遗传算法在多目标规划中的应用

利用遗传算法对项目群优选数学模型的求解进行了新的探索，并在单目标遗传算法程序的基础上，拓宽为多目标遗传算法。计算结果表明遗传算法是求解工程优化问题的一种有效方法。     

一种求解混合整数规划的新方法——遗传算法

工程投资决策问题是一个整数规划与线性规划相结合的混合规划问题。以单目标遗传算法的基本思想为基础，采用对整数编码以及一些遗传算法中的有效操作方法解决该问题。     

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。     

随机资源分配问题建模和随机模拟遗传算法求解

为了最大限度地满足用户对紧缺随机资源的需求,对随机资源分配问题建立了相关机会多目标规划模型和相关机会目标规划模型,通过表示各个(级)目标事件的诱导约束,建立决策向量和机会函数之间的关系,并运用随机模拟遗传算法求解模型。     

遗传算法求解常微分方程应用实证分析

在论述遗传算法理论的基础上,介绍了常微分方程及偏微分方程求解问题转化为最优化问题的基本过程,通过实例说明了遗传算法中各个参数的设置方法,最终求得方程的近似最优解,并验证了该方法的可行性.     

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。     

随机投资决策问题及其遗传算法求解

以最大化企业净利润为目标,对随机投资决策问题建立模型,应用基于Monte Carlo模拟的遗传算法对模型求解进行算法设计,并运用Maflab编程实现,最后结合具体算例说明方法的有效性,从而改进了该类问题的传统解法.     

遗传算法在前馈神经网络中的应用

比较了遗传算法和神经网络的特点，对于将遗传算法用于前馈神经网络的可能性进行了研究，并给出了应用实例；同时提出了一种构造变长染色体用于神经网络演化的方法，并描述了作用于变长染色体上的遗传操作机制。     

遗传算法在智能控制中的应用

文章在介绍遗传算法的概念、实现方法的基础上，分析了遗传算法在神经网络及模糊控制中的应用。     

利用遗传算法优化人工神经网络权值

遗传算法是一种新的、基于自然选择和基因遗传学原理的随机搜索算法．针对神经网络中BP算法学习效率低且收敛速度慢以及容易陷入局部最优等不足，文章提出利用遗传算法对BP神经网络中的神经元间的连接权值进行优化的方法．试验结果表明，用遗传算法优化BP神经网络的连接权值后收敛速度快，并有效的解决了BP算法容易陷入局部最优的问题．     

关于神经网络和遗传算法的研究进展

简要回顾了南京邮电学院几年来在神经网络、Ｈｏｐｆｉｅｌｄ模型神经网络、细胞神经网络模型和遗传算法等方面的研究工作所取得的进展。     

改进的遗传局部搜索算法在漏磁逆问题中的应用研究

通过将模拟退火技术加到遗传局部搜索算法(GLSA)的扰动过程中,提出一种改进的遗传局部搜索算法(IGLSA)及基于IGLSA的逆算法,用于从漏磁信号中重构二维缺陷.该算法中,径向基函数神经网络(RBFNN)用作前向模型,IGLSA用于求解逆问题中的优化问题.实验将该逆算法分别与基于规范遗传算法(CGA)的逆算法和基于GLSA的逆算法进行了比较,结果表明基于IGLSA的逆算法更精确,并且对噪声具有鲁棒性.     

遗传算法在排课问题中的运用

遗传算法借鉴生物界自然选择和遗传机制,使用群体搜索技术,处理传统搜索方法难以解决的复杂的非线性问题.排课问题是一个多因素的优化决策问题,是组合规划中的典型问题,属于NP完全类问题.根据大学课表的特点,采用遗传算法,给出染色体编码和适应度函数,并采用了自适应的调整概率进行排课,数值试验证明了方法的有效性和可行性.     

改进的DNA遗传算法在指派问题中的应用

提出了一种基于优秀基因片段思想的DNA遗传算法,将这段基因片段提取出来并将它遗传到后代中,可以加快收敛速度.给出了DNA遗传算法的结构,讨论了选择、交叉和变异算子的具体操作,并将其运用到指派问题最优解的求解中,给出了具体的实现方法.仿真实验验证了算法的有效性和实用性.     

基于基因控制的遗传算法的研究

分析了传统的遗传算法适应度函数设计通常只针对目标函数,而没有考虑自变量。提出使用基因控制的方法,以达到增强较好的基因在遗传算法中的作用。从而做到尽量保留染色体中较好的基因,从而尽快的找到可行解,提高算法收敛速度和效率。     

遗传算法的改进及应用

通过分析遗传算子对全局收敛性的影响，提出有条件的最佳保留和遍历匹配以及动态变异相结合的算法，并选择标准测试函数对其检测。实验证明，该算法能够迅速找到全局近似最优解。在求解计算机通信网的时延和路由选择问题时有较好的效果。     

带有启动期的车间调度问题的遗传算法

针对实际的生产过程,提出带有启动期的车间调度问题,建立了相应的数学模型,利用遗传算法对该模型进行求解.算法采用基于优先表的编码方式,设计了相应的解码方式,最后运用提出的算法求解测试实例验证算法的有效性.     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。