遗传算法及其应用

遗传算法是模拟生物进化机制新发展起来的一种搜索和优化方法，它是基于自然进化机制并且在寻找目标函数或在目标函数附近解决优化问题，遗传算法已在许多领域得到应用。并显示出良好的发展前景．本文介绍了一些优化方向的基本问题，包括理论、方法、实现技术以及应用中的普遍性问题，对其应用前景进行了展望．     

遗传算法及其应用

遗传算法是模拟生物进化机制新发展起来的一种搜索和优化方法,它是基于自然进化机制并且在寻找目标函数或在目标函数附近解决优化问题.遗传算法已在许多领域得到应用,并显示出良好的发展前景.本文介绍了一些优化方向的基本问题, 包括理论、方法、实现技术以及应用中的普遍性问题,对其应用前景进行了展望.     

遗传算法及其在信息熵优化中的应用

为解决在信息熵优化中需要通过求解复杂的非线性积分方程组才能获得一定概率分布的问题,首先分析了常用的Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ法的２点缺陷,然后以求解最大信息熵分布为例,将一类新颖的智能优化技术－－遗传算法应用到信息熵优化领域中,避免了方程组的直接求解,计算结果表明,该方法易一,具有良好的稳定性,从而为信息熵优化提供了一种新方法。     

遗传算法在电机系列优化设计中的应用研究

电机的系列优化是一处复杂的有约束,非线性,混合离散多目标规划问题。文章在传统遗传算法的基础上,对算法进行了改进,使之适用于电机系列优化设计,并且把该算法应用于Ｙ系列电机的系列优化设计中,优化设计结果表明这种算法效果是比较理想的。     

遗传算法在岩土工程反演问题中的应用

综述了岩土工程反演的基本过程，并在介绍遗传算法研究进展的基础上，将遗传算法与传统优化算法进行比较，然后给出几种遗传算法的改进策略，同时介绍了遗传算法在岩土工程反演领域中经常使用的几种改进方法，最后通过实例验证了遗传算法是求解岩土工程反演问题的有效方法。     

遗传算法的研究及其在函数优化中的应用

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法.在文中介绍了遗传算法的初始群体的生成、交叉算子、变异算子.在分析了基本的遗传算法的特点和缺陷的基础上,提出了改进的方法.改进的遗传算法在函数优化中的应用具有较好的效果.     

遗传算法及其在电磁优化中的应用

遗传算法是一种全局数值优化法,它较之其它经典优化法的优点是不会陷入局部最优解,因此更适于工程应用。本文将遗传算法应用到电磁问题的设计领域,对隐身包层和频率选择结构进行了优化设计,设计结果能用于雷达,天线系统和目标隐身。     

遗传算法及其在桁架优化设计中的应用

阐述了遗传算法的特点和实现方法。针对遗传算法在优化进程中易陷入局部最优解的弱点，采用保护优良个体和改变参数设置的措施，通过桁架优化设计的例子加以证明。使遗传算法的搜索速度和能获得全局最优解的可靠性有所提高。     

遗传算法的改进及其在无功优化中的应用

遗传算法是模拟生物进化过程中所得到的一种优化方法。本文介绍了遗传算法的基本理论,然后,首次提出了两蹼改进措施并应用于无功优化中,通过算例,论证了改进后的方法可有效地解决大规模电力系统的无功优化问题。     

遗传算法在工程项目资源优化中的应用

GA是一种源自生物界自然选择和自然遗传机制的随机化搜索方法,群体搜索策略和信息遗传的特点使其在组合优化中表现出其它传统方法所不能比拟的性能。将GA应用于工程项目的资源优化中,解决资源平衡和资源有限问题,避免了繁琐的推断过程,同时还能得到除最优解外的几个次最优的解决方案。     

遗传进化方法在岩土工程中的应用现状与展望

介绍了遗传进化算法在岩土工程中的应用情况,并对其发展方向进行了展望,今后的遗传算法在岩土工程中应用的发展方向计算理论要突破简单遗传算法（SGA）。程序编制也应走上通用化,独立化之路,遗传进化算法在岩土工程中还有广阔的应用前景,这有待进一步努力探求。     

分组量子遗传算法及其应用

量子遗传算法是一种高效的并行算法，但它易陷入局部极值。提出一种分组量子遗传算法，通过分层、分组等方法，保证了染色体的多样性。典型函数测试结果表明，分组量子遗传算法具有全局最优性，其性能优于其它几种遗传算法和QGA。     

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。     

一种新量子遗传算法及应用

基于量子位测量的二进制量子遗传算法,在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率。针对这一问题,提出了一种基于量子位相位编码的量子遗传算法。该方法直接采用量子位的相位对染色体进行编码,采用量子旋转门实现染色体上相位的更新,采用Pauli-Z门实现染色体的变异。在该方法中,由于优化过程统一在空间[0,2π]n进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性。以函数极值优化为例,仿真结果表明该方法的搜索能力和优化效率明显优于普通量子遗传算法和标准遗传算法。     

一种混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

投影遗传算法

针对一般遗传算法在求解优化问题的多个优化解时的局限性,结合曲面投影与遗传算法的基本思想,提出了一种基于曲面投影的投影遗传算法用于解决此类问题,数值验证的结果表明了本算法的有效性和实用性。     

一种改进的双基因遗传算法

提出了遗传算法双基因模型，验证了算法对“最小欺骗问题”的处理能力．对比计算表明，相对于简单遗传算法，双基因遗传算法的进化速度有明显提高．利用实例计算，得到了满意的结果     

一种新的混合遗传算法及其在机构优化中的应用

针对传统遗传算法所存在的缺点和不足,提出了一种新的混合遗传算法.该算法用模拟退火算法适当拉伸适应度,自适应算法合理调整交叉概率Pc与变异概率Pm以及最优保存策略保护历代最优个体的办法对传统遗传算法进行了改进,同时对约束条件作出了先放宽后逐步加强的措施.经Visual C软件编程计算,得到了较好的优化结果.实例说明,该混合算法收敛速度快,易突破局部收敛的局限而达到全局最优.     

遗传算法的改进及其在电机全局优化中的应用

在描述遗传算法（ＧＡ）过程的基础上，指出了遗传算法所存在的缺点，并提出了改进措施．算例表明，按照文中提出的改进思路进行优化，效果是明显的，成本得到更进一步的下降，运算时间大为缩短．     

自适应基因算法在环境优化问题中的应用

探讨了基因算法的原理及本身参数优化特性，总结参数的简便设置技术，并针对该法的寻优效果明显依赖于模型参数的初始变化区间的大小，及可能会出现过早收敛的问题，提出了自适应加速基因算法，实例应用结果表明，该法具有直观、简便、快速，适用性强等特点，可广泛应用于各种优化问题中。