基于四维编码遗传算法的自动组卷研究

在深入分析自动组卷问题的基础上,比较了几种常用组卷算法的优缺点,提出了分组四维编码的改进自适应遗传算法。该算法的编码方案为分组四维编码,使用模拟正态分布的分组轮盘赌选择算子进行种群选取,对交叉和变异算子的概率,根据个体的适应度值分布特点进行非线性自适应调整。实验结果表明,改进后的遗传算法很好地实现了组卷功能,在效率和质量上都明显优于传统遗传算法组卷,具有很好的实用性。     

基于改进遗传算法的自动组卷系统的研究

针对基本的遗传算法在自动组卷系统中容易陷入局部最优解、迭代后期容易早熟收敛等缺点,提出了改进的初始种群选择方法、自适应的交叉概率和变异概率的改进遗传算法。并且通过对组卷数学模型的改进,使得系统对多门课程具有通用性。实验结果表明,改进遗传算法改善了算法的全局搜索能力,更好地克服了迭代后期的早熟现象,因而在组卷效果及效率上优于基本遗传算法。     

基于改进遗传算法的自动组卷算法研究

在在线考试自动组卷中,为了避免简单遗传算法收敛速度慢及早熟收敛的问题,提出了基于实数编码、分段交叉、有条件生成初始种群的改进遗传算法。实践表明,改进的遗传算法能更好地解决自动组卷问题,具有较好的实用性。     

自适应遗传算法

用自适应的适应度函数、交叉概率及变异概率取代固定的适应度函数、交叉概率及变异概率来改进遗传算法,并与标准遗传算法进行了实验比较,结果证明：改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力。     

一种新型自适应遗传算法在多峰函数优化中的应用

为解决传统遗传算法在一维多峰函数优化中容易陷入局部极值、收敛概率低、稳定性不理想等问题,提出了一种新型的自适应遗传算法。结合自适应差分进化算法流程,提出了一种基于种群适应度变化程度而变化的非线性交叉算子和变异算子,使算法跳出局部极值,寻找到全局最优解,提升最优值迭代效率。函数测试实验表明,在一维多峰函数优化中,该算法在函数收敛概率、最优值迭代效率以及稳定性上比已有算法均有提高。     

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。     

一种改进的遗传进化算法及其应用

基本遗传算法适应度及遗传算子设计简单,求解复杂优化问题易于早熟,收敛速度慢等缺点.基于遗传算法基本框架,设计新的适应度函数,减少遗传算法中的交叉算子,改进其变异方式,提出一种改进的遗传进化算法.     

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．     

混沌遗传算法在自动组卷中的应用研究

该文提出了一种基于混沌序列的改进型遗传算法来实现自动组卷的新方法．首先对染色体采用分段自然数编码策略;然后,将混沌机制同时引入到遗传算法的交又和变异阶段,在交叉阶段交叉基因座由混沌交叉算子来确定,在第三阶段变异个体的变异基因住由混沌变异算子来给出．该算法将混沌优化的遍历性、规律性与遗传算法的全局性相结合,有效地克服了遗传算法随机性大、未成熟收敛等缺点．     

求解度约束最小生成树问题的自适应遗传算法

在遗传算法中一个关键问题是必须采取措施保持种群多样性，防止算法出现早熟收敛。本文提出了一种基于父个体相似度的自适应遗传算法，使用新的自适应遗传操作策略以保持种群多样性。将新算法用于求解图的度约束最小生成树问题，实验结果表明本方法到比不使用父个体相似度信息的普通遗传算法权值更低的度约束最小生成树。     

带时间窗车辆路径问题的混合遗传算法

针对标准遗传算法在解决带时间窗的车辆路径问题（VRPTW）时存在早熟收敛和易陷入局部极值点的特点,引入遗传算法与禁忌搜索结合的混合算法,同时对杂交算子进行了改进.算法既具有遗传算法的全局性和并行性,又具有禁忌搜索算法的爬山能力.实验表明,改进的混合算法具有计算效率高、收敛速度快等特点,是一种有效的方法.     

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。     

基于改进遗传算法的背包问题求解

针对0-1背包问题的特点,设计了一种利用定义距较长模式的遗传算子,并提出采用该算子代替交叉算子的长模式遗传算法,该算法在约束条件的处理上结合贪心法,提高了搜索效率.最后的实例仿真,给出了传统遗传算法和长模式遗传算法计算结果的比较,证明了采用新算子的遗传算法在求解0-1背包问题时比基本遗传算法有更好的收敛性能和更少的时间花费.     

多亲遗传算法及其应用研究

针对传统遗传算法（TGA）所存在的一些不足，本文提出了一种多亲遗传算法（MGA），MGA对TGA的交叉算子进行了改进，这样MGA在应用中不要求初始群体具有广泛多样性，能有效地克服“早熟收敛”问题，仿真结果表明MGA是有效的。     

基于遗传算法的旅行商问题的研究

巡回旅行商问题(TSP)是一个组合优化方面的问题,已经成为测试组合优化新算法的标准问题。应用遗传算法解决TSP问题,首先对访问城市序列进行排列组合的方法编码,这保证了每个城市经过且只经过一次。接着生成初始种群,并计算适应度函数,即计算遍历所有城市的距离。然后用最优保存法确定选择算子,以保证优秀个体直接复制到下一代。采用有序交叉和倒置变异法确定交叉算子和变异算子。最后用MATLAB来实现算法,仿真后,观察路径,得出最终结果。     

遗传算法在组卷策略中的应用

给出智能组卷数据模型,采用遗传算法中编码、初始群体、迭代等步骤,利用交叉概率、变异概率和适合度判断迭代的收敛性,并产生适合规则的群体.对比遗传算法及其他组卷策略,遗传算法在组卷次数及组卷时间上优于传统的组卷策略.     

基于遗传的优化算法

遗传算法是一类全局优化的仿生类算法，它通过模拟生物进化过程中的复制、交叉和变异来完成优化搜索．在遗传算法的基本思想下，给出了一个简单遗传算法(SGA)及相关应用示例．     

Improved Genetic Algorithm and its Performance Analysis

Although genetic algorithm has become very famous with its global searching,parallel computing,better robustness,and not needing differential information during evolution.However,it also has some demerits,such as slow convergence speed.In this paper,based on several general theorems,an improved genetic algorithm using variant chromosome length and probability of crossover and mutation is proposed,and its main idea is as follows:at the beginning of evolution,our solution with shorter length chromosome and higher probability of crossover and mutation;and at the vicinity of global optimum,with longer length chromosome and lower probability of crossover and mutation.Finally,testing with some critical functions shows that our solution can improve the convergence speed of genetic algorithm significantly,its comprehensive performance is better than that of the genetic algorithm which only reserves best individual.