一种基于遗传算法的自动组卷算法

对传统遗传算法进行改进,提出了一种基于遗传算法的分段十进制编码,采用分段的单点交叉操作,对于个体而言,实现的是多点交叉操作,最后提出了相应的组卷算法.     

3-SAT问题的编码设计及评估函数值的求解

基于遗传算法,采用二进制串对3-SAT问题进行编码,编码设计完全符合遗传算法的特点,在使用遗传算子的过程中不会出现非法编码,数据结构简单,易于实现,通过寻求较好的方式来表达问题及其解,尽可能从易于实现的角度高效率求得评估函数值。     

基于四维编码遗传算法的自动组卷研究

在深入分析自动组卷问题的基础上,比较了几种常用组卷算法的优缺点,提出了分组四维编码的改进自适应遗传算法。该算法的编码方案为分组四维编码,使用模拟正态分布的分组轮盘赌选择算子进行种群选取,对交叉和变异算子的概率,根据个体的适应度值分布特点进行非线性自适应调整。实验结果表明,改进后的遗传算法很好地实现了组卷功能,在效率和质量上都明显优于传统遗传算法组卷,具有很好的实用性。     

改进实数编码遗传算法在泵站优化调度中的应用研究

探讨了一种改进型实数编码遗传算法在泵站运行费用最低准则下泵站优化调度中的应用。为解决简单遗传算法收敛不成熟以及收敛速度较慢的问题,针对实数编码遗传算法提出了初始种群选择规则、遗传操作后的最优个体保留策略,以及单点交叉和扰动变异概率等综合改进方法。实例应用表明,改进型实数编码遗传算法有效实现了全局优化,加速了进化效率,对泵站优化调度具有很强的实用性。     

遗传算法在组卷策略中的应用

给出智能组卷数据模型,采用遗传算法中编码、初始群体、迭代等步骤,利用交叉概率、变异概率和适合度判断迭代的收敛性,并产生适合规则的群体.对比遗传算法及其他组卷策略,遗传算法在组卷次数及组卷时间上优于传统的组卷策略.     

带分级思想的遗传工作流挖掘算法

针对基于遗传算法的工作挖掘中容易淘汰掉适应度低的个体,从而丢失存在于低劣个体中的优良基因片导致得到的解不理想的情况,提出一种带分级思想的遗传算法对工作流进行挖掘。该算法采用因果矩阵作为工作流模型的编码。在创建初始种群阶段引入启发式规则,并根据个体的适应度值对种群实施分级策略,提高解的质量。仿真实验表明该方法与基于遗传算法的工作流挖掘方法相比更能产出较高质量的解。     

一种避免早熟收敛的改进遗传算法

针对传统遗传算法的早熟收敛问题,在著名的"基因块"假设的基础上,提出了一种改进算法:利用设计的新算子对传统遗传算法演化过程中被淘汰的个体进行二次演化,使得可能包含在将来的演化中对结果的全局最优性产生重要影响的基因块得以保留,以此来避免遗传算法早熟收敛现象。实验结果证明了该改进算法可以有效地避免早熟收敛,提高了算法全局优化能力。     

一种避免早熟收敛的改进遗传算法

针对传统遗传算法的早熟收敛问题,在著名的“基因块”假设的基础上,提出了一种改进算法：利用设计的新算子对传统遗传算法演化过程中被淘汰的个体进行二次演化,使得可能包含在将来的演化中对结果的全局最优性产生重要影响的基因块得以保留,以此来避免遗传算法早熟收敛现象。实验结果证明了该改进算法可以有效地避免早熟收敛,提高了算法全局优化能力。     

基于改进遗传算法的智能组卷研究

智能组卷是一个多目标约束的组合优化问题.针对传统遗传算法在编码和遗传算子存在的问题,提出一种分段自然数编码及采取自适应遗传算子的改进遗传算法.     

具有成熟前收敛判断的自适应遗传算法

针对传统的简单遗传算法的缺陷，提出了改进的具有成熟前收敛判断的自适应遗传算法．用群体熵值和均方差来预报成熟前收敛的发生．当成熟前收敛发生时，提出以群体中的最优个体为基础，在其一定大小领域内随机产生若干个体，取代原种群中的部分个体，其中更新的个体数占群体中个体总数的30％—40％，领域大小与目标函数极值点分布有关．仿真实验证明，算法的收敛速度和全局收敛概率都有显的提高．     

matlab神经网络优化的遗传算法

遗传算法它将＂优胜劣汰,适者生存＂的生物进化原理引入待优化参数形成的编码串群体中,按照一定的适配值函数及一系列遗传操作对各个体进行筛选,从而使适配值高的个体被保留下来,组成新的群体,新群体中各个体适应度不断提高,直至满足一定的极限条件.此时,群体中适配值最高的个体即为待优化参数的最优解.正是由于遗传算法独有的工作原理,使它能够在复杂空间进行全局优化搜索,并且具有较强的鲁棒性.     

