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。     

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。     

基于遗传算法解决01背包问题研究

遗传算法属于进化算法(EvolutionaryAlgorithms)的一种,它通过模仿自然界的选择与遗传机理来寻找最优解。遗传算法具有与问题领域无关且快速随机的搜索能力,搜索从群体出发,具有潜在的并行性,可以进行多个个体的同时比较,搜索使用评价函数启发,过程简单,使用概率机制进行迭代,具有随机性,具有可扩展性,容易与其它算法结合。基本01背包问题,提出遗传问题解决的关键技术,设计评价函数和遗传算子,并通过散播变异、移位变异、插入变异改进01背包问题中的遗传算法,很好地解决了遗传问题。     

基于下降搜索的混合遗传算法求解装箱问题

研究一种在基本遗传算法中嵌入下降搜索算子形成的混合遗传算法。这种优化算法是在传统遗传算法的全局随机搜索基础上,借鉴利用每一代群体中最劣个体所包含的优化信息作为下降搜索方向来优化种群。实验证明,该混合算法可以加快算法的收敛速度,具有良好的优化性质和函数适应能力,是解决装箱问题的一种有效途径。     

基于下降搜索的混合遗传算法求解装箱问题

研究一种在基本遗传算法中嵌入下降搜索算子形成的混合遗传算法。这种优化算法是在传统遗传算法的全局随机搜索基础上,借鉴利用每一代群体中最劣个体所包含的优化信息作为下降搜索方向来优化种群。实验证明,该混合算法可以加快算法的收敛速度,具有良好的优化性质和函数适应能力,是解决装箱问题的一种有效途径。     

考虑评价偏差的交互式遗传算法

交互式遗传算法IGA求解隐式目标优化,存在用户评价不确定性和用户疲劳问题,为此提出考虑评价偏差的交互式遗传算法DE-IGA.算法DE-IGA根据用户认知规律,设计用户评价适应值修正模型,修正力度随不确定性由大到小;根据基因相似度,由上一代最优个体的基因特征选择下一代的用户评价个体;依据基因相似性将种群划分为粒,对粒内未评价个体的适应值估算并调整;将所提出的DE-IGA算法应用于不等面积布局问题UA-FLP.实验结果表明,算法能够有效提高用户评价准确性,提高收敛性,减少运行时间,降低用户疲劳.     

基于二进制改进遗传算法的0_1背包问题求解方法

一般遗传算法求解0_1背包问题时,存在着搜索速度和求解质量之间的矛盾.针对此问题,文中在逆序算子、对偶算子和矩阵遗传算子的研究基础之上,将其进行组合应用,构造了一种基于二进制编码的改进遗传算法,用于求解0_1背包问题,保证了算法的全局收敛性.仿真实验结果表明,该求解方法具有良好搜索效率和求解质量.     

基于混合遗传算法在测试用例生成中的研究

采用智能优化算法求解测试用例生成问题是软件测试自动化领域的研究热点。针对标准遗传算法在测试用例生成中的不足,提出基于混合遗传算法的生成方法。该算法结合分支覆盖和路径覆盖两个指标对适应度函数进行优化设计,以加快数据的优化过程。通过调节因子对自适应的交叉和变异算子进行改进,并引入模拟退火机制,提高算法的局部搜索能力。实验表明,该算法在测试用例生成中的求解质量和运行效率均优于标准遗传算法。     

基于带容量约束Memetic算法的动态车辆调度问题研究

针对物流配送过程中带容量约束的动态车辆调度问题,提出一种Memetic算法,旨在最小化成本。Memetic算法中采用量子与遗传算法混合进行全局搜索,并根据搜索点目标函数变化率,设计了一种自适应量子旋转门更新方式,通过子代种群适应度变化确定量子旋转角大小与方向,明确了种群进化方向,扩展了全局搜索范围,引入了一种变异操作,使算法种群多样性得以保持,提高全局搜索宽度,采用2-opt法结合swap法增强算法局部搜索能力。仿真实验验证了所提算法的有效性与优越性。     

一种改进的遗传进化算法及其应用

基本遗传算法适应度及遗传算子设计简单,求解复杂优化问题易于早熟,收敛速度慢等缺点.基于遗传算法基本框架,设计新的适应度函数,减少遗传算法中的交叉算子,改进其变异方式,提出一种改进的遗传进化算法.     

