终获得全局最优,对算法的收敛性进行了证明,数值仿真表明算法是有效的。     

基于遗传算法的凿岩钻进系统自寻最优控制

现有凿岩台车大多不具备自寻最优凿岩参数功能,凿岩钻进速度难以达到理论设计的最大值。为获取最大凿岩钻速,分析了多种影响因素,从中筛选出主要的可控变量。根据其难以构建准确的数学模型、非线性、时变性的特点,引入遗传算法作为自寻优核心思想,并设计了相应的控制系统。经验证,这种控制方法可以使钻进速度较快收敛至最大值。与传统的控制方法相比,该控制方法可根据岩石硬度自动匹配最优凿岩参数,有效地提高凿岩速度,大大减少凿岩施工所需时间。对于同类的凿岩设备自寻优控制同样具有参考价值。     

基于并行遗传算法的关联规则挖掘

根据关联规则挖掘的要求与特点,结合并行遗传算法的思想,通过定义适应度函数,讨论了并行遗传算法在数据挖掘中的应用．结合一个实例,提出了基于并行遗传算法的关联规则的提取算法．     

基于遗传算法的适合纹样花卉图案设计方法

通过对适合纹样花卉图案设计过程的分析,提出了一种基于遗传算法的适合纹样花卉图案的设计方法．通过对设计者最初的设计方案进行各种遗传操作,可以产生整体协调、局部不同的大量设计结果供用户选用．     

基于遗传算法的电火花线切割多次切割工艺目标优化研究

针对多次切割影响因素繁多的特点,分析了主要电参数对多次切割的影响规律,在此基础上进行了多次切割正交实验。运用遗传算法对工艺参数进行了优化,研究结果表明在高速走丝线切割机床上能实现多次切割加工,显著提高工艺指标。     

一种改进的遗传算法优化策略

针对实际制造系统的复杂性,提出了一种改进的遗传优化策略,将遗传算子平台与仿真包紧密结合,遗传算子平台优化参数,用仿真包模拟实际系统作为优化参数的评估工具,以确定资源配置的优化方案,从而提高系统浆利用率的有效性,并用实例证实此方法具有显著的优度柔性。     

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．     

基于遗传算法的布局求解法

在分析布局问题的基础上,对编码方式,交叉操作等做了改进,提出一种基于遗传算法的布局求解方法,计算结果表明,算法具有良好的全局搜索能力和较快的收敛速度。