基于遗传算法的函数优化问题研究

介绍了利用遗传算法解决函数优化问题的一般思路。引入一个称为精华模型的变量,以协调群体的多样性和选择性压力;引入并使用了均匀交叉算子、均匀变异算子,能改进遗传搜索的局部搜索能力,并显著提高遗传算法求得全局解的能力。     

一种新型混合遗传算法及其应用

根据遗传算法和人工蜂群算法各自特点,在遗传算法框架上,利用人工蜂群算法中跟随蜂选择\搜索策略,代替遗传算法中的变异操作,提出一种基于人工蜂群算法跟随蜂选择\搜索的混合遗传算法,并应用到0-1背包问题中。实验结果表明了该算法的有效性。     

多维函数优化中遗传和声算法的应用

在研究遗传算法解决多维函数优化问题的基础上,结合一种新近出现的智能优化算法——和声搜索算法,提出遗传和声混合优化算法。新算法运用遗传的交叉和变异操作对初始种群进行进化,产生次优种群,再利用和声的取值概率HMCR和微调概率PAR对该种群进行搜索获得较高质量的新种群。仿真实验表明,新算法提高了求解质量、跳出局部极小的能力得到了进一步提升。     

并行分布式遗传算法的研究

传统遗传算法在面对一些搜索空间巨大的复杂问题时,其表现往往难以令人满意。作者针对传统遗传算法解决高维多峰值问题时可能会出现的困难进行了分析,然后根据困难出现的原因,基于PVM设计了并行分布式遗传算法,并对适应度评估、交叉、变异算子做了一些改进,旨在加强算法的全局搜索能力,提高算法的收敛速度。为了验证算法多项措施的有效性,对一多峰函数在高维条件下进行多方面的测试,实验结果表明这几项措施是有效的。     

基于遗传禁忌的数据库多连接查询优化算法

针对数据库多连接查询优化问题,提出一种基于遗传禁忌算法的数据库多连接查询优化策略。把遗传算法作为查询优化的主框架,禁忌搜索作为遗传算法的变异算子,增加种群多样性,克服遗传算法收敛慢、局部搜索能力差等缺陷。仿真结果表明,遗传禁忌算法加快了求解数据库多连接查询优化问题的速度,而且提高了查询优化效率,得到较满意的查询优化结果。     

自适应Memetic算法

在处理多峰函数的优化问题时,遗传算法局部搜索能力差,并且容易早熟。针对这种问题,将遗传算法与多种局部搜索算法相结合,形成多种Memetic算法。通过进行数值优化实验,发现算法的优化效率有所提高,但是局部搜索算法的不同对优化性能影响很大。为解决这种问题,在传统Memetic算法的基础上提出了一种使每代个体根据局部搜索算法的搜索效率自适应选取局部搜索算法的Memetic算法,即基于离散度的自适应Memetic算法。通过测试函数测试,这种算法具有更高的效率和更强的通用性。     

一种烟花算法的优化

烟花算法是一种具有较强的全局搜索和局部搜索能力优点的智能算法,针对该算法存在爆炸火星聚集,算法迭代中缺少相互协作问题,本文通过遗传算法对烟花爆炸优化算法进行改进,首先增加了爆炸点管理策略以及对每一代的最优炸点进行自适应局部搜索策略,然后利用遗传算法中的交叉变异思想与最优炸点进行信息交换,直到找到满足条件的最优解。仿真实验说明本文算法在寻优能力和寻优精度上具有很好的性能。     

算子优化遗传算法的插画艺术设计模型

针对标准遗传算法在插画艺术设计的应用中还存在搜索效率低下、复杂度过高等问题。本文提出了一种基于算子及聚类优化遗传算法的插画艺术设计模型。首先在遗传算法运行中依据种群的特点来动态调整交叉概率和变异概率的数值,以提高算法的搜索效率,然后引入K-medoids算法对遗传算法进行聚类优化,并采用一个成本函数来进行评估聚类质量的好坏,以优化原算法的复杂度,最后采用改进遗传算法对随机插画艺术设计。通过实例仿真表明,本文提出的改进算法对插画艺术设计的实现,艺术性和创新性更高。     

遗传算法求解旅行商问题

旅行商问题是一个组合优化问题,具有重要的实际意义。而遗传算法是求解旅行商问题的典型算法之一。本文首先介绍了旅行商问题的定义以及它的研究背景、发展现状和常用算法。在此基础上,详细阐述了遗传算法原理。通过改进这些算子,改进了传统的遗传算法,提高了算法的效率,降低了它的时间及空间复杂度。本文使用路径总长度的倒数作为适应度函数,保证了解向着最优化方向发展。然后选择部分交叉算子来产生新个体,保证了迭代的效率。变异算子利用位点变异,使算法变得简单,易行。最后,使用MATLAB语言进行编程,解决了城市数目分别为15和25时的两个实际问题。通过对这两个问题的收敛速度的对比、分析,总结了遗传算法求解旅行商问题的特点。     

