求解Flow Shop问题的改进遗传算法

在对FSP问题进行描述的基础上,提出了一种新的改进遗传算法。该算法针对遗传算法的弱点进行了一系列的改进:设计一个新的选择策略和一个新的多交叉算子策略来避免早熟并引入了兄弟竞争的策略来加快收敛速度和全局搜索能力。仿真计算表明了该算法的良好收敛性和有效性。     

改进遗传算法及其在路径优化问题中的应用

提出一种基于"小生境"等思想的免疫自适应改进遗传算法。构造出一种新型的判断早熟程度的算子并用于构造具有免疫性和自适应性的交叉变异概率计算式。采用一些先进的思想和策略提高了算法收敛速度和全局收敛性。利用此算法对自动化立体仓库路径优化问题的解决方法进行了具体设计,实验结果证明了它比以往文献提出的算法更具优越性。     

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。     

高维多峰优化的遗传算法设计

针对传统遗传算法用于多峰值问题时容易出现的问题,提出了一种基于适应度自动调节的改进遗传算法(FMT-GA)。FMT-GA算法采用了与传统遗传算法不同的适应度评估方法以及选择算子,并设计了基于适应度值大小的类似于非均匀变异的自适应变异算子以及自适应交叉算子,在约束条件的处理上,与传统的做法也有较大差异。文章最后对2个多峰值函数进行了实验测试,测试结果表明,FMT-GA算法克服了传统遗传算法易停滞于局部极值的缺陷,收敛精度以及速度都有了比较明显的提高。     

基于遗传算法的复杂网络社区结构探测

对于复杂网络社区结构的探测问题在多个应用领域引起了广泛关注。本文基于遗传算法提出了一种新的社区探测算法,该算法通过最大化网络模块度以探求最好的社区划分结果。本文采用字符串编码进行基因表示。在初始化种群时,通过将一部分节点的社区标识符传递给它的邻居节点保证了算法的收敛性,并且消除了不必要的迭代。对于交叉算子和变异算子也进行了优化,将单向交叉引入到交叉算子中,并在变异过程中保证了变异节点的连接有效性。将本算法与两种算法通过真实世界的复杂网络进行实验比较,实验结果表明,改进后的算法可以有效地应用于社区结构探测。     

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     

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。     

基于种群优化遗传算法的城市空间增长分析模型

针对标准遗传算法在对城市空间增长分析时还存在精度不高、误差较大等问题,提出了一种基于种群优化遗传算法的城市空间增长分析模型,该模型在标准遗传算法的基础上,首先采用动态自适应调整策略对原算法遗传算子中的交叉算子和变异算子进行优化,然后引入蚁群算法,利用小生境方法限制种群个体的繁衍,以达到种族多样化的优化。仿真试验结果表明,本文提出的基于种群优化遗传算法的城市空间增长分析模型相对于标准遗传算法,其精度得到了很大的提升,降低了城市空间增长预测的误差。     

一种新的APGA算法及其在多核CPU环境下的Java实现

研究了遗传算法（SGA）的遗传自适应策略和并行遗传算法（PGA）迁移时的自适应策略,提出了一种新的自适应并行遗传算法（APGA）,描述了算法的流程和关键算子,最后给出了在多核CPU环境下用Java实现的APGA算法。     

基于自适应遗传算法网络资源均衡与优化

文章以均衡网络业务为优化目标,提出了一种基于自适应遗传算法的资源优化路由算法,采用改进的适应度函数和自适应的交叉变异算子.理论分析表明该算法改善了最短路径路由算法容易发生阻塞及安全性不好的缺点,与基本遗传算法相比,它显著提高了收敛性能,并且具有很强的自适应能力.     

遗传算法中初始种群与交叉、变异率对解的影响及其解决方案

本文的研究表明，在相同的遗传算子下，初始种群性状和数量以及交叉、变异率的确定对算法收敛速度和结果的影响不能忽略。初始种群或交叉、变异率选择不当，将增加迭代次数，甚至直接导致算法陷入局部最优解。为此，本文提出一种基于空间分割的遗传算法及初始种群产生和种群数量确定方法，并根据有关文献，提出一种自适应交叉、变异率方法。实际计算表明，该算法在很大程度上避免了算法收敛于局部最优点，取得较好的效果。     

基于遗传算法的关联规则挖掘方法

基于对数据挖掘,特别是关联规则挖掘的研究,提出了一种改进型遗传算法的关联规则提取算法,并从编码方法、适应度函数的构造和遗传算子的设计方面进行讨论分析。通过对早熟问题的分析并改进自适应算子,提高了算法的效率,使算法在相对稳定的动态种群规模中寻找优质解。     

基于遗传算法的投资组合在金融领域中的应用

遗传算法是一种模拟自然界生物进化的搜索算法,经典遗传算法采用的都是固定参数,这是对性能的一种局限和束缚。为解决这些问题,在算法中引入自适应遗传算法(AGA),即交叉概率Pc和变异概率Pm能够随适应度自动改变。自适应遗传算法在保持群体多样性的同时,保证遗传算法的收敛性。AGA由于改进了各遗传算子的参数,使算法能够适应于种群进化各个阶段的特征,使算法的优化效率和解的质量得到提高。本文将遗传算法和投资组合结合起来,提出了基于遗传算法下的投资组合模型,并举例验证。     

基于遗传蚁群算法的虚拟机整合

针对蚁群算法的加速收敛和早熟停滞现象的矛盾,在搜索过程中容易陷入局部最优,使虚拟机的分配不能实现整体分配的效果,根据遗传算法的交叉算子、变异算子来优化蚁群算法。本文提出了一种最新的动态整合虚拟机方法 -基于遗传蚁群算法的虚拟机整合算法来减少云数据中心能量消耗。通过cloudsim-3.0仿真实验验证基于遗传蚁群算法的虚拟机整合在减少能耗和虚拟机迁移次数方面的性能大大提高。     

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。     

基于改进型遗传算法的智能组卷研究

本文通过分析智能组卷的目标要求,建立了智能组卷系统的数学模型,并提出了一种基于改进型遗传算法的新的智能组卷算法。通过引入两个不同的选择策略,不同的变异算子,进一步提高了智能组卷算法的效率和性能。     

基于改进遗传算法的堆垛机调度路径建模与优化研究

为提高广东电网计量检定中心自动化立体仓库的堆垛机出入库作业效率,详细分析了堆垛机出入库的作业方式,建立了数学模型,提出了一种基于改进遗传算法的路径优化方法。该方法在寻找全局最优解时引入了贪心交叉算子和高斯变异算子,提高了该算法全局的搜索能力。仿真实验结果表明该方法能提高堆垛机出入库作业的效率,在路径的优化方面达到了满意的效果。     

基于模拟退火遗传算法的我国创新型大企业的构建研究

针对构建中选择子企业的实际需要,提出改进的模拟退火遗传算法,引入倒位算子代替交叉操作,建立了企业间协同系数矩阵和相应的适应度函数,来提高算法的有效性.     

离散差分进化算法求解第二类装配线平衡问题的研究

为求解第二类装配线平衡问题,提出一种离散型差分进化算法(DDEA)。该算法采用基于优先权的编码方法使得个体解码后总满足装配线约束关系,设计了自适应双变异策略和新型交叉操作算子。为增强该算法逃离局部最优的能力,选择操作中引入"精英"机制。通过测试问题集的验证并比较了连续型差分进化算法和遗传算法,结果表明在中大规模的平衡问题上DDEA求解质量上优于连续型的对比算法。     

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。