基于自适应策略的遗传优化设计

早熟收敛和后期收敛速度慢是标准遗传算法(SGA)的一对主要矛盾,给算法的优化效率造成很大影响,对操作算子及其遗传参数的确定实现自适应是解决该问题的有效方法。作者根据各操作算子及其参数的特征对选择、交叉、变异算子进行基于自适应策略的遗传优化设计,使算法很好地缓解了早熟收敛和后期收敛速度慢的矛盾,从而提高了优化效率。仿真结果表明,基于自适应策略的遗传算法比标准遗传算法具有更高的解精度和优化效率。     

网格环境下独立任务调度的混合遗传算法

提出一种新的混合遗传算法。该算法在基于传统遗传算法的基础上采用了分组和负载均衡策略。仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡。它相对于传统遗传算法,收敛速度更快,能产生更好的调度结果。     

基于自适应遗传算法的抽题组卷策略

为克服经典遗传算法求解智能组卷时存在的盲目搜索、收敛速度慢和个体易“早熟“等缺点,文章提出了基于动态自适应技术遗传算法。利用求解问题的特征改进经典遗传算法的多个关键部分,采用动态自适应技术,提高算法的寻优速度。实验结果表明,采用改进式的自适应遗传算法实现的组卷策略具有收敛速度快、搜索精度高、鲁棒性强等特点,具有很好的性能与实用性。     

一种求解不等式约束优化问题的新算法

针对基本遗传算法收敛速度缓慢现象，提出了基于多父体杂交和按较差个体顺序变异的改进策略，从而加快收敛速度，提高了算法性能，通过验算表明，改进后的算法，能够迅速找到全局最优解。     

改进遗传算法在TSP问题中的应用

旅行商问题是典型的NP组合优化问题。提出一种旅行商问题求解应用上的改进遗传算法。引入贪心算法优化初始种群,在轮盘赌选择基础上,融入最优保存策略和掺杂算子进行选择操作,以保证群体的多样性;基于两点三段随机交叉算子优化交叉结果,基于启发式倒位变异算子提高算法的收敛速度;给出了求解旅行商问题系统的体系结构。实验结果表明,改进的遗传算法具有更好的寻优能力。     

基于混合自适应的遗传工作流挖掘算法

针对遗传算法工作流挖掘容易过早收敛且局部寻优能力较差,导致得到的解不理想的情况,提出了一种基于混合遗传方法的工作流挖掘算法。该算法采用因果矩阵映射流程实例作为工作流模型的编码,在遗传算法的选择操作阶段采用锦标赛策略与精英保留策略相结合,在交叉变异阶段运用混合自适应方法,并结合模拟退火思想,使解的质量有了明显的提高。仿真实验表明,该算法与基于简单遗传方法的工作流挖掘算法相比效率更高。     

基于自适应遗传算法求解装箱问题

针对遗传算法在求解复杂优化问题时收敛速度慢,易陷入局部最优的不足,对标准遗传算法进行改进,将交叉概率和变异概率进行自适应调节,再结合移民策略,提出可自适应调节参数的改进遗传算法,应用该算法对装箱问题进行相应研究。     

一种基于遗传算法的改进PSO优化算法

从理论上分析了粒子群优化算法的收敛性,并针对标准PSO优化算法容易陷入早熟,收敛于局部最优解的问题,提出了一种基于遗传算法的带交叉因子的改进PSO优化算法,该算法通过对典型测试函数的测试,有效地加快了收敛速度和提高了收敛精度,能够有效地跳出局部收敛范围,避免陷入早熟,收敛于全局最优解。     

遗传算法优化BP神经网络的非线性函数拟合研究

传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度.     

基于小生境遗传算法的排课系统的设计与研究

基于单一的遗传算法在解决排课问题时出现的易早熟、收敛速度慢等缺陷.引入小生境技术,将小生境技术与遗传算法相结合构造一个混合遗传算法,用来改进单一遗传算法在解决排课问题上的不足.     

并行化遗传算法研究

并行遗传算法（Parallel Genetic Algorithms,PGA）广泛应用于解决各种优化问题。给出了遗传算法并行化目的描述,做出并行性分析。详细介绍遗传算法三种结构化并行模型：踏脚石模型,岛屿模型,邻接模型。最后给出并行遗传算法的硬件支持环境及性能评价。     

利用遗传算法实现项目管理资源优化

遗传算法(GA)是建立在自然选择和群体遗传学机理基础上的随机迭代和进化,具有很强的全局优化搜索能力,而且仅使用所求问题的目标函数就可得到下一步的有关搜索信息,由于遗传算法的基本思想简单,运行方式和实现步骤规范,便于编程。利用遗传算法可以实现资源优化取得很好效果。     

多种群自适应模拟退火遗传算法求解TSP问题

TSP问题是一个具有广泛应用背景和重要理论价值的组合优化NP难题。遗传算法是求解NP完全问题的一种方法。针对传统遗传算法求解TSP问题的不足,提出了一种多种群自适应模拟退火遗传算法,并给出了多种群分级、混合变异算子的设计。最后,对CHN31、ATT48和EIL51的TSP问题进行求解．仿真结果表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。     

一种求解有约束优化问题的遗传算法

遗传算法是模拟生物进化机制新发展起来的一种搜索和优化方法，它是基于自然进化机制并且在寻找目标函数或在目标函数附近解决优化问题。遗传算法已在有约束优化问题领域得到应用，并显示出良好的发展前景。本文介绍了一种有约束优化问题的混合遗传算法，并通过实例验证了此方法是可行的和有效的。     

遗传算法在自动组卷应用中的分析与比较

针对遗传算法在自动组卷中的应用,总结了三种以遗传算法为基础的自动组卷解决方案,就遗传算法中的参数编码、初始群体的设定、适应度函数的设计等核心内容,进行了分析和比较,并提出结论。     

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。     

现代优化计算方法──遗传算法简介

本文系统回顾了一种现代新颖的优化算法──遗传算法的基本理论。首先简单介绍了遗传算法与生物进化的联系，然后依次介绍了遗传算法的具体设计方法和步骤、遗传算法的主要特点、遗传算法现状及前景。     

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。     

带上层约束二层线性规划的遗传算法

将带上层约束的二层线性规划转化为目标函数带有罚函数子项的非线性规划问题，利用单纯型法和遗传算法相结合求解全局解的方法。用实际例子说明了算法的有效性。     

一种求解整体最优效率行为模型的遗传算法

整体最优效率行为模型是基于满足最低期望投资产出和最高投资额的约束,以整体效率最优为目的的一种数学模型。阐述了求解该模型的一种改进的长模式遗传算法,将各个投资活动的效率进行排序,并引入贪婪策略修正各个染色体,采用三种再生算子进行求解,结果表明改进的长模式遗传算法有效。