一种改进的二进制编码遗传算法研究

针对普通遗传算法(CGA)易陷入早熟,局部搜索能力较差,全局优化速度缓慢等问题,提出了一种改进的遗传算法(IM_GA),该算法融合了由进化代数或适应度分布调节变异交叉率的思想,从这两个方面共同改进了变异交叉率,仿真结果证明了该改进遗传算法的优越性.与普通标准遗传算法比较,该算法不仅收敛性较好,且能迅速找到全局最优解.     

一种基于实数编码的改进遗传算法

在介绍基于实数编码遗传算法的优点和分析原有遗传操作机制存在缺陷的基础上,重点研究了实数编码的改进线性交叉算子,提出了一种改进遗传算法(MGA)·该改进线性交叉算子的优点是在交叉之后,一个子代位于两父代之间,另一子代位于靠近较好的父代的一侧,使解向好的方向发展,并且都是可行解·通过对几个典型的实例计算并与其他基于实数编码的遗传算法进行比较,结果表明,本算法在求解优化问题的收敛速度和精确性方面具有优势·     

一种多值编码遗传算法的缺失基因复现方法

与二值编码遗传算法相比,基因缺失问题对多值编码遗传算法的全局搜索性能影响比较大.提出一种缺失基因复现和存活的变异方法,即根据字符集中的字符在种群中的缺失作为预选变异基因集,然后对待变异个体集进行预变异;选择高适应度个体的对应变异基因和基因位,使其在原待变异个体集中扩散.将该方法应用到多重选择背包问题的遗传算法中,通过仿真实验验证了该方法的有效性.     

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.     

一种改进的最优保存人机交互遗传算法

提出一种改进的最优保存的遗传算法IGABP，通过对个体进行局部改进，并且通过提高交叉、变异操作生成最优解的概率．极大的改进了算法的效率．理论分析和实际应用都证明了算法的有效性．     

一种改进的自适应遗传算法

在对自适应遗传算法中选择、交叉、变异算子作用分析的基础上,提出一种新的自适应遗传算法,新算法基于实数编码机制,选择操作采用精英选择与轮盘赌相结合,变异和交叉操作采取根据适应度自适应地非线性调整变异和交叉概率的策略,同时提出进化的后期采取先变异后交叉的操作次序.仿真实验表明,新算法有效防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力.     

一种动态种群不对称交叉的新型遗传算法

在分析实数编码遗传算法各操作步骤的实质和不足的基础上,提出了以提高算法柔性为目的、以动态种群和不对称交叉为主要特点的新型遗传算法.在遗传寻优的每一代中,父辈个体的繁殖次数在限定的范围内随机波动,种群规模随之动态变化,依据生态平衡的原理,通过选择和复制将新一代种群规模限定于某一波动均值处.为提高新生个体的多样性及其在参数空间中的遍布性,提出并设计了不对称交叉的具体方法.针对新型算法,提出了双重选择的选择方法.经典型算例验证,所提算法具有收敛快、成功率高、抗早熟能力强的显著特点.     

一种改进的微种群遗传算法

 采用种群隔离机制、算术交叉、杰出者保留策略等对微种群遗传算法进行了改进。减少了重启动次数,增强了两次重启动之间遗传优化过程的全局和局部搜索能力,使算法在尽可能保有模式识别信息的前提下进行智能搜索;采用了实数编码,减少了编码和解码过程中的计算开销;引入了自适应随机变异算子,使之在不增加循环次数的前提下,增加了利用现有种群已经获得的遗传信息进行有效搜索的次数;引入了异种机制,有效提高了微种群遗传算法收敛于全局最优解的概率,加快了收敛速度。最后,标准测试函数的测试结果证明了这一改进的微种群遗传算法能够用远低于标准遗传算法的计算代价获得更佳的优化效果。     

一种基于实数编码的亚级遗传算法

亚级遗传算法(自适应遗传算法)的主要思想是根据具体优化问题的不同,在适宜的范围内,自动调整遗传算法的控制参数(群体规模、杂交率、变异率),以找到优化相应问题的最佳参数值,进而得到适应性较强的最优解.通过对四例实验函数的优化比较试验,结果表明亚级遗传算法比传统遗传算法具有更好的收敛性和更高的精度.     

一种新的模糊遗传算法

将模糊控制思想引入到遗传算法中,进行交叉概率P6和变异概率Pm的整定工作,并在此基础上提出了一种基于模糊控制的遗传算法－模糊遗传算法,仿真结果表明：该算法不仅能提高解的质量,而且能加速解的收敛速度。     

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。     

遗传算法在布局设计中的应用研究

讨论了遗传算法在布局设计问题中的应用,为了克服现有算法存在的运行效率低,容易收敛于局部极值等问题,提出了一种新的编码方式并通过加大变异算子的应用,扩大了搜索空间,有效地解决了算法运行效率和收敛性问题,仿真结果证明该方法是可行性。     

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。     

基于模拟退火算法的数字PID控制器参数整定的研究

研究将模拟退火算法用于数字PID控制器参数的整定中,以误差平方和最小为目标函数对具体对象进行了系统阶跃响应的分析、设计及仿真研究,得到了较好的控制效果,表明模拟退火算法用于数字PID控制器参数的整定具有一定的研究价值.     

改进的进化遗传算法在软弱结构面力学参数选取中的应用

对进化遗传算法进行了改进 ,提出了新的交叉算子和变异算子 ,使得改进后的算法具有更好的全局收敛能力 ,加快了网络的学习速度 ,提高了预测精度。利用野外对结构面的地质描述和室内试验获得的软弱层带的物理性质 ,将该算法应用于溪落渡水电站坝区软弱结构面力学参数的获取 ,将 9个试验点的预测值与实测值比较 ,误差小于 4.6 % ,表明具有较高的可信度 ,是软弱结构面力学性质预测的一种新方法。     

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。     

基于混沌和遗传算法的神经网络训练算法与研究

根据神经网络(NN)的特点，利用Logistic混沌映射和特定的适应度函数，在限制近亲数量在种群库中所占比例的前提下，及时吸收新的随机个体，提出了基于混沌和遗传算法的神经网络训练算法．根据该算法写出了MATLAB程序文件main．m，给出了应用实例，还研究了混沌参数与训练误差的关系，提出了混沌参数的调整步骤及应用。     

基于遗传算法的用户模板优化研究

近年来，由于科技突飞猛进的发展和互联网的迅速崛起，不良信息的过滤成为信息过滤的一个重要方向，而信息过滤的关键技术是用户模板的获取．本文对遗传算法作了改进，并将其用于优化用户模板，使用户模板具有关键词自动扩充和自适应能力，进而能有效地进行过滤，提高过滤质量．     

一种基于改进遗传算法的文本特征选择方法

文本特征选择对提高文本分类的速度和准确率,改善网络信息过滤效果至关重要．把特征选择看作优化组合问题,提出用遗传算法进行文本特征选择．传统遗传算法适应性较差,本文对传统遗传算法交叉概率、变异概率、更新策略等重要参数和关键环节作了改进,实验验证了该算法的有效性．     

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．