一种新的伪并行遗传算法

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。     

伪并行遗传算法在供水管网优化调度中的应用

讨论了基于微观水力模型的多水源大型供水管网优化调度问题的主要特征，并提出了求解该问题的改进遗传算法．首先，针对决策变量的结构提出二进制-实数混合编码策略；其次，设计并实现了多种群进化的伪并行遗传算法．将本算法与单一群体进化算法同时应用于实际管网的优化调度求解，结果表明，通过个体迁移策略，伪并行遗传算法可以加速优化搜索的进程，显著改善解的质量，并有效节省运行调度费用．     

基于改进伪并行遗传算法的函数优化

针对遗传算法早熟和收敛速度慢的问题,在已有的伪并行遗传算法基础上对遗传操作进行改进。采用3个测试函数对改进的算法进行验证,结果表明改进的算法在函数的平均适应度值、平均运行代数、收敛概率等方面都取得了较好的结果。     

并行遗传算法及其在关联规则挖掘中的应用

介绍了并行遗传算法的思想及四种并行模型：主从式模型、粗粒度模型、细粒度模型及混合模型,讨论了并行遗传算法在关联规则挖掘中的应用。     

遗传算法在炮兵火力决策中的运用研究

炮兵火力决策问题是NP难题,用一般算法难以实现．运用遗传算法对炮兵火力决策进行了分析研究,具体步骤包括：编码和生成祖先群体、计算基因个体适应度和选择操作、交叉及变异操作．通过对这一问题的模拟仿真,获得了较优的决策方案．     

基于动态自适应遗传算法的舰艇防空火力分配

本文提出一种基于自适应编码思想的遗传算法用于解决水面舰艇防空火力分配问题,该算法采用自适应编码,自适应选择与自适应的交叉与变异算子,能在较短的时间内得到全局优化解。仿真实验结果表明:新算法与其他算法相比,在优化性能和时间性能方面都有了一定的改善,可以较好地避免陷入局部最优,能较好地解决舰艇防空火力分配问题。     

混沌遗传算法及其在模式识别中的应用

本文针对遗传算法的收敛速度较慢，容易陷入局部极小值，精度不高等问题，在标准算法的基础上，提出改进后的混沌遗传算法，并将改进后的算法应用于图像分割问题中，通过Visual C＋＋进行编程实现，达到了满意的效果。     

舰艇编队防空火力基于改进遗传算法的分配方案

描述了舰艇编队防空火力分配问题,建立了火力优化分配模型。结合舰艇编队防空作战的特点,分析了几种传统分配算法的不足。为了获得全局最优解,将遗传算法用于该火力分配优化研究中。针对标准遗传算法计算费时、稳定性差等不足,从初始群体均匀产生、适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进,给出了基于改进遗传算法的模型求解方法和步骤。经过实例计算,取得了良好的分配效果,可为制定舰艇编队防空作战指挥自动化决策提供科学、有效的支持。     

混沌理论在遗传算法中的应用研究

为了提高遗传算法的搜索能力和效率,将混沌理论引入到遗传算法中。利用Logistic方程构造混沌算子,形成混沌遗传算法。通过实验对混沌算子和杂交算子、变异算子的性能进行了比较,实验数据表明混沌算子具有良好的遍历性。将混沌遗传算法应用在旅行商问题中进行性能检验,结果表明:和标准遗传算法相比,该算法的性能和稳定性都有较大提高。     

基于自适应伪并行遗传算法的动力学参数识别

为研究结构动力学参数识别问题,引入一种新的度量种群多样性的指标,构造了新的自适应遗传算子,结合伪并行遗传算法,改进了遗传算法的全局收敛性和收敛速度;利用ANSYS程序的参数编程,将其成功应用于动力学模型中弹性模量和阻尼的识别.数值试验表明,该方法具有满意的识别效果,并具有较强的抗噪能力,可用于工程实际.     

