均匀试验设计在遗传算法中的应用

介绍了在遗传算法中运用均匀设计产生初始种群的方法，指出由于遗传算法的交叉机制是完全依赖于初始种群的，所以初始种群的多样性对于遗传算法的收敛性是至关重要的．同时通过算例采用De Jong提出的验证方法验证了运用均匀设计产生初始种群能够增强遗传算法的收敛性．     

解非线性极大极小问题的格雷码加速遗传算法

引进求解非线性极大极小问题的格雷码加速遗传算法（GAGA），给出GAGA算法实施的详细步骤，建立了GAGA相应的收敛定理。对GAGA的有效性和可行性进行了理论分析和实例分析。与一般的格雷码遗传算法（GGA）相比，GAGA具有准确、快速和适用性强等特点，是一种既可以较大概率搜索全局最优解，又能进行局部细致搜索的优秀非线性优化方法，可广泛应用于各种优化问题中。     

利用遗传算法辅助设计数字滤波器

介绍了一种改进的遗传算法，并讨论了其特性和运行机理．主要研究了利用此算法辅助设计低通数字滤波器的方法和步骤．仿真实验结果表明，遗传算法用于数字滤波器设计具有良好的优越性和潜在的应用前景     

基于遗传算法的变结构神经Petri网模型

将Ｐｅｔｒｉ网理论引入到神经网络模型的研究中，依据生物学神经系统的可塑性，通过适当扩展规范Ｐｅｔｒｉ网，建立了人工神经元状态转化的Ｐｅｔｒｉ网模型，在此基础上给出了利用遗传算法设计变结构神经Ｐｅｔｒｉ网的方法，该方法不仅可以得到满足要求的网络参数，而且能对网络的拓扑结构进行优化，仿真结果验证了该方法的可行性。     

基于行为的多自由度机器人运动规划

提出了一种有效的基于行为的多关节机械手的运动规划。该规划将低级的运动规划和高级的行为决策结合在一起，在将位于机器人工作空间中的障碍物快速映射到姿态空间中的算法基础上，通过传感信息来计算局部障碍物的信息，从而形成姿态空间中障碍物的模型。定义了几种类型的行为来描述机械手的运动，并给出了选择行为的规则。而这些行为都是用基于姿态空间的算法可实现的。该方法适于多关节机器人在非确定环境中实时规划的要求。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

分类器系统综述

分类器系统(Classifier System)是一种基于遗传算法(GA)的规则系统,本文综述了分类器系统的基本原理和研究状况,并提出了需进一步研究的问题.     

确定规划最短时间的遗传算法

对遗传算法中新一代的选择使用不同的策略，比较研究了所得结果．同时，对遗传算法与确定最优规划的方法做了比较．     

炼钢─连铸最优浇次（CAST）计划

研究钢铁厂ＣＩＭＳ中炼钢－连铸计划与调度中的浇次计划编制方法，建立了最优浇次计划的０－１整数规划模型，提出了求解这一带约束的０－１规划模型的遗传算法的构造和求解方法，用实际数据仿真计算结果表明，所建立的模型和求解方法是有效的     

应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法

求解计算机通信网的时延和路由选择是一个多约束条件的非线性优化问题，采用遗传算法求解是目前比较有效的方法。本文以遗传算法的基本思想为基础，提出了一种新的遍历匹配选择法，通过实例计算，采用这一选择方式的遗传算法能快速求出问题的全局近似最优解，且具有较高的计算精度。