基于遗传算法的关联规则挖掘

设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.     

遗传算法在自动组卷算法中的应用与研究

自动组卷功能是考试系统中的一项重要功能,是评价该系统好坏的重要因素．本文针对现有组卷算法的突出问题,在组卷问题中采用改进的遗传算法进行了研究,并对遗传算法中的交叉算子和变异算子进行了改进,使该算法能够更好解决自动组卷问题．     

基于遗传算法的题库选题设计与实现

从遗传算法的应用入手,阐述了遗传算法的相关概念和执行流程,深入研究了遗传算法在题库选题系统中的应用,探讨了初始种群、适应度函数、选择算子、交叉算子、变异算子的设计方法,并给出了关键实现代码。遗传算法为题库选题提供了高效的解决方案,能够取得良好的选题效果。     

基于优先权编码的最短路径求解

应用遗传算法来解决最短路径的问题，采用了优先权编码和适合此类问题的特定交叉和变异算子，并在MATLAB环境下实现．对较复杂的网络图是最短路径求解进行了有益的探索，较传统的Dijkstra方法有较多的优点．     

VLSI标准单元布局遗传交叉算子比较研究

遗传算法的成功之处在于其交叉、变异等进化机理,交叉算子性能对算法的整体性能有决定性的影响,因而成为了设计大规模问题遗传算法的关键因素.首先简要介绍VLSI标准单元布局问题定义及其染色体编码,给出4种主要交叉算子的基本思想及其算法步骤,并对其中循环交叉算子进行改进.而后使用标准测试例子对这4种交叉算子的性能进行深入的实验比较,分析交叉算子特征与性能的关联性,总结了高性能交叉算子的设计思想.改进型限定长度循环交叉算子的性能实验结果验证了该设计思想的有效性.     

改进遗传算法在电力系统无功优化中的应用

将遗传算法用于电力系统无功优化,并对传统遗传算法的编码方式、遗传操作算子、交叉和变异概率以及迭代终止判据等方面进行了改进,同时使用本文的算法对IEEE6及IEEE14节点系统进行了无功优化计算,结果表明改进后的遗传算法合理可行。     

一遗传算法求解 TSP 问题的研究

针对组合优化中的TSP问题,分析了遗传算法的特点,设计了遗传算法的编码、交叉、变异及进化逆转算子,克服了遗传算法容易出现局部收敛的现象,并使用Matlab实现了这一算法,将其应用于山东省17个城市的TSP问题,通过计算结果分析验证了该遗传算法的有效性。     

遗传算法求解TSP问题的研究

针对组合优化中的TSP问题,分析了遗传算法的特点,设计了遗传算法的编码、交叉、变异及进化逆转算子,克服了遗传算法容易出现局部收敛的现象,并使用Matlab实现了这一算法,将其应用于山东省17个城市的TSP问题,通过计算结果分析验证了该遗传算法的有效性。     

基于改进遗传算法的GSM基站选址问题研究

本文首先对于罚函数遗传算法构造了合适的适应度计算方式,其次将适当的修补算子加入修补遗传算法中,保证修补的随机性和有效性;然后在两者的交叉、变异操作之后都加入进化突变算子,增强了他们的局部搜索能力;最后针对不同规模的基站选址问题,分别采用加入进化突变前后的罚函数遗传算法和修补遗传算法进行仿真,结果验证加入进化突变的修补遗传算法在求解大规模的基站选址问题时效率最高。     

基于改进小生境遗传算法的自适应组卷系统

针对传统基于简单遗传算法的组卷系统收敛速度慢,组卷质量较差等缺陷,设计一种基于改进小生境遗传算法的自适应组卷系统。首先依照组卷约束权重比,生成适应度值较高的初始种群．其次对选择策略进行优化。引入小生境预选机制以维持种群多样性,防止过早收敛。再次根据组卷特点改进交叉算子和变异算子,根据种群进化情况,自动调整交叉概率和变异概率。最后经过若干迭代后达到终止条件,以自适应方式生成目标试卷。实验结果证明,与简单遗传算法相比,改进的遗传算法在收敛速度和组卷质量上均有显著的提高。     