一种新的混沌遗传算法及其在多播路由选择中的应用

分析遗传算法的进化过程，提出一种新的混沌遗传算法。该算法利用混沌变量的特定内在随机性和遍历性对基因座空间进行搜索，有效地克服了遗传算法容易收敛于局部最优的缺点，大大提高了遗传算法的寻优速度。在多播路由选择中应用该方法，能快速找到最佳多播路由，显示出了优良的性能。     

粗粒度并行遗传算法收敛性分析及优化运算

提出了一种新型的粗粒度并行遗传算法(CGGA)，该算法利用多个子种群基于不同的编码方式进行进化计算．首先各子群体独立进行交叉、变异和选择遗传操作，每代进化后迁移算子被引入用来进行种群问的信息交流，迁移算子将各个子种群的最优个体替换相邻种群最差个体后继续进化．基于时齐遍历马尔可夫链理论，给出了CGGA各个子种群的概率转移矩阵与其进化概率转移矩阵，证明了以概率1全局收敛．对典型的测试函数CGGA进行了求解．仿真结果表明，本算法的收敛性能优于经典遗传算法(CGA)，可以有效解决CGA的过早收敛问题．     

基于网络环境的分布式PGA的结构优化

并行计算是当今数值计算发展的新方向。该文在网络并行环境下探讨了并行遗传算法（PCA）进行结构优化设计及其算法的实现方法。利用4台PC机组成网络平台,进行了钢桁架结构优化设计的数值测试。计算结果表明,设计的并行算法在网络并行计算环境中具有较高的加速比和效率,同时验证了并行遗传算法用于结构优化是可行的和有效的。     

基于混沌的协作型协进化方法

在协作型协进化算法的基础上,提出了基于混沌的协作型协进化方法。该算法加入了进化是否发生停滞的判断,并在发生停滞时进行混沌映射。用经典的函数优化问题进行仿真实验,其结果表明了该算法的有效性。     

改进的遗传算法在多目标物流配送路径中的应用

物流配送路径优化是物流系统设计的关键环节。针对物流配送路径问题复杂性和多约束性,提出一种改进的遗传算法——自适应免疫遗传算法(AIGA)。该算法利用一种新的免疫疫苗选择策略和免疫操作方法,使得优化过程随进化代数自适应改变,结合并列选择法对多目标物流配送路径进行优化,并给出了解决多目标物流配送路径问题的具体步骤。最后通过仿真验证,该算法的计算效率,收敛性都有明显的提高,验证了算法的实用性和有效性。     

基于模糊遗传算法的混沌同步控制算法

连续变量反馈同步法（CVFS）是一种比较简单的同步控制算法，但该算法在实际应用中存在一个关键的问题，即反馈系数当选的整定比较困难。为了解决这个问题，在把模糊遗传算法（FGA）和连续变量反馈同步法（CVFS）相结合，提出了一种基于模糊遗传算法的连续变量反馈同步法（FGACVFS）。仿真结果表明：FGACVFS算法能方便有效地进行整定工作。     

基因块编码的并行遗传算法及其在TSP中的应用

针对简单遗传算法在较大规模组合优化问题上搜索效率不高的现象,提出了一种用基因块编码的并行遗传算法(Building-block Coded Parallel GA,BCPGA).该方法以粗粒度并行遗传算法为基本框架,在染色体群体中识别出可能的基因块,然后用基因块作为新的基因单位对染色体重新编码,产生长度较短的染色体,再用重新编码的染色体群体作为下一轮以相同方式演化的初始群体.将BCPGA应用于一个100城市的旅行商问题(TSP)中,结果表明本方法可以提高遗传算法的搜索效率,并且在相同条件下,BCPGA明显优于单纯的粗粒度并行遗传算法.     

改进遗传复合形算法及其在并行公差优化设计中的应用

提出了一种将遗传算法与复合形算法相结合而构成的遗传复合形算法．在遗传算法初始化之后，用复合形法选出较好的个体，再用遗传算法寻求最优解，并首次将加权制造成本和质量损失成本同时应用到公差并行设计的优化数学模型中．研制出面向公差并行设计的新的优化软件．经过试验验证较以前的算法有较大改进．     

LMS算法在平滑伪Wigner分布中的应用

提出了最小均方(LMS)算法在信号时频分布中的一种新的简单应用.频域LMS自适应结构使用信号项与交叉项的连续和时变的状态去模拟平滑伪Wigner-Ville分布,表明相应的平滑窗是一个指数函数,这个指数函数的时间常量在自适应算法中由步长参数所定义.