DNA遗传算法的化工过程建模方法

DNA遗传算法的化工过程建模参数估计是非常复杂的问题,但转化成非线性优化问题就可以设计一种新型的简便的建模方法。利用遗传算法具有适应性强的全局搜索优势,可以使用碱基对个体进行四进制编码,设计全新的变异算子与交叉算子,开发出一个新型的DNA遗传算法化工过程建模方法。两个经典测试函数计算结果表明,这种算法的搜索能力、拟合精度都比较理想。     

改进遗传算法求解流水车间调度问题

提出了一个求解流水车间调度问题的改进的遗传算法.该方法把一个染色体编码成若干个可以重复的自然数,表示相应工件的排序权值;通过简单交换两个父代的若干相同位置的基因,产生能够继承父代优良特性的子代;并且采用均匀变异,更好地保持种群中基因的多样性.实验表明,比起传统的遗传算法,该方法的性能有显著改善.     

混沌遗传算法在自动组卷中的应用研究

该文提出了一种基于混沌序列的改进型遗传算法来实现自动组卷的新方法．首先对染色体采用分段自然数编码策略;然后,将混沌机制同时引入到遗传算法的交又和变异阶段,在交叉阶段交叉基因座由混沌交叉算子来确定,在第三阶段变异个体的变异基因住由混沌变异算子来给出．该算法将混沌优化的遍历性、规律性与遗传算法的全局性相结合,有效地克服了遗传算法随机性大、未成熟收敛等缺点．     

整流机组效率优化中遗传算法的研究与应用

针对多台大功率整流机组并列运行效率优化的需要,采用浮点数编码遗传算法,并进行适当的改进,采用不同群体配合不同惩罚系数的方法处理约束条件,采用最优个体保留方法进行选择,采用线性交叉和自适应变异,通过基于控制参数自适应调整的策略克服早熟收敛。现场数据实验结果表明,该方法收敛于全局最优解,收敛速度满足需要,过程比传统的工程方法简单,计算结果优于工程方法。     

遗传算法求解旅行商问题的一个新方法

提出了利用遗传算法求解TSP问题的一个新方法,该方法采用二进制编码,并巧妙地设计了一种解码算法,不仅可以使得种群进化,而且扩大了搜索的空间。实验表明,比起传统的遗传算法,新方法的性能有显著改善。     

格雷码对遗传算法的改进研究

格雷码编码具有较强的局部搜索能力。针对Rosenbrock函数采用基于进化策略的格雷码来优化遗传算法,实验表明这种结合既能较快速地搜索适应度较大的个体,也可以大概率地搜索全局最优解,是一种快速进行局部细致搜索的优秀的非线性方法。     

基于混合编码遗传算法的证券组合投资问题的求解

针对文献[1]提出的模型,设计了一种二进制编码和实数编码相结合的混合编码遗传算法(MCGA),仿真结果表明,混合编码遗传算法对该模型求解能极大地缩短算法的进化代数及保证收敛到最优解,并得到了比二次规划算法更好的结果;证明了这种混合编码的方法能有效克服二进制编码和实数编码各自的缺陷,快速提高遗传算法的收敛性能.     

基于强化型精英保存遗传策略的聚类方法研究

遗传算法是一种随机搜索算法,适用于解决许多复杂的智能优化问题。然而,经典遗传算法具有收敛速度慢和易早熟缺陷。为了找到一种普适性高且效果好的改进遗传算法,解决数据聚类问题,提出一种新的遗传算法改进策略。该策略同时保留父代及交叉产生的个体中的绝大部分精英,用来替换掉变异后同等数量的最差个体,并且将交叉与变异概率提高到1,这样不仅能很好地保留住已产生的精英个体,引导算法稳定地向最优解进化,还可最大限度地使算法获得开拓新的解空间能力。实验结果表明,该方法具有较高的聚类准确性和收敛率,平均收敛准确率为94.67%,平均收敛率为100%,且收敛速度较快,是一种适合解决数据聚类问题的可行方案。     

生计方式的改变对白族传统村落的影响——以大理沙村为例

生计方式在适应环境中形成,在个体的不断选择中发展。沙村是大理洱海边典型的渔村,村民在谋生发展的过程中形成了传统与现代并存的多样生计方式,在生存样态选择中自主性、文化性逐渐增强。生计方式的改变对村落布局、传统文化的保护意识、传统文化的回归等产生一定的影响。