车用无刷直流电机转速控制系统设计及仿真

以新型4相24极车用无刷直流电动机为研究对象,采用改进遗传算法对其转速控制系统进行了优化设计。该遗传算法在相当程度上解决了标准遗传算法搜索效率低和早熟收敛的问题。仿真结果表明:相对于传统的3相6拍无刷直流电动机,采用改进遗传算法转速控制系统的4相24极无刷直流电动机具有转矩脉动较低、输出相应快速、稳态性能好以及抗干扰能力强等优点。     

矿井瓦斯涌出量的遗传神经网络预测研究

矿井瓦斯涌出系统是非线性变化的复杂系统,传统的瓦斯涌出量预测方法存在一定的局限性。根据改进遗传算法（IGA）和BP算法的特点,将两者结合起来,利用改进遗传算法优化BP网络权重和阈值,形成IGA-BP混合算法,用于对矿井瓦斯涌出量进行科学预测。检验结果表明,基于IGA-BP混合算法的遗传神经网络模型可靠,预测精度高,效果良好。     

利用改进的罚函数集合覆盖蚁群算法识别tagSNPs

序列中的标签SNPs—tagSNPs携带了SNPs数据集的绝大部分遗传信息,因此寻找tagSNPs意义重大。但从SNPs数据集中找出tagSNPs需要耗费巨大的计算量,传统的方法效率低且费用昂贵,对于复杂的集合覆盖问题,现有算法难以得到优化解。鉴于蚁群算法有较强的近优解搜索能力,因此,将改进的罚函数集合覆盖蚁群算法(RCACO)用于tagSNPs搜索。模拟数据集上进行的算法实验结果表明,与近两年的PSO、GA两类算法相比,所提出的算法运行时间较短,且搜索结果精确度更高。     

基于属性频度进化的粗糙集属性约简方法

提出了基于遗传算法的知识相对约简算法,它以条件属性在差别矩阵中出现的频率为启发信息,以决策表的属性核来初始化传统遗传算法的种群,加强了遗传算法的搜索、缩短了计算时间;提出了修正校验算法,提高决策表属性约简的正确性．通过实例分析,证明是求解知识约简的有效方法．     

用实数编码的遗传算法优化神经网络盲均衡算法

本文提出了实数编码的遗传优化神经网络的盲均衡算法,有效地克服了传统前馈神经网络盲均衡的缺陷．解决了实际应用中存在神经网络的初始权重的确定缺乏理论依据的问题,提高了前馈神经网络盲均衡的均衡性能．     

改进遗传—蚁群算法求解多维0/1背包问题

针对传统启发式算法难以平衡求解收敛次数与求解精度问题,通过充分分析GA和ACO两种算法的优缺点,设计了一种改进的遗传蚁群算法。将算法分为上下两步,分别以GA和ACO为主。在GA中引入信息素更新机制连接上下两部分算法|在ACO中引入遗传变异操作尽可能扩大解的范围。同时结合两种算法各自解的继承方式,采用合适的方法分别处理这两部分产生的不可行解。获得解后,通过引入交换邻域的爬山法思想进一步尝试优化解。最终在保证求解精度的前提下,减少求解所需的迭代次数。实验结果表明,在需要保证求解精度的前提下,相比传统GA,该方法的求解效率提高了一个量级。     

遗传算法教学辅助系统分析与设计

随着人工智能的不断发展,遗传算法(Genetic Algorithms,简称GA)作为一种人工智能算法有着很长的发展史,在工业,医疗等等许多方面都有着广泛的运用,但是因其依靠随机搜索,在演示教学上一直有其难度,这点在一定程度上影响了遗传算法的运用及推广,作者通过对遗传算法的研究和对软件系统的分析,达到了对算法的分步演示及可视化,改善了教学方法,提高了教学质量。     

Solving Hitchcock''s transportation problem by a genetic algorithm

Genetic algorithms (GAs) employ the evolutionary process of Darwin's nature selection theory to find the solutions of optimization problems. In this paper, an implementation of genetic algorithm is put forward to solve a classical transportation problem, namely the Hitchcock's Transportation Problem (HTP), and the GA is improved to search for all optimal solutions and identify them automatically. The algorithm is coded with C and validated by numerical examples. The computational results show that the algorithm is efficient for solving the Hitchcock's transportation problem.     

改进遗传算法在企业经营参数优化中的应用

鉴于遗传算法固有的缺陷，提出了一种改进遗传算法，并指出了这种算法的优越性。本文将改进遗传算法引入到企业经营参数优化的问题中，以一个矿山企业经营参数优化实例证明了改进遗传算法具有很好的应用效果。     

Optimal strategy of searching FPD weights scanning matrix using GA-PSO

This paper discusses a kind of optimal method used for searching flat panel display (FPD) scanning matrix. The method adopts bionic algorithm: genetic algorithm (GA) and particle swarm optimization (PSO) algorithm. The method using single GA is more time-consuming, and the search efficiency is low in later evolution; the PSO algorithm is easily falling into the local optimal solution and appears the premature convergent phenomenon. Hence, a hybrid approach of GAPSO is found to optimize the search for high grayscale weights scanning matrix. Finally in the acceptable time, it finds a weight scanning matrix (WSM) of 256 gray scales with Matlab, whose scanning efficiency reaches 94.73% and the linearity is very good.