基于遗传算法的考试系统组卷算法设计

本文分析了考试系统中的组卷问题,结合遗传算法,从算法预处理、编码方法、初始化群体、适应度函数、选择算子、交叉算子和变异算子这几个方面,详细地研究了如何采用遗传算法解决组卷问题。并且通过实验数据,与随机抽取算法和其它组卷算法作比较,说明了本算法的优越性。     

遗传算法在数字图像分割中的应用

为了快速准确地确定图像的最佳分割阈值,提出了一种改进的遗传算法。该算法通过完善选择机制、引进父子竞争机制和使用二元变异算子进行变异操作,有效地解决了遗传算法的收敛速度慢和种群过早成熟的问题。     

遗传算法研究概述

遗传算法是一种在群体的逐代遗传中,搜索出全局最优解的搜索优化算法.近年来由于遗传算法在解决复杂优化问题中显现出巨大优势,因此受到国内外学者的广泛关注.本文介绍了遗传算法的简单原理、设计方法,并概述了它的技术和应用领域.     

自适应遗传模拟退火的Web日志关联挖掘

提出一种基于自适应遗传模拟退火策略的Web日志关联规则挖掘算法。该算法在遗传模拟退火策略基础上,引入自适应的交叉概率和变异概率,使其具有较强的全局搜索能力,有效地避免了早熟的现象。实验结果证明,该算法能有效地解决Web日志关联规则挖掘问题。     

基于聚类分析的武器目标分配问题求解

利用伪并行遗传算法与K-均值聚类算法结合解决武器目标分配问题,将目标威胁值的分配问题转化为目标的分类问题.在采用聚类分类算法的基础上,使用伪并行遗传算法对分类结果进行优化,克服了K-均值聚类算法分类局限性,提高了全局搜索能力,达到了局部收敛速度与全局收敛性能的统一.在已知目标威胁值的情况下,利用遗传算法完整解决了WTA问题.通过仿真程序实现,验证了算法的可行性,由此为作战仿真CGF技术中的武器目标分配问题的解决提供了方法.     

云计算下的一种基于改进的量子遗传算法在资源分配的研究

如何提高云计算中的资源调度分配的情况,提出采用值聚类和遗传算法相结合的方式,将遗传算法中求解个体适应度与云计算中的资源序列进行对应。首先针对遗传算法的不足,采用聚类中心旋转坐标的值聚类算法对种群进行分解,有效的保持种群的多样性,其次,通过旋转角动态调整、量子变异和交叉改进的遗传算法的全局搜索能力,有效的避免陷入了局部最优,通过与遗传算法的比较,说明本文的算法在云计算资源分配方面具有一定的优越性。     

混合遗传算法解决单目标旅行商问题的研究

对混合遗传算法解决单目标旅行商问题进行研究,提出了一种基于对应连通子图交叉的混合遗传算法。本算法还包括初始种群的生成、适应度函数的计算、选择、变异、LK局部搜索和小生境操作。最后通过具体算例的实验和对比表明算法是有效的,在计算精度和速度上有较大提高。     

一种有效求解多维背包问题的遗传算法

就多维背包问题的求解,提出一个基于遗传算法的启发式算法（MKPGA）。该算法中加入了一个利用问题特性知识的启发式修复算子以帮助求解。测试实例使用270个不同特性的多维背包问题,实验结果表明,该算法对多维背包问题的求解十分有效,能获得不同特性问题的高质量解。     

混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

基于一种差分鱼群算法在WSN覆盖应用的研究

如何能够在无线传感中进行覆盖一直都是研究的热点。本文首先描述了无线传感网络覆盖模型,其次在人工鱼群算法的基础上引入了差分遗传算法和惩罚函数,通过差分遗传算法使得人工鱼群算法在局部搜索的能力得到了加强,并与人工鱼群算法自身的全局搜索优化能力进行结合比较,得到算法的效率得到提高,同时惩罚函数可以避免改进后的算法在一些区域中盲目搜索,提高算法的效率。仿真实验表明本文算法不仅可以有效的提高覆盖效率,同时降低覆盖过程中的能量消耗。     

遗传算法在TSP问题上的应用

介绍TSP问题与遗传算法的基本特点与原理，讨论用遗传算法解决TSPM题的编码方面，适应度函数设计方面的采用的方法，以及遗传操作算子包括选择算子，交叉算子和变异算子的应用现状以及效果，总结了算法的改进发展的趋势，并对解决TSP问题的前景提出了展望