一种改进的遗传算法及其性能研究

为克服遗传算法收敛速度慢、稳定性差的缺点。从模式定理出发，讨论遗传算法的本质，以基本遗传算法为基础，对选择算子进行改进，在引入最优个体保护策略以确保收敛性的基础上设定动态闽值，既提高交配池的平均适应值又兼顾群体多样性。仿真研究表明，改进的遗传算法有效提高群体的平均适应值。加快收敛速度。提高稳定性。     

一种改进的遗传算法

传统的遗传算法有2个严重的缺点,即不能有效地消除过早收敛现象以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的1种全局最优化方法,它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。将遗传算法与模拟退火算法相结合,提出模拟退火遗传算法。实验结果表明,该算法在性能上有较大的改善。     

基于改进遗传算法的优化研究

遗传算法本身固有的并行处理性和开放性,使得它在优化识别方面的效率非常之高,而且受到越来越广泛的研究,然而,遗传算法自身也有一些缺点．遗传算法在寻优过程中易出现“早熟”,设计变量增多时效率较低以及结构分析时间长．论文分析了遗传算法的常见缺陷,并通过采用小生境技术、基于多父体变量级别的杂交以及小生境技术的改进策略,遗传算法的优化性能（优化效率和质量）得到了大大的提高。     

遗传算法之算子改进

针对传统遗传算法的缺陷，提出了一种新的改进思路，即从遗传算子的角度来改进遗传算法。     

一种改进的遗传算法及其应用

为解决遗传算法的早熟和局部收敛现象,提出的一种改进的遗传算法,该算法引入海明距离构造初始种群,在选择、交叉、变异过程中采用最优保存策略。实验表明改进的遗传算法增强了种群的多样性,并在一定程度上避免早熟现象发生,同时又能较快找到全局最优解。     

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。     

基于遗传算法的数字水印算法研究

通过遗传算法对相连参考点集进行匹配,估计出几何变换的参数,分别计算出原始图像和含水印图像的参考点集合,不需要原始图像参考的情况下实现水印的嵌入与检测.实验表明,该算法不仅能抵抗几何攻击,而且对一般的图像处理操作也具有鲁棒性.     

基于BFGS的改进遗传算法研究

提出了一种基于拟牛顿法BFGS的改进遗传算法,基本思想是:首先用遗传算法进化若干代后,当目标函数变化率小于设定值时,改用BFGS算法优化。数值实验表明,基于BFGS的改进遗传算法的局部收敛性得到了较大改善,而且优化精度也较基本遗传算法有了较大的提高。     

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，用改进的遗传算法优化仿人智能控制器，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。     

关于函数优化遗传算法的研究

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，本文就函数优化问题，阐述了不同的编码方式及遗传操作。     

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.     

基于遗传算法的智能组卷研究

高效率的组卷功能的实现依赖于高效的组卷算法,很多学者都对组卷算法做了多方面的研究与改进．目前对遗传算法的研究应用是最近智能组卷系统中比较广泛的算法应用．本文是对基本遗传算法在智能组卷领域的改进研究,以实现高效智能组卷．     

基于遗传算法的智能排课分析与研究

教务管理系统中排课是基本模块,在约束条件很多的情况下,要排出合理的、满意度高的课表是很不容易的．通过对算法分析,使用遗传算法对课表进行初始化,利用遗传算法对排课问题建立数学模型,设计了适应度函数,通过选择、交叉和变异等过程,进化得到最优解．实验结果表明,本算法能够有效地解决高校的教务智能排课问题,在实际运行中有一定的实用价值．     

改进的蚂蚁遗传混合算法及应用

车间作业调度问题是一个典型的NP-hard问题。分析了蚂蚁算法和遗传算法的特点,就遗传算子、交叉概率和变异概率上对传统遗传算法进行了改进;同时为了加速蚂蚁的搜索效率、减少迭代次数,重构了传统蚂蚁算法的下一个结点选择策略、信息素的局部更新策略,并将改进后的两个算法进行混合求车间作业调度的最优解。试验表明,算法的改进和混合提高了搜索效率及搜索结果的准确性。     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群。通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力。     

一种改进实数编码遗传算法及其应用

将混沌现象和邻域细化搜索策略应用于实数编码遗传算法(RCGA)中,提出了一种改进的RCGA。并将该算法应用于连续函数优化求解。与其他方法相比,表明该算法可靠且算法效率更高。     

基于遗传算法的研究与Matlab代码的实现

针对遗传算法的发展,介绍了遗传算法的研究现状,描述了遗传算法的工作原理以及算法的计算流程。介绍了遗传算法在各领域中的应用,并以遗传算法解决旅行商问题给出了实现代码,并给出了实验结果。