遗传算法研究综述

遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度有效的随机搜索算法.近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注.本文介绍了遗传算法的主要特点、基本原理及其设计步骤,并指出了相关的研究方向.     

遗传算法的基本原理及其应用研究

介绍了遗传算法的基本概念和基本原理,分析说明了遗传算法求解实际问题的基本步骤以及应用领域,指出了遗传算法在应用中的几个关键问题,同时简要介绍了遗传算法研究新动向及存在的问题。     

遗传算法研究综述

遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度有效的随机搜索算法.近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注.本文介绍了遗传算法的主要特点、基本原理及其设计步骤,并指出了相关的研究方向.     

遗传算法的研究与发展动向

遗传算法是建立在自然遗传学机理基础上的参数搜索方法，在许多优化问题中都有成功的应用。本文介绍了GA的思想来源及基本原理，理论研究状况，提高收敛速度的策略及其发展新动向，同时比较了GA与其它人工智能技术。     

遗传算法在非线性方程组求解中的应用

本文研究了遗传算法在非线性方程组求解上的应用，分析了其解决此类问题的特性及局限性。     

遗传算法在高校教务排课系统中的应用研究

遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法。针对高职院校课表的特点,本文详细分析遗传算法在排课系统中的基本思想及遗传算法的设计步骤,主要论述了利用遗传算法求解高职院校课表的编排问题,提出了应用遗传算法解决排课问题的有效方法。     

基于改进遗传算法的测试用例生成研究与仿真

提出一种基于改进遗传算法的测试用例自动生成工具,改进的遗传算法通过路径构建方法构建目标路径矩阵集合以及实际路径矩阵,通过对比目标路径矩阵与实际路径矩阵差异设计适应度函数,通过归一化处理得到适应度值,最后根据适应度值调节遗传算子,得到问题的最优解集合进而得到全部测试数据。工具通过可视化界面操作实现待测程序的自动插桩、自动生成覆盖全部路径的测试用例并代入程序进行测试,最后反馈生成测试结果。改进的算法能够提高算法收敛速度,降低早熟程度,在覆盖率及准确度相同的情况下,工具生成用例可以减少测试数据生成时间,达到节省测试成本、提高测试效率的效果。     

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.     

遗传算法综述

回顾了遗传算法的发展历程，并对遗传算法的基本原理及特点作了简要阐述；进一步指出了遗传算法存在的问题及相应的改进措施；讨论了遗传算法在实际中的应用。     

遗传算法在求解TSP问题上的应用

论述了遗传算法在编码表示和遗传算子等方面的应用情况,指出了常用编码方法的优点和缺点,并且结合TSP的运行实例详细分析了基本遗传算法对求解结果和求解效率的影响.简单说明了混合遗传算法在求解TSP问题中的应用并对遗传算法解决TSP问题的前景提出了展望.     

基于基因库的最优个体保存遗传算法

针对一般最优个体保存方法的缺陷,提出了一种基于基因库的最优个体保存遗传算法。其基本思想是:对每代种群建立一个基因库,将该代种群中的若干较优个体存入基因库;对每个基因库设定一个距离di,将基因库中的较优个体与最优个体进行距离比较,然后将距离大于di的较优个体保留在基因库中,而将距离小于di的较优个体剔除出基因库。数值计算表明,这种新的算法既提高了收敛速度,又提高了种群的多样性,避免了过早收敛于局部最优解的现象。     

一种自适应遗传算法对Hopfield网络权值的优化

针对Hopfield网络在求解优化问题中学习效率低,收敛速度慢,容易陷入局部最优等缺点和不足,把遗传算法同Hopfield网络结合起来,形成进化神经网络,对网络权值进行优化,并且通过对算法的讨论,说明该算法的有效性。     

一种自适应遗传算法对Hopfield网络权值的优化

针对Hopfield网络在求解优化问题中学习效率低,收敛速度慢,容易陷入局部最优等缺点和不足,把遗传算法同Hopfield网络结合起来,形成进化神经网络,对网络权值进行优化,并且通过对算法的讨论,说明该算法的有效性。     

基于遗传算法的网络入侵检测系统设计

经过对入侵检测历史与现状的分析和对目前入侵检测技术的研究。本提出一种基于遗传算法的网络入侵检测系统模型。在分析引擎的设计上，采用了协议分析和遗传算法相结合的策略，使入侵检测的速度和准确性有了显提高。     

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．     

一种基于遗传算法的连续属性离散化方法

连续属性离散化是基于粗糙集的数据挖掘中的关键问题。针对该问题提出了一种遗传算法,在保持不可分辨关系的前提下,以最小断点集为目标,对交叉算子、变异算子进行了改进。最后,使用UCI机器学习数据对算法进行了验证,并与其它的离散化算法进行了比较,结果表明算法是有效的。     

实数编码自适应基因算法在弦振动实验中的应用

在普通物理实验教学中，用实数编码自适应基因算法构建弦振动横波传播速度经验公式是一种新方法。利用基因算法拟合弦振动的实验数据，不但可以得到高精度的经验公式，加深对相关物理理论的理解，而且有利于培养学生的综合研究能力和科学探索精神。     

函数优化的遗传算法

遗传算法是一种有效的模拟进化算法,针对不同问题,编码方式多种多样。针对函数优化问题,阐述了不同的编码方式及遗传操作,在Matlab环境中用遗传算法实现求解函数优化问题。     

遗传算法在高校排课问题中的应用

排课问题是一个多因素的优化决策,是组合规划中的典型问题,属于NP完全类问题。根据高校课表的特点,采用遗传算法,给出染色体编码和适应度函数,提供了利用遗传算法解决排课问题的方法。