一种有效的多目标混合遗传算法

设计了一种基于支配关系下的局部搜索方法，将此局部搜索方法嵌入到多目标遗传算法中，从而提出一种有效的求解多目标优化问题的混合遗传算法。为加速遗传算法在全局优化问题上的收敛性，发挥传统数值优化算法在计算速度与计算精度上的优势，在遗传算法中镶嵌一个多目标线搜索算子。线搜索算子与遗传算法中的选择算子、交叉算子和变异算子共同作用，使全局搜索和局部搜索都能够很好的实现。数值实验表明，该混合遗传算法能求得问题的数量更多、分布更广的Pareto最优解。     

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.     

多资源约束作业车间调度问题的模型研究

在柔性作业车间调度问题模型的基础上,针对资源约束作业车间调度问题及多目标柔性作业车间调度结合的问题,建立了资源约束下多目标柔性作业车间调度问题的数学模型,提出了启发式活动调度算法与遗传算法结合来对模型进行求解。选择操作采用轮盘赌选择方式;交叉操作采用基于活动启发式算法的交叉算子;变异操作采用基于领域搜索的变异。最后分析了一个具体调度结果实例。     

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。     

改进的遗传算法及其在优化IC中的应用

本文介绍一种改进遗传算法，通过引入强制变异算子，避免了超级个体的出现，保证了杂交算子的有效性，提高了遗传算法的全局寻优能力．用改进的遗传算法代化仿人智能控制器．得到了理想的结果，由此得出一阶纯滞后对象的OIC参数整定公式．     

改进的交叉算子在遗传算法中的研究及应用

交叉算子是遗传算子中一个重要的算予,是对双亲个体进行交叉重组得到不同的两个新个体的过程,对遗传算法搜索结果有重要的影响。从交叉概率和交叉策略两个方面可以改进交叉算子,将其应用到函数优化中能获得比典型的遗传算法更优的解,且性能更优。     

求解度约束最小生成树问题的自适应遗传算法

在遗传算法中一个关键问题是必须采取措施保持种群多样性，防止算法出现早熟收敛。本文提出了一种基于父个体相似度的自适应遗传算法，使用新的自适应遗传操作策略以保持种群多样性。将新算法用于求解图的度约束最小生成树问题，实验结果表明本方法到比不使用父个体相似度信息的普通遗传算法权值更低的度约束最小生成树。     

Improved Genetic Algorithm and its Performance Analysis

Although genetic algorithm has become very famous with its global searching,parallel computing,better robustness,and not needing differential information during evolution.However,it also has some demerits,such as slow convergence speed.In this paper,based on several general theorems,an improved genetic algorithm using variant chromosome length and probability of crossover and mutation is proposed,and its main idea is as follows:at the beginning of evolution,our solution with shorter length chromosome and higher probability of crossover and mutation;and at the vicinity of global optimum,with longer length chromosome and lower probability of crossover and mutation.Finally,testing with some critical functions shows that our solution can improve the convergence speed of genetic algorithm significantly,its comprehensive performance is better than that of the genetic algorithm which only reserves best individual.     

基于混合选择策略的GA数值寻优

函数优化是遗传算法应用的一个方面,标准遗传算法通常采用的是轮盘赌选择、单点交叉和变异等基本操作算子,其缺点是全局收敛性差,易造成“不成熟”收敛现象。研究表明,GA的收敛性主要是由选择算子实现的,轮盘赌选择易产生较大的随机误差,基于期望值和轮盘赌的混合选择策略则能够改善此误差。仿真结果表明,混合选择能够有效地提高GA对全局最优解的搜索能力,较好地改善“早熟”现象的产生。