关于遗传算法模式定理的进一步探讨

传统的模式定理认为种群平均适应度保持不变,但在实际运算中随着最优模式的增长,平均适应度也随之增长,因而最优模式是不完全按照指数级增长方式增长的。针对此问题,从组成种群的单个模式出发,通过对群体的平均适应度采用更准确的表达方式,推导出了模式定理的另一种等价形式,并通过模拟实验进行了验证。实验结果表明,传统模式拟合误差分别是所描述的种群最优模式增长方式的2倍和3.4倍。     

基于遗传算法的高校排课数学模型

排课问题是一个有约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题。针对高校排课过程中存在诸多约束因素的问题,提出将遗传算法与约束条件算法相结合的排课算法,由约束条件算法确定排课任务的优先次序,遗传算法解决单个排课任务时间片分配的优化问题。实验结果表明,该算法能够改进算法性能,提高排课效率。     

基于遗传算法反向法变极的数学模型

基于变极绕组设计的双极对数槽号相位图和对称块图法，讨论了变极绕组设计的数学模型。将遗传算法引入变极绕组的自动设计中，以常用的反向法变极为例，提出了基于遗传算法的数学模型，从而为变极绕组设计的全自动化，全计算机化和全优化奠定了良好的基础。     

基于遗传算法反向法变极的数学模型

基于变极绕组设计的双极对数槽号相位图和对称块图法，讨论了变极绕组设计的数学模型．将遗传算法引入变极绕组的自动设计中，以常用的反向法变极为例，提出了基于遗传算法的数学模型，从而为变极绕组设计的全自动化、全计算机化和全优化奠定了良好的基础．     

航空发动机非线性数学模型的遗传算法

针对发动机非线性数学模型数值解法的收敛性问题应用了浮点数编码遗传算法，提出了将遗传算法与Broyden法相结合的方法。数值仿真结果表明，单独使用遗传算法时运算效率不高，而将遗传算法与Broyden法结合使用可有效的克服各自的不足，使得模型在保持原有运算效率的情形下扩大了收敛范围。     

基于位变异的模式遗传算法

针对简单遗传算法容易陷入局部最优点的问题,提出了一种基于位变异的模式遗传算法,并利用典型应用函数进行计算测试,结果表明该算法可有效地提高全局搜索能力,较好地解决早熟问题。     

基于改进模式提取变异算子的遗传算法

在经典遗传算法的基础上，提出了一种基于改进模式提取（Algorithm of pattern extraction,Alopex)，种群个体的连续进化方向作为当前代个体的变异方向，并利用自适应来调整变异步长，通过控制参数来控制变异方向的概率从而跳过局部最优值。对几种典型函数的测试结果表明，基于该变异算子的遗传算法能较好地避免收敛到局部最优，收敛性能优于经典遗传算法。     

基于模式块的多值编码遗传算法

针对遗传算法易陷入局部解,收敛速度慢的缺陷,以模式理论为依据,对种群基因进行统计构成模式块。按层采取不同的变异进行模式块的保护,促进新模式块的生成,形成一种基于模式块的多值编码遗传算法进化性能改善方法,使算法有效并快速跳出局部解。以多重选择背包问题为例验证了改进算法的有效性。     

基于遗传算法的多服务模式公交优化设计

基于独立公交走廊需求特征,利用公交客流起点到终点(OD)数据,建立了以发车频率和公交车型为主要输出参数的多服务模式公交优化设计模型.针对模型求解的复杂性,应用遗传算法进行求解.最后,结合上海公交737路公交客流走廊数据给出了优化算例.结果表明,模型具有较强的实用性,能快速有效地求解出多服务模式的公交优化组合.     

基于遗传算法和模式搜索的混合优化方法

遗传算法具有快速随机的全局搜索能力,但当求解到一定范围时往往做大量无为的冗余迭代,求精确解效率低.模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.本文提出了一种混合遗传-模式搜索算法,该方法是将种群分成两个子群,分别进行遗传算法与模式搜索算法,在每一步中两个子群的最佳结果收集起来,用于更新相互的最优个体.仿真结果表明遗传算法与模式搜索的混合优化方法取得了较好的效果.     

遗传算法模式理论研究

给出了多种交叉方式遗传算法的模式定理及相关的证明.该定理避免了遗传算法模式理论的不足,使模式理论更加准确、严格.     

基于遗传算法与模式搜索法组合的MPPT技术

针对传统单一MPPT算法无法兼顾动态性和稳态性的问题,尝试将传统遗传算法与模式搜索法进行组合应用于光伏发电MPPT控制,技术原理是当系统靠近功率曲线两端时采用遗传算法跟踪,当系统位于最大功率点附近采用模式搜索法跟踪.通过MATLAB/Simulink仿真分析,分别对比研究了扰动观察法、电导增量法、模糊控制法与组合算法跟踪光伏发电最大功率的输出特性.研究结果表明,遗传算法和模式搜索法的组合算法与扰动观察法、电导增量法和模糊控制法等传统最大功率跟踪方法相比,具有响应速度快,控制精度高,稳定性良好等优点.     

遗传算法及其在生物数学模型参数优化中的应用

遗传算法是近年来发展起来的智能性优化算法。它模仿了自然界生物进化的机制,利用数学方法模拟生物的遗传、变异、选择等生物学规律,创造出了一种优化计算方法。遗传算法特别适合于复杂体系的优化,并往往能够得到很好的结果。生物数学模型是揭示复杂生物体系（或生物催化体系）内在规律的有力工具。较为复杂的生物数学模型参数的求取较为困难。本文介绍了遗传算法原理以及利用遗传算法优化计算生物数学模型参数的方法。     

遗传算法中模式空间结构的研究

通过引入模式的线性表示概念，给出了模式空间的独立性及线表示式。     

遗传算法中基于优良个体特征模式的方向变异算子

提出了一种基于优良个体特征模式的方向变异(DM)算子以改进标准遗传算法的随机变异，它不仅能提高种群的多样性，增强其在解空间的搜索能力，也能提高遗传算法的收敛速度、在对多峰值函数的优化时，将该算法和标准遗传算法结果比较，表明该算法有良好的稳定性、     

基于平均工资预测的数学模型

预测社会平均工资,对政府、社会出台一些政策、法律法规以及城镇远景规划等具有重要的参考意义,运用经济学、统计学、微积分、Logistic阻滞增长理论,MATLAB软件、函数拟合等方法,建立了平均工资的二次函数预测模型、指数函数预测模型以及Logistic阻滞增长预测模型.并运用模型预测出了山东省未来几年(2011-2035)职工的年平均工资.     

基于模式库的遗传算法在非静态函数优化中的应用

本文针对非静态函数优化问题提出了一种基于模式库的改进遗传算法，此算法最主要的特点就是采用模式库来保存算法进行过程中的一些好的模式，这些模式一方面用来组建一些适合环境的优良个体，提高收敛速度，另一方面可以给早熟群体注入新的基因，增加群体的多样性。文中分别就函数优化问题和背包问题给出了改进遗传算法的仿真结果，表明本文算法的有效性。从理论上来说，本文算法适用于多个状态之间的动态变化环境。     

装填布局拓扑模式变换的遗传算法

在布局优化中需给出初始点以构成初始布局，用构造非同胚布局拓扑模式的方法给出若干非同的初始布局，是缓解组合爆炸，求得全局最优解或较好的局部最优解的关键。用遗传算法的思想来实现布局拓扑模式变换，生成非同胚布局拓扑模式的不同初始布局。